mdbq 4.2.23__tar.gz → 4.2.24__tar.gz

{mdbq-4.2.23 → mdbq-4.2.24}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.2
 Name: mdbq
-Version: 4.2.23
+Version: 4.2.24
 Home-page: https://pypi.org/project/mdbq
 Author: xigua, 
 Author-email: 2587125111@qq.com

mdbq-4.2.24/mdbq/__version__.py

@@ -0,0 +1 @@
+VERSION = '4.2.24'

{mdbq-4.2.23 → mdbq-4.2.24}/mdbq/route/monitor.py

@@ -21,7 +21,7 @@ import functools
 import hashlib
 import socket
 from datetime import datetime, timedelta
-from typing import Dict, Any, Optional
+from typing import Dict, Any, Optional, List
 from dbutils.pooled_db import PooledDB # type: ignore
 from flask import request, g
 
@@ -437,6 +437,138 @@ class RouteMonitor:
         except Exception:
             return None
     
+    def calculate_risk_score(self, client_ip: str, date: datetime.date) -> int:
+        """
+        计算 IP 风险评分（0-100）
+        
+        风险评分基于以下维度：
+        1. 请求频率异常（30分）：单日请求数超过阈值
+        2. 失败率异常（25分）：失败请求比例过高
+        3. 访问模式异常（20分）：短时间访问大量不同接口
+        4. 时间分布异常（15分）：非正常时间段高频访问
+        5. 响应时间异常（10分）：平均响应时间过长（可能是攻击）
+        
+        Args:
+            client_ip: 客户端 IP 地址
+            date: 统计日期
+            
+        Returns:
+            int: 风险评分（0-100），分数越高风险越大
+        """
+        risk_score = 0
+        
+        try:
+            connection = self.pool.connection()
+            try:
+                with connection.cursor() as cursor:
+                    self.ensure_database_context(cursor)
+                    
+                    # 获取该 IP 当日的统计数据
+                    cursor.execute("""
+                        SELECT 
+                            `请求总数`, `成功次数`, `失败次数`, 
+                            `平均耗时`, `首次访问`, `最后访问`, `访问接口数`
+                        FROM `api_ip记录`
+                        WHERE `客户端ip` = %s AND `统计日期` = %s
+                    """, (client_ip, date))
+                    
+                    ip_stats = cursor.fetchone()
+                    if not ip_stats:
+                        return 0  # 无数据，无风险
+                    
+                    total_requests = ip_stats['请求总数']
+                    success_count = ip_stats['成功次数']
+                    failure_count = ip_stats['失败次数']
+                    avg_time = float(ip_stats['平均耗时']) if ip_stats['平均耗时'] else 0
+                    first_access = ip_stats['首次访问']
+                    last_access = ip_stats['最后访问']
+                    endpoint_count = ip_stats['访问接口数'] or 0
+                    
+                    # 1. 请求频率异常检测（30分）
+                    # 阈值：正常用户单日请求 < 1000，可疑 1000-5000，高风险 > 5000
+                    if total_requests > 10000:
+                        risk_score += 30  # 极高频率
+                    elif total_requests > 5000:
+                        risk_score += 25  # 高频率
+                    elif total_requests > 2000:
+                        risk_score += 18  # 中等频率
+                    elif total_requests > 1000:
+                        risk_score += 10  # 略高
+                    
+                    # 2. 失败率异常检测（25分）
+                    # 高失败率可能是暴力破解、SQL注入等攻击
+                    if total_requests > 0:
+                        failure_rate = failure_count / total_requests
+                        if failure_rate > 0.8:
+                            risk_score += 25  # 80%以上失败
+                        elif failure_rate > 0.5:
+                            risk_score += 20  # 50%-80%失败
+                        elif failure_rate > 0.3:
+                            risk_score += 12  # 30%-50%失败
+                        elif failure_rate > 0.15:
+                            risk_score += 5   # 15%-30%失败
+                    
+                    # 3. 访问模式异常检测（20分）
+                    # 短时间访问大量不同接口可能是扫描行为
+                    if endpoint_count > 0:
+                        # 计算平均每个接口的访问次数
+                        avg_per_endpoint = total_requests / endpoint_count
+                        
+                        if endpoint_count > 50 and avg_per_endpoint < 5:
+                            risk_score += 20  # 访问50+接口，每个接口少于5次（扫描特征）
+                        elif endpoint_count > 30 and avg_per_endpoint < 10:
+                            risk_score += 15  # 访问30+接口
+                        elif endpoint_count > 20 and avg_per_endpoint < 15:
+                            risk_score += 10  # 访问20+接口
+                        elif endpoint_count > 10 and avg_per_endpoint < 20:
+                            risk_score += 5   # 访问10+接口
+                    
+                    # 4. 时间分布异常检测（15分）
+                    # 查询该 IP 的小时分布，检测是否有非正常时间段高频访问
+                    cursor.execute("""
+                        SELECT 
+                            HOUR(`请求时间`) as hour,
+                            COUNT(*) as count
+                        FROM `api_访问日志`
+                        WHERE `客户端ip` = %s 
+                        AND DATE(`请求时间`) = %s
+                        GROUP BY HOUR(`请求时间`)
+                        HAVING count > 100
+                        ORDER BY count DESC
+                    """, (client_ip, date))
+                    
+                    hourly_distribution = cursor.fetchall()
+                    
+                    # 检测是否有凌晨时段（0-5点）的异常高频访问
+                    night_requests = sum(h['count'] for h in hourly_distribution if 0 <= h['hour'] <= 5)
+                    if night_requests > 500:
+                        risk_score += 15  # 凌晨大量请求（可能是爬虫/攻击）
+                    elif night_requests > 200:
+                        risk_score += 10
+                    elif night_requests > 100:
+                        risk_score += 5
+                    
+                    # 5. 响应时间异常检测（10分）
+                    # 过长的响应时间可能是 DDoS 攻击或资源耗尽攻击
+                    if avg_time > 5000:  # > 5秒
+                        risk_score += 10
+                    elif avg_time > 3000:  # > 3秒
+                        risk_score += 7
+                    elif avg_time > 2000:  # > 2秒
+                        risk_score += 4
+                    
+                    # 限制评分范围在 0-100
+                    risk_score = min(100, max(0, risk_score))
+                    
+            finally:
+                connection.close()
+                
+        except Exception as e:
+            # 计算失败时返回 0（保守策略）
+            return 0
+        
+        return risk_score
+    
     # ==================== 核心数据收集 ====================
     
