5分钟搞定Wazuh告警通知:从邮件到Slack的全方位配置指南
你是否还在为服务器异常只能事后排查而烦恼?当黑客入侵、文件被篡改时,能否第一时间收到告警决定了安全事件的响应速度。本文将带你从零构建Wazuh完整告警通知体系,通过5个实战步骤实现从邮件告警到Slack实时推送的全流程配置,让安全威胁无处遁形。
Wazuh告警系统架构概览
Wazuh作为开源安全平台,其告警通知系统基于模块化设计,支持多种输出渠道和自定义规则。核心组件包括:
- 规则引擎:通过src/rootcheck/check_rc_sys.c等文件实现安全规则检测
- 配置管理器:读取etc/ossec.conf中的通知配置
- 通知分发器:通过src/wazuh_modules/agent_upgrade/manager/wm_agent_upgrade_manager.c实现消息路由
告警工作流程如下:
graph LR
A[安全事件触发] --> B[规则引擎匹配]
B --> C[生成JSON告警]
C --> D[配置解析模块]
D --> E{通知渠道}
E -->|邮件| F[SMTP服务器]
E -->|Slack| G[Webhook接口]
E -->|其他| H[自定义脚本]
基础配置:修改主配置文件
所有通知相关的配置都集中在ossec.conf文件中,该文件位于etc/ossec.conf。默认配置包含系统监控基础设置,我们需要添加通知专用配置块。
邮件告警基础配置
在配置文件中添加以下内容启用SMTP通知:
<ossec_config>
<!-- 全局邮件设置 -->
<global>
<email_notification>yes</email_notification>
<smtp_server>smtp.example.com</smtp_server>
<smtp_port>587</smtp_port>
<smtp_from>wazuh@example.com</smtp_from>
<smtp_auth>yes</smtp_auth>
<smtp_user>alerts@example.com</smtp_user>
<smtp_password>your_password</smtp_password>
<smtp_ssl>yes</smtp_ssl>
</global>
<!-- 告警收件人配置 -->
<email_alerts>
<email_to>security-team@example.com</email_to>
<level>7</level> <!-- 仅发送7级及以上告警 -->
<do_not_delay>yes</do_not_delay>
</email_alerts>
</ossec_config>
配置说明:level参数控制告警级别过滤,Wazuh将安全事件分为0-16级,16为最严重。完整的配置选项可参考docs/ref/configuration.md
高级配置:实现Slack实时推送
1. 创建Slack Webhook
- 登录Slack工作区,访问https://api.slack.com/apps
- 创建新应用,选择"Incoming Webhooks"功能
- 激活Webhook并复制生成的URL(格式如
https://hooks.slack.com/services/XXX/YYY/ZZZ)
2. 配置Wazuh命令与告警规则
在etc/ossec.conf中添加Slack通知命令:
<command>
<name>slack-notification</name>
<executable>slack_alert.sh</executable>
<timeout_allowed>yes</timeout_allowed>
</command>
<active-response>
<command>slack-notification</command>
<location>server</location>
<level>7</level>
<timeout>300</timeout>
</active-response>
3. 编写Slack通知脚本
在/var/ossec/active-response/bin/目录下创建slack_alert.sh:
#!/bin/bash
WEBHOOK_URL="https://hooks.slack.com/services/XXX/YYY/ZZZ"
ALERT_FILE=$1
# 从告警文件提取关键信息
ALERT_LEVEL=$(grep "Level:" $ALERT_FILE | awk '{print $2}')
ALERT_DESC=$(grep "Description:" $ALERT_FILE | cut -d: -f2-)
AGENT=$(grep "Agent:" $ALERT_FILE | cut -d: -f2-)
# 构建Slack消息
PAYLOAD=$(cat << EOF
{
"text": "🚨 Wazuh Security Alert (Level $ALERT_LEVEL)",
"attachments": [
{
"title": "Alert Details",
"fields": [
{"title": "Agent", "value": "$AGENT", "short": true},
{"title": "Level", "value": "$ALERT_LEVEL", "short": true},
{"title": "Description", "value": "$ALERT_DESC"}
]
}
]
}
EOF
)
# 发送请求到Slack
curl -X POST -H "Content-Type: application/json" -d "$PAYLOAD" $WEBHOOK_URL
赋予脚本执行权限:
chmod +x /var/ossec/active-response/bin/slack-notification.sh
验证与测试
1. 检查配置文件合法性
执行以下命令验证配置是否正确:
/var/ossec/bin/ossec-control restart
若配置有误,错误信息会输出到/var/ossec/logs/ossec.log。可以通过src/logcollector/logcollector.c中的日志收集逻辑追踪问题。
2. 生成测试告警
触发一个测试告警验证通知系统:
/var/ossec/bin/agent_control -R 000 # 重启所有代理
正常情况下,Slack频道会收到类似以下的告警消息:
🚨 Wazuh Security Alert (Level 7)
Alert Details
Agent: 000 (localhost)
Level: 7
Description: Agent restarted
常见问题与解决方案
邮件发送失败
症状:告警日志显示"Email notification not sent" 排查步骤:
- 检查SMTP服务器连接:
telnet smtp.example.com 587 - 查看邮件日志:
tail -f /var/ossec/logs/ossec.log | grep -i email - 验证src/rootcheck/common.c中的告警生成逻辑
解决方案:确保SMTP密码正确,对于Gmail等服务需启用"Less secure apps"或使用应用专用密码。
Slack消息延迟
症状:告警生成后Slack通知延迟超过30秒 优化方案:
- 修改配置文件禁用批处理:
<do_not_delay>yes</do_not_delay> - 调整src/wazuh_modules/agent_upgrade/manager/wm_agent_upgrade_manager.c中的通知队列参数
总结与扩展
通过本文配置,你已实现Wazuh告警的邮件和Slack双通道通知。根据实际需求,还可以扩展以下功能:
- 钉钉/企业微信通知:参照Slack配置,修改脚本使用对应API
- 告警聚合:通过src/logcollector/read_ossecalert.c实现重复告警合并
- 自定义告警级别:在etc/ossec.conf中调整level参数
安全告警是响应链的第一步,建议结合Wazuh的自动响应功能,通过src/rootcheck/check_rc_sys.c中的权限检查逻辑实现威胁自动处置。
社区支持:遇到配置问题可访问Wazuh Slack社区获取帮助,或查阅docs/ref/configuration.md官方文档。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00