Skip to content

DDoS 攻击来源怎么定位?用 IP 归属地统计攻击源地域分布(Python 实现) ​

凌晨两点被电话叫起来,说是站点在被打。你打开云防火墙,刷出几万条拦截记录,全是 IP,一列一列往下滚,看得眼睛发花。老板问"攻击从哪来的",你只能说"很多地方",这句话在工单里等于没说。

真正有用的答案是另一套:这些攻击 IP 里,有多少来自境外、多少来自国内某几个机房、有多少是散在全国的家宽肉鸡。 一句话说清攻击形态,防御策略也就跟着出来了——集中式攻击封那几个网段,分布式肉鸡只能上清洗和限速。这篇文章就把这台"攻击源画像"用 Python 写出来。

一、单个 IP 没有意义,聚合起来才有 ​

攻击日志有两个特点,决定了处理方式:

第一,IP 数量大、长尾长。 一次 CC 打下来,几万个 IP 里,出现一两次的占绝大多数,反复打同一批的只占一小撮。逐个看没意义。

第二,IP 是数字,不是信息。 103.75.190.11 和 103.75.190.12 在你眼里没有区别,但配上归属地就变成"香港 / 某机房"。按国家、省份、运营商三个维度一聚合,攻击的组织程度立刻显形:

  • 前三名省份占了 80% 以上、且集中在两三家 IDC —— 典型的批量采购的机房资源,攻击有备而来;
  • 来源遍及 30 个省、运营商全是家宽 —— 肉鸡/僵尸网络,单 IP 封禁毫无意义;
  • 境外占比 95% —— 先考虑境外流量整体限速,而不是逐个拉黑。

这份分布报告还有第二个用途:报备和复盘要用。 云厂商的 DDoS 工单、公安的网络安全事件报告,都会问"攻击来源"。给出一张按地域的分布表,比贴一百行 IP 有用得多。

二、方案设计 ​

数据来源就是手上的日志——nginx access log、WAF 拦截日志、云防火墙导出,格式不一,但共同点是每行都带客户端 IP 和状态码。整条链路分四步:

  1. 提取:从日志里筛出被拦截的请求(4xx/5xx),按 IP 计数;
  2. 限流:免费版是 60 次/分钟/IP,所以不能逐行调用,必须按独立 IP 去重,并且请求之间留间隔;
  3. 缓存:查询结果落本地 JSON,攻击期间同一批 IP 会被反复扫到,第二次起直接读缓存,零消耗;
  4. 聚合:按国家 / 省份 / 运营商三个维度汇总,输出 Top 榜。

有个默认策略要想清楚:攻击高峰期独立 IP 可能上万,全查完要按分钟算了。我的做法是按请求次数从高到低查前 N 个(默认 2000),剩下的统一归入"未识别"。攻击是幂律分布,前 2000 个 IP 通常覆盖 90% 以上的请求量,视觉效果几乎不损失。

三、Python 实现:读日志 → 查归属地 → 出地域画像 ​

一个文件搞定,只依赖 requests。

python
# attack_sources.py
# 用法: python3 attack_sources.py access.log --top 10 --max-ips 2000
import argparse, ipaddress, json, os, re, sys, time
from collections import Counter

import requests

API = "https://ip9.com.cn/get"
CACHE_FILE = "ip_geo_cache.json"
QPS_GAP = 1.05  # 免费版 60 次/分钟/IP,请求间隔留点余量

