UUSEC WAF：工业级 AI 驱动的 Web 应用防火墙

图1：UUSEC WAF 管理控制台界面

凌晨三点，某电商平台 CTO 收到告警——黑客正在利用一个刚披露的 Apache Struts2 0-day 漏洞扫描全网。这个漏洞官方补丁还没发布，传统 WAF 的规则库更是完全空白。

这就是 Web 安全领域的永恒痛点：规则永远滞后于漏洞。ModSecurity 这样的开源 WAF 鼻祖，需要安全研究员手工编写正则规则，0-day 来了只能等。作为防守方，你永远比攻击者慢半拍。

UUSEC WAF 试图打破这个困局。它来自深圳一家名为 UUSEC 的安全公司，GitHub 累计获得 1660 颗星、165 次 fork，集成了 AI 语义分析、机器学习异常检测和传统规则引擎，试图用"智能"替代"规则"，实现真正的主动防御。

一、项目背景与作者故事

UUSEC WAF 由安全研究人员 Safe3（GitHub ID: Safe3）主导开发和维护，项目创建于 2022 年 9 月。虽然项目本身是开源的，但背后有商业公司 UUSEC Technology 提供持续迭代支持——开源版本提供核心防护能力，Pro 商业版则包含更高级的 AI 检测模型和威胁情报。

Safe3 是国内 Web 安全圈子里的老面孔，此前还开源过 OpenResty Manager 等工具。UUSEC WAF 的设计目标很明确：做一个免费、零规则维护、AI 驱动的企业级 WAF，让中小网站也能用上过去只有大公司才负担得起的智能防护。

二、核心技术原理

2.1 三层防护体系

UUSEC WAF 实现了业界少有的三层防护架构，覆盖从流量入口到应用运行时的完整链路：

第一层：流量层（nginx/OpenResty 反向代理）

最外层基于 OpenResty（nginx + LuaJIT）构建反向代理，所有 HTTP/HTTPS 流量必须经过 WAF 节点。LuaJIT 提供了高性能的规则执行环境，相比 ModSecurity 的纯正则引擎，同等硬件下吞吐量提升明显。这一层主要执行协议验证、IP 黑白名单、速率限制（Anti-CC）和初步的 SQLi/XSS 语义检测。

第二层：系统层（HIPS 主机入侵防御）

通过 geo-ip-firewall 组件实现主机层面的主动防御，可在系统内核级限制进程网络通信、进程创建、文件读写、权限提升等行为。即便是成功穿透流量层的高级攻击，HIPS 也能在系统层面进行兜底拦截。

第三层：运行时层（RASP 运行时自防御）

RASP（Runtime Application Self-Protection）模块通过插桩 Java JVM 和 PHP Zend 引擎，追踪运行时上下文，在应用层直接识别和阻断攻击。相比传统 WAF 只能看 HTTP 请求，RASP 能感知应用内部的真实执行逻辑，即使攻击载荷被加密或混淆，也难以逃逸。

2.2 AI 驱动的智能 0-day 防御

这是 UUSEC WAF 与传统 WAF 最大的差异点。项目采用机器学习异常检测算法，通过无监督学习建立正常流量画像——参数类型、请求频率、响应模式等——转换为参数白名单规则库。面对 0-day 攻击时，无需任何人工介入，模型可以直接识别偏离正常模式的异常请求。

官方的对比测试数据相当有说服力：在 33669 个测试样本中，ModSecurity 免费版检测率仅 69.74%，误报率高达 17.58%；UUSEC WAF 免费版检测率达到 74.77%，误报率仅 0.09%；而 Pro 商业版检测率高达 98.97%，误报率更是低至 0.01%。

2.3 语义分析引擎

传统 WAF 的正则匹配有一个致命缺陷：攻击者可以通过编码、混淆、大小写变换轻松绕过。UUSEC WAF 内置四个行业领先的语义分析检测引擎，分别针对 SQL 注入、XSS、命令执行（RCE）和本地文件包含（LFI），配合多层级深度解码（Base64、JSON、Form Data 等），能够真正还原攻击意图后再做判断。

2.4 Lua 插件扩展生态

项目提供了 Lua 插件编写接口，安全管理员可以用 Lua 脚本编写自定义规则，扩展 WAF 的防护能力。内置插件包括：

• anti-cc.lua：抗 CC 攻击插件
• basic-auth.lua：HTTP Basic 认证插件
• ip-intelligence.lua：IP 威胁情报插件
• kafka-logger.lua：Kafka 日志对接插件

