Regras de detecção

Esta página se aplica à Apigee e à Apigee híbrida.

Confira a documentação da Apigee Edge.

A segurança avançada da API usa regras de detecção para detectar padrões incomuns no tráfego da API que possam representar atividades mal-intencionadas. Essas regras incluem modelos de machine learning treinados com dados reais de API e regras descritivas, com base em tipos conhecidos de ameaças de API.

Observação:a página Detecção de abuso da segurança avançada da API usa regras de detecção para detectar incidentes de segurança. Um incidente de segurança é um grupo de eventos com padrões semelhantes que pode representar uma ameaça à segurança. Um incidente pode ser acionado por várias regras de detecção. Nesse caso, todas as regras que acionaram o incidente são listadas na exibição Detalhes do ambiente da detecção de abusos.

A tabela a seguir lista as regras de detecção e as descrições delas

Regra de detecção	Descrição
Prévia:API Scraper avançada	Um modelo de machine learning que detecta a raspagem de dados de API, que é o processo de extração de informações de destino de APIs para fins maliciosos.
Visualização: Detecção de anomalias avançada	Um modelo de machine learning para detectar anomalias, padrões incomuns de eventos, no tráfego da API.
Guessor brutal	Alta proporção de erros de resposta nas últimas 24 horas
Excesso	Alta proporção de tráfego de um IP em um intervalo de cinco minutos
Abusador de OAuth	Um grande número de sessões OAuth com um pequeno número de user agents nas últimas 24 horas
Abuso de robô	Um grande número de erros de rejeição 403 nas últimas 24 horas
Raspador de conteúdo estático	Alta proporção de tamanho de payload de resposta de um IP em uma janela de cinco minutos
TorListRule	Lista de IPs de nós de saída do Tor. Um nó de saída do Tor é o último nó do Tor pelo qual o tráfego passa na rede do Tor antes de sair para a Internet. A detecção de nós de saída do Tor indica que um agente enviou tráfego da rede do Tor para suas APIs, possivelmente para fins maliciosos.

Regras de detecção e machine learning

A API Security avançada usa modelos criados com os algoritmos de aprendizado de máquina do Google para detectar ameaças à segurança das suas APIs. Esses modelos são pré-treinados em conjuntos de dados de tráfego de API reais (não seus dados de tráfego atuais) que contêm ameaças de segurança conhecidas. Como resultado, os modelos aprendem a reconhecer padrões de tráfego de API incomuns, como raspagem de dados e anomalias, e agrupam eventos com base em padrões semelhantes.

Duas das regras de detecção listadas acima são baseadas em modelos de aprendizado de máquina:

• API Scraper avançada
• Detecção de anomalias avançada

Observação: os dados usados para treinar os modelos de machine learning para as regras de API Scraper e Detecção de anomalias avançadas contêm metadados, incluindo o endereço IP de origem, a região geográfica de origem e os valores de alguns cabeçalhos de solicitação HTTP. No entanto, os dados de detecção recebidos pelos modelos não incluem os valores reais desses metadados. O modelo faz detecções com base nas propriedades estatísticas dos dados, não nos valores dos metadados.