游戏盾的三次技术演进

简介:

游戏盾从诞生之初到现在,经历了三次重大的技术变革。从初代的“云层”,到现在的游戏盾,无论是从技术架构还是从功能实现上,都发生了翻天覆地的变化。

而驱动这些变化的浅层因素,是攻防资源的不对等问题;深层因素则是对现有网络本身的路由规则和基础设施的深度思索。

简单来说,游戏盾通过风控模式调度流量来撬动攻防天平;而从本质来说,游戏盾更像是一个除了路由和DNS之外,能再次改变流量走向的存在。

云层:第一次实验

游戏盾的前身是云层项目。它诞生在15年初 的一次“营救实验”。

一家公司被黑客反复攻击,传统的DDoS防御方法全都败下阵来。在紧急情况下,公司向我们寻求合作,并提出可以尝试一种“通过快速流量调度,来躲避黑客攻击”的新方法。

这种方法并没有在任何实战场景中被验证过。阿里云DDoS的技术团队在“摸着石头过河”的情况下,与用户的技术团队一起合作,用将新的防护方法付诸于实践,成功扛下了一次次攻击。云层时代也就此开始。

当时,黑客的攻击手法相对来说比较单一,找到目标IP地址,使用一波大流量(10~50GBps)将IP攻击进入黑洞。而发动下一波攻击的准备时间大约需要10~15分钟。而云层通过秒级分布式IP的快速调度,压制了黑客的分钟级攻击跟随,赢得了这场竞赛的阶段性胜利。

接下来,“云层”模式在其它几场攻防实战中屡立战功。但与此同时,新形态的攻击方式也在不断地进化,云层的IP调度速度尽管实现了秒级,但要跟上黑客的嗅探和跟随,其算法和效率仍需进化,在这种背景下,游戏盾的时代来了。

游戏盾:踏入战场

一直以来,国内超过50%的DDoS和CC攻击,都针对游戏行业。正因此,游戏成了DDoS攻防最好的战场,也是调度算法的最佳训练场。

于是,我们决定将云层时代积累下来的技术经验,应用在游戏行业中,成为大家能够用得上,并且管用的风控模式。

在游戏盾诞生之前的很长一段时间,我们对游戏行业的攻防对抗模式反复分析,也去深入了解了游戏业务的注册特点、登陆特点,玩家特点,在此基础上,重构了游戏盾的智能调度算法。

它继承了云层快速调度的能力,又通过对端信息的采集,和对网络通信等行为的归一化处理分析。基于云上的资源和特性,游戏盾得以对海量的端数据进行计算,处理和存储;相比线下环境,云在计算和数据处理上的优势,让我们取得了这一实质性的突破——完成对每一个终端设备的画像,最终沉淀为“端威胁值”这一新的调度因子。

游戏盾所有数据处理的核心,是AirTraffic Control (ATC 空中流量调度系统)。它以DL(深度机器学习)&LSTM(神经网络)为认知基础,将恶意用户快速隔离在调度体系之外。

在游戏行业炮火重重的前线上,游戏盾完成了涅槃重生。持续在最猛烈的攻击之下,不断进行自我升级。威胁识别和影响面控制代替调度成为了新的技术关键词。

精细化和分层而治:领先一小步

当然,这仍只是一个开始。攻击方也在逐步加重自己的兵力投入,要领先黑客一小步的话,光靠数据和算法还不够,需要真正了解对方的攻击趋势和攻击手法。

在实战的打磨中,游戏盾正式踏入精细化攻防对抗这一领域:NetGuard应运而生。

借助前两个阶段所积累的AI建模分析能力,游戏盾向业务层的攻击发起挑战。

它通过串行学习特定业务数据特征,快速识别畸形和突发的异常流量,并在干路上进行阻截。与此同时,团队提出了由用户层、网络层、接入层和业务层四级联动的立体防护体系,让游戏盾帮助用户,去自己搭建最适合自己的安全架构。

游戏盾这个立体防护体系的核心,在于分层而治。首先,大流量攻击,依托网络层去解决,而技巧型CC攻击,通过接入层去解决。立体防护体系可以达到突破带宽限制,控制攻击影响范围和时间,精准识别用户行为的目标。

image

倾斜的天平

从2015到2017,两年的攻防实战和技术打磨让游戏盾将一种新的安全风控模式,应用到攻防战场中,帮助游戏行业的用户去解决实质性的问题,这是我们目前所做的事情。

然而,从云层到游戏盾,只是我们去撬动DDoS攻防天平的第一步。我们真正去前进的方向,是构筑一张安全、可信、承载着“干净流量”的网络,并将这张网络延展到更广的边界。

