JXWAF6 标准版是一款基于 AI 大模型的 Web 应用防火墙。
- 数据统计
- 攻击事件
- 攻击日志
- 网站防护
- 网站接入
- 证书管理
- AI防护配置
- Web安全防护
- AI分析记录
- 防护配置
- Web防护规则
- 流量防护规则
- IP区域封禁
- 白名单规则
- 防护组件
- 节点状态
- 服务器系统：Debian 12.x
- 服务器最低配置：4 核 8G
服务器 IP 地址：
- 公网地址：47.120.63.196
- 内网地址：172.29.198.241
# 1. 安装 Docker
curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun
# 2. 克隆仓库
git clone https://github.com/jx-sec/jxwaf.git
# 3. 启动容器
cd jxwaf/standard
docker compose up -dWAF 控制台地址：http://47.120.63.196:8000
-
JXWAF_MODEL_QUERY
是否开启 JXWAF 大模型语义缓存服务并加入群体免疫网络，值为true或false。- 大模型语义缓存服务：遇到未知请求时，会先进行缓存查询，若命中则无需通过大模型进行查询，可极大节省大模型的使用成本。
- 群体免疫网络：当其他 WAF 检测到全新的攻击 POC 时，将通过群体免疫网络将模型参数同步到本地 WAF，实时获取最新的检测能力。
-
AI_BACKUP_WAF_URL
当大模型服务因各种原因不可用时，可通过该配置获取其他 WAF 的检测能力。由于需要转发请求到目标 WAF，可能存在数据泄露风险，请谨慎配置。
与传统 WAF 非黑即白的检测模式不同，AI WAF 采用 非白即黑 的检测模式。
-
在线学习
根据线上业务流量训练本地模型，不进行任何处置。 -
在线防护 - 业务优先
遇到已知攻击流量将进行拦截；遇到未知流量会先放行，待 AI 分析出结果后，同步更新本地模型进行处理。 -
在线防护 - 安全优先
遇到已知攻击流量将进行拦截；遇到未知流量会先拦截，待 AI 分析出结果后，同步更新本地模型进行处理。 -
离线防护
对已知攻击流量和未知流量均进行拦截，本地模型不再更新。
测试方式：
docker run --rm --net=host ccr.ccs.tencentyun.com/jxwaf/blazehttp:latest /app/blazehttp -t http://172.30.42.104/xxx使用长亭 blazehttp 项目提供的样本集，效果如下：
- 总样本数量：33877，成功：33877，错误：0
- 检出率：41.03%（恶意样本总数：658，正确拦截：270，漏报放行：388）
- 误报率：0.14%（正常样本总数：33219，正确放行：33172，误报拦截：47）
- 准确率：98.72%（（正确拦截 + 正确放行）/ 样本总数）
- 平均耗时：28.19 毫秒
- 总样本数量：33877，成功：33877，错误：0
- 检出率：26.90%（恶意样本总数：658，正确拦截：177，漏报放行：481）
- 误报率：0.20%（正常样本总数：33219，正确放行：33153，误报拦截：66）
- 准确率：98.39%
- 平均耗时：43.68 毫秒
- 总样本数量：33877，成功：33877，错误：0
- 检出率：40.12%（恶意样本总数：658，正确拦截：264，漏报放行：394）
- 误报率：0.23%（正常样本总数：33219，正确放行：33143，误报拦截：76）
- 准确率：98.61%
- 平均耗时：43.36 毫秒
- 总样本数量：33877，成功：33877，错误：0
- 检出率：44.38%（恶意样本总数：658，正确拦截：292，漏报放行：366）
- 误报率：0.19%（正常样本总数：33219，正确放行：33155，误报拦截：64）
- 准确率：98.73%
- 平均耗时：33.02 毫秒
结论：JXWAF6 标准版相比 JXWAF5 检测效果提升明显，达到商业 WAF 的检测水平。
欢迎关注微信公众号，后续更新与技术分享将在公众号发布。
- 微信：574604532（添加请备注 jxwaf）
