SafeLine 20 扩展插件开发完全指南
2025-06-05 23:25:06作者:平淮齐Percy
前言
SafeLine 20 作为新一代 Web 应用防火墙,提供了强大的扩展插件系统,允许开发者通过 Lua 脚本实现自定义的安全防护逻辑。本文将全面介绍 SafeLine 20 扩展插件的开发方法,帮助开发者快速掌握插件开发的核心要点。
插件系统概述
SafeLine 20 扩展插件系统基于 Lua 5.1 标准,提供了丰富的 API 接口,支持三种主要类型的触发器:
- Match 触发器:基于请求特征进行匹配处理
- Ticker 触发器:实现定时任务功能
- Query 触发器:支持类 SQL 的流式统计分析
开发环境准备
在开始开发前,需要了解以下基本要求:
- Lua 5.1 语法兼容
- 受限的标准库访问(IO 库完全禁用,OS 库部分函数可用)
- 必须导入 safeline 模块
local safeline = require "safeline"
触发器类型详解
1. Match 触发器开发
Match 触发器是最常用的触发器类型,用于处理符合特定条件的 HTTP 请求。
基本结构
local match = {
ip = "192.168.1.0/24",
host = [[example\.com:80]],
url_path = [[/admin/.*]],
target = safeline.MATCH_TARGET_DETECT
}
function process(ip, host, url_path)
-- 处理逻辑
end
safeline.register(safeline.TYPE_MATCH, match, process)
匹配条件详解
| 字段 | 说明 | 示例 |
|---|---|---|
| ip | 支持 CIDR 格式 | "192.168.1.0/24" |
| host | 正则表达式匹配 | [[.*.example.com:80]] |
| url_path | 正则表达式匹配 | [[/admin/.*]] |
| target | 请求类型过滤 | safeline.MATCH_TARGET_ALL |
请求上下文获取
在回调函数中可获取请求的详细信息:
local target = safeline.get_target() -- 获取请求类型
local session = safeline.get_session() -- 获取会话信息
local details = safeline.get_detailed_info() -- 获取完整请求详情
2. Ticker 触发器开发
Ticker 触发器用于实现定时任务,即使在集群环境下也能保证定时准确性。
local interval = 60 -- 60秒间隔
function tick(duration)
-- 定时执行的任务
safeline.log("ticker", "定时任务执行,间隔:"..duration)
end
safeline.register(safeline.TYPE_TICKER, interval, tick)
3. Query 触发器开发
Query 触发器提供类 SQL 的流式分析能力,适合统计场景。
基本查询示例
local query = [[
SELECT ip, COUNT(*) as cnt
FROM access_log
GROUP BY TUMBLE_WINDOW(timestamp, 60), ip
HAVING cnt > 100
]]
function process(key, rows)
for row in rows do
safeline.log("高频IP", row.ip.." 访问次数:"..row.cnt)
end
end
safeline.register(safeline.TYPE_QUERY, query, process)
SQL 语法要点
- 支持标准 SELECT 语法
- 支持时间窗口函数:
TUMBLE_WINDOW - 支持聚合函数:
COUNT,SUM - 数据源目前仅支持
access_log
核心 API 详解
1. 访问控制 API
-- 封禁IP
safeline.action_ban(safeline.ACTION_SCOPE_ALL, {ip="1.2.3.4"}, 3600)
-- 限频控制
safeline.action_limit(safeline.ACTION_SCOPE_URL,
{ip="1.2.3.4", url_path="/api"}, 3600, 60, 100)
2. KV 存储 API
-- 本地存储
safeline.db_set(safeline.DB_LOCAL, "key", "value")
local val = safeline.db_get(safeline.DB_LOCAL, "key")
-- 全局存储
safeline.db_add(safeline.DB_GLOBAL, "counter", 1)
3. HTTP 客户端 API
-- GET 请求
local resp, err = safeline.http_get("http://example.com/api", {
["X-Token"] = "abc123"
})
-- POST 请求
local resp, err = safeline.http_post("http://example.com/api", {
["Content-Type"] = "application/json"
}, '{"key":"value"}')
4. 日志记录 API
safeline.log("plugin_tag", "日志内容")
高级特性:异步处理
对于批量操作,使用 Promise 模式可显著提高性能:
-- 批量封禁IP的异步实现
for row in rows do
safeline.promise(function(ip)
return safeline.action_ban(..., {ip=ip}, ...)
end, row.ip)(function(err)
if err then
safeline.log("ban", "封禁失败:"..err)
end
end)()
end
最佳实践
- 正则表达式优化:使用
[[ ]]语法避免转义 - 性能考虑:优先使用本地存储
DB_LOCAL - 错误处理:检查 API 调用的返回值
- 日志分类:使用有意义的 tag 便于排查
完整示例
local safeline = require "safeline"
-- 高频访问检测
local query = [[
SELECT ip, COUNT(*) as cnt
FROM access_log
GROUP BY TUMBLE_WINDOW(timestamp, 60), ip
HAVING cnt > 500
]]
function process(key, rows)
for row in rows do
safeline.promise(function(ip)
return safeline.action_ban(
safeline.ACTION_SCOPE_ALL,
{ip = ip},
3600 -- 封禁1小时
)
end, row.ip)(function(err)
local msg = err and ("封禁失败:"..err) or "封禁成功"
safeline.log("auto_ban", row.ip..": "..msg)
end)()
end
end
safeline.register(safeline.TYPE_QUERY, query, process)
结语
SafeLine 20 的扩展插件系统提供了强大的自定义能力,通过本文的介绍,开发者可以快速掌握插件开发的核心技术。无论是简单的请求过滤,还是复杂的统计分析,都能通过 Lua 脚本灵活实现。建议从简单的 Match 触发器开始,逐步尝试更高级的 Query 和异步功能,构建出符合业务需求的安全防护方案。
登录后查看全文
热门项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
675
4.31 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
946
886
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
302
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
909
暂无简介
Dart
920
228
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
昇腾LLM分布式训练框架
Python
142
169
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
133
212