     def collect_request_data(self, request) -> Dict[str, Any]:
@@ -685,6 +817,9 @@ class RouteMonitor:
                     ))
                     
                     # 2. 更新 IP 统计表
+                    client_ip = request_data.get('客户端ip', '')
+                    
+                    # 首先更新基础统计
                     cursor.execute("""
                         INSERT INTO `api_ip记录` (
                             `统计日期`, `客户端ip`, `请求总数`, `成功次数`, `失败次数`,
@@ -695,13 +830,13 @@ class RouteMonitor:
                             `请求总数` = `请求总数` + 1,
                             `成功次数` = `成功次数` + %s,
                             `失败次数` = `失败次数` + %s,
-                        `平均耗时` = (
-                            (`平均耗时` * `请求总数` + %s) / (`请求总数` + 1)
-                        ),
+                            `平均耗时` = (
+                                (`平均耗时` * `请求总数` + %s) / (`请求总数` + 1)
+                            ),
                             `最后访问` = %s
                     """, (
                         date,
-                        request_data.get('客户端ip', ''),
+                        client_ip,
                         is_success, is_error,
                         response_time, now, now,
                         is_success, is_error,
@@ -709,8 +844,46 @@ class RouteMonitor:
                         now
                     ))
                     
+                    # 计算该 IP 访问的不同接口数量
+                    cursor.execute("""
+                        SELECT COUNT(DISTINCT `路由地址`) as endpoint_count
+                        FROM `api_访问日志`
+                        WHERE `客户端ip` = %s AND DATE(`请求时间`) = %s
+                    """, (client_ip, date))
+                    
+                    endpoint_result = cursor.fetchone()
+                    endpoint_count = endpoint_result['endpoint_count'] if endpoint_result else 0
+                    
+                    # 更新访问接口数
+                    cursor.execute("""
+                        UPDATE `api_ip记录`
+                        SET `访问接口数` = %s
+                        WHERE `客户端ip` = %s AND `统计日期` = %s
+                    """, (endpoint_count, client_ip, date))
+                    
                 connection.commit()
                 
+                # 3. 计算并更新风险评分（在事务外执行，避免影响主流程性能）
+                try:
+                    risk_score = self.calculate_risk_score(client_ip, date)
+                    if risk_score > 0:
+                        # 重新获取连接更新风险评分
+                        connection2 = self.pool.connection()
+                        try:
+                            with connection2.cursor() as cursor2:
+                                self.ensure_database_context(cursor2)
+                                cursor2.execute("""
+                                    UPDATE `api_ip记录`
+                                    SET `风险评分` = %s
+                                    WHERE `客户端ip` = %s AND `统计日期` = %s
+                                """, (risk_score, client_ip, date))
+                            connection2.commit()
+                        finally:
+                            connection2.close()
+                except Exception:
+                    # 风险评分计算失败不影响主流程
+                    pass
+                
             finally:
                 connection.close()
                 

{mdbq-4.2.23 → mdbq-4.2.24}/mdbq.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.2
 Name: mdbq
-Version: 4.2.23
+Version: 4.2.24
 Home-page: https://pypi.org/project/mdbq
 Author: xigua, 
 Author-email: 2587125111@qq.com

mdbq-4.2.23/mdbq/__version__.py

@@ -1 +0,0 @@
-VERSION = '4.2.23'