图2：规则管理和配置界面

三、架构设计与技术栈

从代码仓库结构可以看出项目的整体架构：

uusec-waf/
├── docker/               # 容器化部署配置
│   ├── docker-compose.yml  # WAF + MySQL 容器编排
│   ├── manager.sh           # 启停管理脚本
│   └── install-docker.sh    # Docker 自动安装
├── rules/                # 防护规则库
│   └── anti-cc.lua          # Lua CC 防护规则
├── plugins/              # Lua 插件生态
│   ├── basic-auth.lua
│   ├── ip-intelligence.lua
│   └── kafka-logger.lua
├── rasp/                 # RASP 运行时防护
│   └── php/                 # PHP 插桩模块
├── geo-ip-firewall/     # HIPS 系统层防护
│   ├── gif (amd64)
│   └── gif-arm64
└── docs/                 # 文档和图片资源

核心依赖：Docker CE 20.10.14+ / Docker Compose 2.0.0 / MySQL 5.7 / OpenResty（运行在 WAF Docker 镜像内部）。

项目主要语言标注为 Shell，但实际上真正的核心逻辑运行在 OpenResty 容器镜像 uusec/waf:latest 中（Dockerfile 未开源），Shell 脚本负责容器生命周期管理和环境初始化。真正的规则引擎（WAF 核心）以闭源二进制形式存在于 Docker 镜像内。

四、部署体验

部署过程极为简单，一条命令即可完成：

sudo bash -c "$(curl -fsSL https://waf.uusec.com/installer.sh)"

安装脚本会自动检测并安装 Docker，然后拉取 WAF 镜像。部署完成后，访问 https://IP:4443 进入管理后台，默认账号 admin / #Passw0rd。

架构上采用云 WAF 反向代理模式——网站真实服务器隐藏在 WAF 节点之后，访问者看到的是 WAF 的 IP，所有流量经过 WAF 清洗后再转发到真实后端。这种模式的优势是对网站本身零改造，但需要将域名的 DNS A 记录指向 WAF 服务器 IP。

部署最小配置要求极低：1GB 内存、5GB 磁盘，不需要 GPU。docker-compose.yml 中定义了 WAF 容器和 MySQL 5.7 容器的编排，通过自定义 bridge 网络（172.31.254.0/24）通信，MySQL 监听在 6612 端口。

五、功能亮点与局限性

亮点

1. 零规则维护的 0-day 防护：机器学习自动建立白名单，0-day 来了不用熬夜升级规则库，这在免费 WAF 中几乎是独一份的能力。
2. 极低误报率：0.09% 的误报率远低于 ModSecurity，对于需要对外提供服务的网站尤为重要。
3. 三层防护闭环：流量层 + 系统层 + 运行时层形成立体防护，单一层被突破还有下一层兜底。
4. 一键部署 + Web 管理界面：非安全专业人员也能快速上手，规则发布即时生效无需重启。
5. 支持 Let's Encrypt 自动证书：可自动申请和续期 SSL 证书，降低运维成本。

局限性

1. 核心检测引擎闭源：虽然项目开源，但真正的 WAF 规则引擎和 AI 检测模型封装在 Docker 镜像内部，用户无法自行修改或扩展核心检测逻辑，只能通过 Lua 脚本做表层定制。
2. 架构限制：反向代理模式要求 DNS 变更，对于某些不便修改 DNS 的场景（如已有 CDN 接入）不太友好。
3. 仅支持 Linux x86_64：ARM64 架构支持仅限 geo-ip-firewall 组件，WAF 主镜像未提供 ARM 版本。
4. 商业化压力：Pro 版与免费版差距明显（检测率 98.97% vs 74.77%），免费版的核心 AI 能力可能有所保留。

六、行业意义

UUSEC WAF 代表了一个重要趋势：用 AI/ML 重新定义 Web 安全边界。传统 WAF 的核心瓶颈在于规则维护的人力成本和规则滞后性，而 ML 模型可以在无需人工干预的情况下持续适应流量变化。

从市场角度看，WAF 赛道长期被 Cloudflare、Imperva 等商业产品主导，中小网站要么负担高昂订阅费，要么用规则落后、误报率高的免费方案。UUSEC WAF 的出现，为这一群体提供了介于两者之间的选项——免费、相对智能、部署简单。

截至 2026 年 6 月，项目持续活跃更新，最近一次提交在 6 月 10 日，社区有 82 个 open issues 和多个活跃讨论。随着 AI 安全需求的持续增长，这类产品的市场空间值得关注。