Azure Front Door如何用AI时代DDoS防御新范式

当AI让网络攻击变得更聪明、更廉价时，防守方必须换一种思路。微软Azure Front Door团队首席软件工程师Karthik Uttaman在近期一档技术访谈中，详细拆解了Azure如何从“见招拆招”转向系统性资源保护，并首次披露了内部已落地但未公开宣传的DDoS防御新方案。

攻击升级：AI正在降低攻击门槛

DDoS（分布式拒绝服务攻击）的本质并不复杂：用海量请求淹没目标机器，使其无法服务正常用户。Karthik在访谈中用一个直观的例子解释：“如果一台机器只能服务100个客户，突然来了1万个请求，它连这100个都服务不了。”当攻击流量来自全球数千个IP时，就构成了“分布式”拒绝服务。

但AI的介入改变了攻防平衡。Karthik指出，攻击者现在可以利用AI快速分析协议RFC文档与实现，发现放大攻击漏洞并武器化。“以前需要人工阅读RFC、写概念验证，现在AI能极大加速这个过程。”据其分享的数据，过去五年DDoS攻击数量增长了超过300%，而自2023年以来，HTTP/2等协议漏洞的变种攻击显著增多。攻击者发起攻击的成本极低，但服务端承接流量时的资源消耗却是攻击方的10到20倍。

传统防御的局限

过去，Azure的缓解策略遵循“识别一种攻击向量，构建一种缓解措施”的模式。Karthik坦言，这并非主动解决问题，而是被动响应。面对AI驱动的快速变种攻击，这种模式显然跟不上节奏。

访谈中，Karthik以白板图示说明RFC实现差异如何成为攻击切入点

放大攻击（Amplification Attack） 是DDoS的一种常见形式：攻击者伪造受害者的IP地址向第三方服务器发送小请求，第三方服务器将数倍于请求大小的响应发往受害者，从而以极低成本放大攻击流量。常见的放大协议包括DNS、NTP、Memcached等。Karthik提到的“协议RFC文档与实现”正是指攻击者通过研究协议规范与各厂商实现之间的差异，寻找可被滥用的漏洞，例如HTTP/2的快速重置（Rapid Reset）攻击就是利用协议特性以少量连接触发服务器大量资源消耗。AI的介入使得这类漏洞的发现和武器化速度大幅提升，因为AI可以快速解析RFC文本并生成概念验证代码，将原本需要数周的人工研究压缩到数小时。

新范式：把系统当作整体来保护

Azure Front Door团队转向了一种更 holistic（整体性）的防护思路。Karthik将其概括为站在攻击者角度思考：要搞垮一个服务，要么让进程崩溃，要么耗尽CPU、内存、网络等资源。因此，防御不应再针对单个攻击向量，而应监控系统资源使用与流入流量的关联性。

“只要我能区分好流量和坏流量，我就可以惩罚坏流量、放行好流量，保护系统资源不被耗尽。”Karthik说道。这套方案最近已在Azure Front Door内部上线，但并未对外发布公告。“这是工程师们在幕后做的无名故事。”

三层流量识别：从宏观到微观

真正的挑战在于区分“高流量”的性质：是电商大促、演唱会抢票的正常高峰，还是恶意攻击？Karthik在白板上展示了分析逻辑。

首先，观察总请求速率（RPS）与CPU的相关性，确认资源压力来自流量增长。但仅看总量不够，因为CDN是多租户服务，一台机器可能服务成千上万客户。团队使用概率数据结构追踪Top K客户，快速定位到贡献了80%流量的少数客户（遵循80/20法则）。

白板图示展示了如何从总流量中分离出高贡献租户

锁定疑似被攻击的客户后，进一步下钻到该客户的流量内部。如果按IP逐一限速，面对数十万IP的僵尸网络毫无意义。团队引入微软威胁情报，将IP分组为“好机器人”“坏机器人”和未知非机器人。这样一来，坏机器人贡献的异常尖峰一目了然。

概率数据结构（Probabilistic Data Structure） 是一类以少量内存和常数时间操作来近似统计海量数据的技术，典型代表包括Count-Min Sketch、HyperLogLog和布隆过滤器。在DDoS防御场景中，面对每秒数百万甚至上千万的请求，精确记录每个IP或租户的计数需要消耗巨大内存且难以实时更新。概率数据结构通过哈希和位图等技巧，能够在固定内存预算内估算Top K高频元素或基数，误差可控但速度极快。这正是Azure Front Door能在几秒内定位贡献80%流量的少数租户、并实时下钻分析的技术基础，也是区分正常促销高峰与恶意攻击的关键工程手段。

签名技术：区分浏览器与脚本

仅靠IP信誉还不够。Karthik强调，被感染的设备可能属于正在抢票的真实用户，不应一律惩罚。因此团队还使用JA4等TLS/HTTP签名对流量进行画像，判断请求来自真实浏览器还是自动化脚本。

“如果一个恶意流量中80%是机器人签名，只有小部分是浏览器签名，我可以只针对机器人签名进行限制，放行浏览器流量。”Karthik解释道。这种精细化的实时处理依赖概率数据结构和常数时间算法，因为DDoS尖峰往往在几秒内爆发，不允许离线分析。

每个终端都有IP，但签名能进一步揭示流量背后的客户端性质

JA4 是TLS客户端指纹识别的一种现代方法，由FoxIO提出，是对早期JA3指纹的改进。它在TLS握手阶段提取客户端支持的加密套件、扩展列表、椭圆曲线、签名算法等特征，经过标准化排序和哈希后生成一个短标识符。由于不同浏览器、操作系统和自动化工具（如curl、Python requests、Go net/http）在TLS握手参数上存在系统性差异，JA4签名可以有效区分真实浏览器流量与脚本流量。与IP信誉相比，签名不依赖历史行为数据，对首次出现的僵尸网络同样有效；与User-Agent相比，签名位于传输层，更难被攻击者随意伪造。Azure Front Door利用JA4等签名对流量画像，从而在DDoS尖峰中精准限速机器人签名而放行浏览器签名，避免误伤正在抢票或购物的真实用户。

跨团队协作与专利布局

这套方案并非Azure Front Door独享。项目启动于几年前微软旗下多个资产遭遇大规模DDoS攻击之际，Azure、Microsoft 365和身份团队共同参与，目标是构建一个保护全公司的通用方案。从设计到发布到所有相关服务，耗时约一年。Karthik透露，相关技术已申请专利。

访谈截图：签名分析允许实时区分正常浏览器与攻击脚本

当被问及是否觉得自己像超级英雄时，Karthik笑称自己只穿T恤。但这番轻描淡写的背后，是一套在AI攻击时代重新定义DDoS防御的系统性工程——不追求封堵每一个变种，而是让系统在资源耗尽前识别并抑制恶意流量。对于依赖云服务的广大开发者而言，这种从攻击向量中心转向资源中心的安全思路，或许比任何单一缓解措施都更值得关注。