CoreRuleSet项目中的ModSecurity规则排除实践指南
2025-06-30 16:30:47作者:宗隆裙
背景介绍
CoreRuleSet(CRS)是ModSecurity的一个核心规则集,用于保护Web应用免受各种攻击。在实际使用中,我们经常需要针对特定场景进行规则排除(False Positive处理),以避免误报影响正常业务。本文将详细介绍如何在CRS中正确配置规则排除,特别是针对XSS攻击检测规则的排除。
常见问题分析
在ModSecurity规则排除实践中,开发者常遇到以下几个典型问题:
- 规则排除不生效:排除规则虽然配置了,但实际请求仍被拦截
- 编码处理不当:对URL编码或Unicode编码的参数处理不正确
- 目标变量选择错误:没有正确识别规则实际检查的变量
- 规则位置错误:排除规则放置的位置不正确
正确配置规则排除的方法
1. 规则文件位置
排除规则必须放置在正确的位置才能生效。对于CRS v3.x版本,应放在REQUEST-900-EXCLUSION-RULES-BEFORE-CRS.conf文件中,并确保该文件已重命名为.conf扩展名(非.example)。
2. 目标变量选择
必须准确识别原规则检查的目标变量。例如:
- 规则920220检查的是
REQUEST_URI_RAW而非ARGS - 许多XSS规则检查的是
ARGS而非ARGS_NAMES
3. 编码处理注意事项
- Web服务器会自动解码参数值,ModSecurity看到的是解码后的值
- 在排除规则中使用
t:urlDecodeUni转换时,要注意它会改变匹配条件 - 如果原规则检查编码值,排除规则也应针对编码值进行匹配
4. 规则ID确认
确保排除的规则ID准确无误。常见的XSS相关规则包括:
- 941100:基于libinjection的XSS检测
- 941110:脚本标签检测
- 941160:HTML注入检测
实战案例
案例1:排除特定URI路径的XSS检测
SecRule REQUEST_URI "@beginsWith /dvwa/vulnerabilities/xss_r/" \
"id:10001,phase:1,pass,nolog,ctl:ruleRemoveById=941110"
案例2:排除特定参数值的检测
SecRule ARGS:name "@contains <script>" \
"id:10002,phase:1,pass,logdata:'Excluding script tag',ctl:ruleRemoveById=941110"
案例3:处理编码值排除
SecRule ARGS:name "@contains scrip%u0074" \
"id:10003,phase:1,pass,t:none,ctl:ruleRemoveById=941110"
最佳实践建议
- 精确匹配:尽量使用最具体的匹配条件,避免过度排除
- 日志记录:在排除规则中添加logdata,便于后续审计
- 测试验证:每次修改后都应进行充分测试
- 规则顺序:确保排除规则在目标规则之前执行
- 文档记录:详细记录每个排除规则的原因和范围
常见错误规避
- 不要使用!前缀:在
ctl:ruleRemoveById中不需要使用!前缀 - 避免过度排除:不要排除整个规则文件或过多规则
- 注意大小写:规则ID和变量名区分大小写
- 检查语法:确保没有拼写错误或语法错误
通过遵循这些原则和实践方法,可以有效地在CoreRuleSet项目中配置ModSecurity规则排除,既保证安全性又避免误报问题。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217