Wazuh 4.12.0 Alpha 1 中 Amazon CloudWatch Logs 集成测试报告
测试环境搭建
本次测试基于 Wazuh 4.12.0 Alpha 1 版本,构建了一个完整的端到端安全监控系统。测试环境采用 Ubuntu 24.04 LTS 作为服务器平台,部署了 Wazuh 的核心组件(Indexer、Server 和 Dashboard),同时配置了 Fedora 40/41 系统的代理节点。
服务器端硬件配置为 AMD EPYC 7R32 处理器,4 核 CPU,7.6GB 内存和 29GB 存储空间。代理节点则分别测试了 x86_64 和 aarch64 两种架构,确保跨平台兼容性。
安装与配置过程
Wazuh 核心组件通过官方提供的安装脚本一键部署,特别值得注意的是,在预发布版本测试中需要使用特定的参数来指定预发布仓库。代理节点的安装则根据操作系统类型选择对应的安装方式,Fedora 系统推荐使用 yum 仓库安装。
在配置 Amazon CloudWatch Logs 集成时,需要特别注意以下几点:
- 必须预先配置 AWS 凭证文件,包含有效的访问密钥和密钥 ID
- 需要安装 Python 3 及相关依赖包(boto3、pyarrow、numpy)
- 配置文件需明确指定 AWS 日志组和区域信息
CloudWatch 集成测试
测试主要验证了两种 AWS 日志组的集成情况:
/aws/lambda/Scan-Findings-Logger- 条目较少的日志组/aws/lambda/ec2-instance-autodeletion- 条目较多的日志组
测试发现,当日志组包含大量条目时,处理时间会显著增加。通过配置 only_logs_after 参数可以限制获取日志的时间范围,但需要注意该参数仅影响后续处理,不会减少初始获取的数据量。
高级功能验证
测试重点验证了 discard_regex 功能的使用效果。通过在配置中添加如下的过滤规则:
<discard_regex field="eventSource">.*ec2:DescribeInstances.*</discard_regex>
可以有效地过滤掉包含特定模式的事件。测试结果表明该功能工作正常,能够按预期丢弃匹配指定正则表达式的日志条目。
跨平台兼容性测试
测试覆盖了不同架构的代理节点:
- Fedora 40 x86_64
- Fedora 41 aarch64
测试发现当前 AWS 官方镜像库中缺少 Fedora 40 aarch64 的镜像,这是一个需要注意的兼容性问题。在其他测试平台上,CloudWatch 日志收集功能均表现正常。
性能观察与优化建议
在处理大型日志组时,系统表现出以下特点:
- 初始同步可能需要较长时间(观察到最长3小时)
- 内存占用相对稳定
- 后续增量同步效率较高
针对性能优化,建议:
- 合理设置
only_logs_after参数限制时间范围 - 对于生产环境,考虑使用较小的日志组或增加同步间隔
- 监控系统资源使用情况,必要时扩展硬件配置
总结
Wazuh 4.12.0 Alpha 1 中的 Amazon CloudWatch Logs 集成功能整体表现稳定,能够有效地收集和处理 AWS 环境中的日志数据。跨平台支持良好,高级过滤功能工作正常。对于大型日志组的处理效率问题,可以通过合理配置参数来优化。
建议用户在实际部署时,根据自身环境特点调整配置参数,并密切关注系统资源使用情况,以获得最佳的使用体验。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00