本文出自阿里云安全公众号,原文链接

相关文章
|
前端开发
Vue3输入框focus失效
Vue3引入elementplus的输入框el-input,如果想在鼠标点击即搜索框获得焦点后发生变化,那就得用到css的:focus选择器
886 1
|
存储 Java 对象存储
springboot配置阿里云OSS存储实现文件上传下载功能
【1月更文挑战第1天】springboot配置阿里云OSS存储实现文件上传下载功能
4968 3
|
4月前
|
人工智能 自然语言处理 安全
阿里云百炼 Token Plan 与 Coding Plan:定位、差异与选择指南
阿里云百炼推出Token Plan(团队版)与Coding Plan(个人版)两大AI订阅服务:前者以Credits积分制支持多模态大模型,满足企业级资源管理、成本分摊与安全合规需求;后者按请求次数计费,专注代码生成,助力开发者低成本高效编程。精准匹配不同场景,降本增效。
2780 4
|
8月前
|
运维 网络协议 安全
阿里云 DNS 云解析全解析:免费版与付费版差异对比及选型指南
在域名解析服务领域,阿里云 DNS 云解析凭借全球节点覆盖与安全防护能力,成为个人开发者与企业用户的重要选择。其服务分为免费版与付费版(含个人版、企业旗舰版、尊享版),不同版本在可用性、功能完整性、安全防护等维度差异显著。本文基于 今年最新官方文档与实测数据,从功能差异、价格体系、场景适配、升级迁移等维度展开解析,为用户判断 “是否需要购买付费版” 及选型提供客观参考。
|
11月前
|
Ubuntu 安全 应用服务中间件
详细指南:配置Nginx服务器在Ubuntu平台上
以上步骤涵盖了基本流程:从软件包管理器获取 Ngnix, 设置系统服务, 调整UFW规则, 创建并激活服务器块(也称作虚拟主机), 并进行了初步优化与加固措施。这些操作都是建立在命令行界面上,并假设用户具有必要权限(通常是root用户)来执行这些命令。每个操作都有其特定原因:例如,设置开机启动确保了即使重启后也能自动运行 Ngnix;而编辑server block则定义了如何处理进入特定域名请求等等。
910 17
|
11月前
|
XML Java 数据格式
Bean的生命周期:从Spring的子宫到坟墓
Spring 管理 Bean 的生命周期,从对象注册、实例化、属性注入、初始化、使用到销毁,全程可控。Bean 的创建基于配置或注解,Spring 在容器启动时扫描并生成 BeanDefinition,按需实例化并填充依赖。通过 Aware 回调、初始化方法、AOP 代理等机制,实现灵活扩展。了解 Bean 生命周期有助于更好地掌握 Spring 框架运行机制,提升开发效率与系统可维护性。
|
人工智能 自然语言处理 Linux
OSUM:告别ASR单一功能,西工大开源的语音大模型会「读心」!识别+情感分析+年龄预测等8大任务1个模型全搞定
OSUM 是西北工业大学开发的开源语音理解模型,支持语音识别、情感分析、说话者性别分类等多种任务,基于 ASR+X 训练策略,具有高效和泛化能力强的特点。
2071 8
OSUM:告别ASR单一功能,西工大开源的语音大模型会「读心」!识别+情感分析+年龄预测等8大任务1个模型全搞定
|
JSON IDE Java
20 款 IDEA 主题任你选!(快来看看你最喜欢那个~)
我是小假 期待与你的下一次相遇 ~
6242 1
|
安全 测试技术
更睿智的看世界!实测阿里首个多模态视觉推理模型QVQ-72B-Preview
阿里通义千问Qwen团队于12月25日推出首个开源视觉推理模型QVQ-72B-Preview,该模型在数学、物理、化学等领域表现出色,在MMMU基准测试中得分70.3,超越Qwen2-VL-72B-Instruct。尽管在部分任务如立体图形计数上存在局限性,QVQ-72B-Preview仍展示了强大的视觉理解和推理能力。模型目前仅支持单轮对话和图像输出,不支持视频输入。地址:https://modelscope.cn/studios/Qwen/QVQ-72B-preview