IP_RE = re.compile(r"^(\d{1,3}(?:\.\d{1,3}){3})")   # nginx combined 格式:行首第一段是客户端 IP
BLOCK_RE = re.compile(r'"\s(4\d\d|5\d\d)\s')        # 状态码 4xx/5xx 视为被拦截


def load_cache():
    if os.path.exists(CACHE_FILE):
        with open(CACHE_FILE, encoding="utf-8") as f:
            return json.load(f)
    return {}


def save_cache(cache):
    tmp = CACHE_FILE + ".tmp"
    with open(tmp, "w", encoding="utf-8") as f:
        json.dump(cache, f, ensure_ascii=False)
    os.replace(tmp, CACHE_FILE)          # 原子替换,中途挂掉不会写坏缓存


class RateGate:
    """简易节流:全局两次请求之间至少隔 gap 秒"""

    def __init__(self, gap):
        self.gap = gap
        self.next = 0.0

    def wait(self):
        now = time.monotonic()
        if self.next > now:
            time.sleep(self.next - now)
        self.next = time.monotonic() + self.gap


def lookup(session, gate, cache, ip):
    """查单个 IP 归属地;返回 dict 或 None(失败)。成功结果才写缓存"""
    if ip in cache:
        return cache[ip]

    gate.wait()
    try:
        resp = session.get(
            API,
            params={"ip": ip},                       # 等价于 ?ip=<ip>
            timeout=3,
            headers={"User-Agent": "attack-report/1.0", "Accept": "application/json"},
        )
        resp.raise_for_status()
        payload = resp.json()
    except (requests.RequestException, ValueError) as exc:
        print(f"[warn] {ip} 查询失败: {exc}", file=sys.stderr)
        return None

    ret = payload.get("ret")
    if ret == 429:                                   # 被限速:退避一下,下次重试
        print("[warn] 触发限速(429),等待 2 秒", file=sys.stderr)
        time.sleep(2)
        return None
    if ret != 200 or not isinstance(payload.get("data"), dict):
        return None                                  # 非法 IP 返回 400,data 不是对象

    d = payload["data"]
    row = {
        "country": d.get("country") or "未知",
        "prov": d.get("prov") or "未知",
        "city": d.get("city") or "未知",
        "isp": d.get("isp") or "未知",
    }
    cache[ip] = row
    return row


def collect_blocked(path):
    """从访问日志里挑出被拦截请求的客户端 IP,按出现次数计数"""
    hits = Counter()
    with open(path, encoding="utf-8", errors="ignore") as f:
        for line in f:
            m = IP_RE.match(line)
            if not m or not BLOCK_RE.search(line):
                continue
            ip = m.group(1)
            try:
                ipaddress.ip_address(ip)             # 行首可能是域名或 "-",过滤掉
            except ValueError:
                continue
            hits[ip] += 1
    return hits


def main():
    ap = argparse.ArgumentParser()
    ap.add_argument("logfile")
    ap.add_argument("--top", type=int, default=10)
    ap.add_argument("--max-ips", type=int, default=2000,
                    help="最多查询多少个独立 IP,防止额度被吃满")
    args = ap.parse_args()

    hits = collect_blocked(args.logfile)
    total = sum(hits.values())
    print(f"拦截请求 {total} 条,独立 IP {len(hits)} 个,本次查询 {min(args.max_ips, len(hits))} 个")

    targets = [ip for ip, _ in hits.most_common(args.max_ips)]
    cache = load_cache()
    gate, session = RateGate(QPS_GAP), requests.Session()

    by_country, by_prov, by_isp = Counter(), Counter(), Counter()
    unknown = sum(c for ip, c in hits.items() if ip not in set(targets))

    try:
        for i, ip in enumerate(targets, 1):
            geo = lookup(session, gate, cache, ip)
            if not geo:
                unknown += hits[ip]
                continue
            n = hits[ip]
            by_country[geo["country"]] += n
            by_prov[f'{geo["country"]} {geo["prov"]}'] += n
            by_isp[geo["isp"]] += n
            if i % 50 == 0:
                save_cache(cache)                # 中途落盘:断了重跑不会白干
                print(f"  进度 {i}/{len(targets)}", file=sys.stderr)
    finally:
        save_cache(cache)

    def report(title, counter):
        print(f"\n{title}")
        for name, n in counter.most_common(args.top):
            print(f"  {name:<26} {n:>7} 次  {n / total * 100:5.1f}%")

    report("攻击来源国家 Top", by_country)
    report("攻击来源省份 Top", by_prov)
    report("攻击来源运营商/机房 Top", by_isp)
    print(f"\n未识别/未查询:{unknown} 次({unknown / total * 100:.1f}%)")


if __name__ == "__main__":
    main()

