Cette page s'applique à Apigee et à Apigee hybrid.
Consultez la documentation d'
Apigee Edge.
Advanced API Security utilise des règles de détection pour détecter des modèles inhabituels dans le trafic des API pouvant représenter une activité malveillante. Ces règles incluent des modèles de machine learning, entraînés sur des données d'API réelles et des règles descriptives, basées sur des types connus de menaces d'API.
Le tableau suivant répertorie les règles de détection et leur description.
| Règle de détection | Description |
|---|---|
Modèle de machine learning qui détecte le scraping des API, c'est-à-dire l'extraction des informations ciblées à partir d'API à des fins malveillantes. | |
| Modèle de machine learning permettant de détecter des anomalies (modèles inhabituels d'événements) dans le trafic des API. | |
| Brute Guessor | Haute proportion d'erreurs de réponse au cours des dernières 24 heures |
| Flooder | Haute proportion de trafic provenant d'une adresse IP dans un intervalle de cinq minutes |
| OAuth Abuser | Nombre élevé de sessions OAuth avec un petit nombre d'user-agents au cours des dernières 24 heures |
| Robot Abuser | Nombre élevé d'erreurs de refus 403 au cours des dernières 24 heures |
| Static Content Scraper | Proportion élevée de taille de la charge utile de la réponse éman,ant d'une même adresse IP, dans un intervalle de cinq minutes |
| TorListRule | Liste d'adresses IP de nœuds de sortie Tor. Un nœud de sortie Tor est le dernier nœud Tor par lequel le trafic transite sur le réseau Tor avant d'arriver sur Internet. La détection de nœuds de sortie Tor indique qu'un agent a envoyé du trafic à vos API à partir du réseau Tor, éventuellement à des fins malveillantes. |
Règles de machine learning et de détection
Advanced API Security utilise des modèles créés avec les algorithmes de machine learning de Google pour détecter les menaces de sécurité pesant sur vos API. Ces modèles sont pré-entraînés sur des ensembles de données de trafic d'API réels (pas sur vos données de trafic actuelles) contenant des menaces de sécurité connues. Par conséquent, les modèles apprennent à reconnaître les modèles de trafic d'API inhabituels, tels que le scraping et les anomalies d'API, et les événements de cluster basés sur des modèles similaires.
Deux des règles de détection répertoriées ci-dessus sont basées sur des modèles de machine learning :
- Advanced API Scraper
- Détection d'anomalies avancée