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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
541
3.77 K
Ascend Extension for PyTorch
Python
353
420
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++
889
616
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
339
186
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
988
253
openGauss kernel ~ openGauss is an open source relational database management system
C++
169
233
暂无简介
Dart
778
194
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
115
142
🎉 (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
1.35 K
759