跑一晚上拦截日志的典型输出长这样:

text
拦截请求 48213 条,独立 IP 9174 个,本次查询 2000 个

攻击来源国家 Top
  中国                       39104 次   81.1%
  美国                        4127 次    8.6%
  新加坡                      2210 次    4.6%

攻击来源省份 Top
  中国 广东                   14220 次   29.5%
  中国 浙江                    8811 次   18.3%
  中国 江苏                    5302 次   11.0%

攻击来源运营商/机房 Top
  电信                        15300 次   31.7%
  腾讯云                      9102 次   18.9%
  阿里云                      6403 次   13.3%

未识别/未查询:4102 次(8.5%)

从这三张表就能读出结论:国内为主、集中在腾讯云和阿里云两家、广东和浙江占掉近一半——这是一次有预算的机房发起型攻击,不是散装肉鸡。对应的处置就很清楚:先把这两家云的网段在 WAF 里整体加严(云厂商一般可以配合做胁迫下架),再对广东浙江两省外的正常流量保持观察。

四、落地时的几个坑 ​

取真实客户端 IP,别取到 CDN。 站点挂在 CDN 后面时,日志里的行首 IP 是 CDN 回源节点(往往是固定的十几个),照这个聚合出来的图全是错的。要看的是 X-Forwarded-For 里最左边那个、或者你信任的 X-Real-IP——具体取哪个字段,取决于 CDN 厂商和你的回源配置,务必先拿几条真实日志核对。

不要逐行调用。 48 万行日志逐行调接口,按免费版一秒一次的节奏要跑 5 天半,攻击都结束了报告还没出。按独立 IP 去重 + 频次过滤,才是正确姿势。

攻击 IP 天生"地址发散"。 肉鸡来自家宽,归属地会铺满三十个省;代理和 VPN 的 IP 会显示成机房。所以看到"境外 90%"先别急着下结论——很可能是国内的代理池。想区分机房和家宽,免费版只能看 isp 字段,精确判断要用 VIP 版的 ip_type(ISP 家庭 / BUS 企业 / IDC 机房),一眼就能把"像肉鸡 IP 的"和"机房 IP 的"分开统计。

限速和缓存要一起上。 只有缓存没有限速,第一次全量查询照样吃 429;只有限速没有缓存,每次跑报告都从头查一遍,纯浪费额度。上面的脚本把间隔定在 1.05 秒,跑 2000 个 IP 大约 35 分钟——放到夜里定时任务里跑,白天看结果。

攻击日志里也是个人信息。 保留导出报告时要遵守数据最小化:报告里留地域分布和计数就够,不必保留完整 IP 清单;对外发报告前把 IP 做掩码处理(例如 103.75.190.*),这一点和站内那篇《日志里的 IP 属于个人信息,但报表还要按地域统计?》里讲的原则是一回事。

别只统计不落地。 每天跑一次,把"境外占比""Top 3 机房占比"落成两个数字存下来。哪天境外占比从 5% 跳到 60%,你会比监控告警更早发现有人在试探。

总结 ​

定位攻击来源这件事,难点从来不在查 IP,而在怎么在有限额度下把海量 IP 变成一张能看懂的地域分布图。按独立 IP 去重、频次过滤、本地缓存、请求节流,四招下来,几千个 IP 半小时内跑完。归属地用 https://ip9.com.cn/get?ip=<IP> 查(免费版不需要注册,60 次/分钟/IP,IPv4 和 IPv6 都支持,返回国家、省市、运营商、经纬度等字段);要做机房/家宽维度的细分统计,上 VIP 版拿 ip_type 和 ip_asn,额度 18 万次/分钟,攻击高峰也扛得住。额度与计费以官网 https://www.ip9.com.cn 为准。