AST 语义分析引擎
CheeseWAF 的核心检测器采用抽象语法树（AST）语法分析架构，而非传统的静态正则表达式堆叠。入站请求首先经过 URL 编码、Unicode、十六进制及嵌套 Base64 等多层递归解码，随后构建特定语言的语法树，精准识别载荷的语义意图。
经过基于 多套权威工业级实网语料库与独立标注保真度分类器（Corpus Fidelity Classifier）的大规模评测与缺口修复，语义引擎的标注可信检出率（TPR）已提升至 97.08%。
语义引擎开关配置
在站点配置项 sites[].waf.semantic_engines 中，可按业务技术栈独立启用或关闭专项分析引擎：
| 引擎标识 | 目标攻击类型与深度检测能力说明 |
|---|---|
sql | SQL 注入：主流 SQL 方言语法树构建；内置 XPath 注入解析器；重量级时间盲注（笛卡尔积、generate_series）识别；注释空格截断防御 |
xss | 跨站脚本：HTML/SVG 标签闭合；全字符离散混淆协议检测（无死角识别如 j a v a s c r i p t:、CDATA 与 HTML 注释离散穿插）；混淆 javascript: 伪协议拼接识别；dynsrc/lowsrc 属性探针；JS 字符串逃逸；畸形事件处理器属性防护 |
rce | 命令与代码执行：系统命令表对齐（覆盖 id、ls、echo、netstat、lsof 等）；换行命令链；绝对路径 Basename 自动提取匹配；; + 系统调用组合检测 |
lfi | 文件包含与目录遍历：POSIX 与 Windows 绝对路径识别（智能排除 Program Files 等合法路径防误报）；超长 UTF-8 折叠展开；SSI 服务器包含指令（<!--#exec）识别 |
nosql | NoSQL 数据库注入：支持请求头深度分析（如 X-User-Filter）；MongoDB Shell 语法逃逸；注入型操作符与合法过滤型操作符隔离分析 |
ssti | 服务端模板注入：Jinja2、Twig 等主流语法树识别；引号操作数探针；整值模板表达式智能绕过字段名门限分析 |
ssrf | 服务端请求伪造：入站 URL 参数协议检测；整请求体为 URL 时自动识别为 Fetch Sink 并触发防护 |
xxe | XML 外部实体注入：DOCTYPE 实体声明、SYSTEM/PUBLIC 外部资源引用与参数实体攻击拦截 |
webshell | Webshell 与恶意脚本：结合 PHP 执行原语分析与 香农信息熵（Shannon Entropy $\ge$ 5.2） 测算，精准识别长 Base64 与多层加密变形一句话木马，有效避免长重复字符、JWT 凭据及前端压缩源码误报 |
建议在生产环境中保持核心引擎全量开启。若明确业务无对应技术栈（例如纯静态网站无需 SQL 引擎），可关闭特定引擎以进一步减少单次请求的 CPU 耗时。
性能保障与低时延设计
为了在具备深层语法分析能力的同时保持微秒级的极低延迟，引擎实现了以下优化机制：
- 廉价子串门限前置（Substring Pre-Filters）：在执行复杂的语法树解析或高成本正则前，先通过常数时间（O(1) 或 O(n)）的廉价特征子串门限进行初筛，无潜在风险的正常业务参数在微秒级直接跳过。
- 并发 Worker 池与请求上下文隔离：多个语义分析器在 Phase 2 阶段通过并发 Worker 协程池执行，检测上下文互不干扰，并在结束时按照优先级确定性合并结果。
- 100ms 硬超时防线：若遭遇超大畸形请求体导致计算耗尽，流水线将根据
budget_exhausted_policy触发安全兜底，绝不拖垮宿主机。
分析预算与白名单控制
通过 sites[].waf.semantic_policy 可对分析耗时与特殊业务路径进行细粒度调控：
budget_exhausted_policy：单次请求语法解析预算耗尽时的兜底策略。可选auto（默认，遵循 web_attack 策略等级）、open（放行可用优先）、observe（仅记录观察）或closed（挑战/严格拦截）。path_allowlist：路径白名单列表，匹配到的 URI 路径将直接跳过语义检测。param_allowlist：参数白名单列表，匹配到的特定参数名不执行语法分析。
迁移说明： 规范配置路径为 sites[].waf.semantic_policy.budget_exhausted_policy。旧版本若将该字段放在其他非规范路径，当前版本不会读取，请手动移动到每个站点的 waf.semantic_policy 下。迁移旧枚举时，将 pass 映射为 open，将 block 或 challenge 映射为 closed（当前 closed 在分析无法完成时优先挑战）。留空或设置为 auto 时，实际策略会根据站点 web_attack 等级推导。
在 sites[].waf.performance 中可进一步限制 max_body_bytes（请求体最大分析字节数，默认 8MB）、max_header_bytes 及 proxy_timeout。
出站响应检测（敏感数据防泄露）
sites[].waf.response 支持对后端源站返回的响应体进行出站扫描，防止敏感凭据泄漏：
- 检测范围：支持识别 AWS Access Key、常见账号密码泄露模式及站点自定义敏感模式（注意：站点自定义
sensitive_patterns将覆盖系统默认规则，默认配置下 PEM 私钥扫描未激活，可在sensitive_patterns中按需配置启用）。 - 性能建议：对于大文件下载或视频流业务，建议结合路径规则将响应检测限制在 JSON/HTML 接口范围，并合理设置
max_body_bytes。
关于独立攻击与嵌入长文本攻击的判定逻辑，请参考 独立特征与夹杂特征。