ASF知识分享之智能流量学习

由于网络的部署方式各不相同，不同网络环境的流量特点也千差万别，在这种情况下，一个固定的 DDoS 防护模板无法适应流量多变的场景，而依靠管理员去实时去修改 DDoS 防护模板也几无可能。

ASF系统可以提供一种智能流量基线学习机制，帮助管理员学习网络和应用的流量基线特征，并支持基于学习结果动态刷新防护对象的自动 DDoS 防护模板，从而提供最准确的针对性防护。

●  刷新自动DDoS 防护模板

流量基线学习的结果可以用来刷新防护组和防护服务的自动 DDoS 防护模板中的防护规则。流量基线学习的结果为指定流量在本小时时段内数据指标的峰值，当流量超过该峰值时，系统将根据自动刷新的规则进行检查和防护。

●  刷新优先级

流量基线学习采用先学习后刷新的模式，依据当前流量基线学习所在的时段，选取刷新结果的优先级如下：

如果已完成 7*24 小时流量学习，系统将检查同一日期同一时段的学习结果状态是否为“ready”。如果是，将选择此时段的流量基线学习结果来刷新自动 DDoS 防护模板中的防护规则，否则进行下一步。

如果已学满 24 小时但未学满 7*24 小时，将依次检查之前最近一天同一时段的学习结果状态是否为“ready”。如果有状态为“ready”的学习结果，将用此结果刷新自动 DDoS 防护模板中的防护规则，否则进行下一步。

如果未学满 24 小时，检查当天上一时段的学习结果状态是否为“ready”。如果有状态为“ready”的学习结果，将用此结果刷新自动 DDoS 防护模板中的防护规则，否则进行下一步。

不刷新自动 DDoS 防护模板中的防护规则。

流量基线学习适用于用户网络流量模型会出现周期性变化的场景。通过对用户网络流量周期性变化特征的基线学习，形成对网络和应用的DDoS防护的阈值。通过持续的流量基线学习，可以根据用户网络流量模型变化不断调整DDoS防护的阈值，从而实现精准的防护。

管理员可通过基线学习，了解现网的网络和应用的流量基线特征，可以为配置适当的防御策略提供参考。智能流量基线学习支持自动防护策略模板的属性，既减轻了管理员的人工干预，又提高了防护的准确性。

推荐阅读