去年，我们发布了基于机器学习的Nemesida WAF的第一版。 我们尝试了几种选择，并确定了随机森林学习算法。 与签名分析相比，机器学习的主要优点是提高了攻击检测的准确性，并减少了误报的数量。 另一方面，使用机器学习模块需要额外的硬件资源。 为了以最少的硬件资源提供基本的Web应用程序安全性，我们发布了Nemesida WAF Free，这是Nemesida WAF的免费版本，可根据其签名检测攻击。
Nemesida WAF是一个动态模块，用于从1.12开始的Nginx稳定版本，可用于流行的Linux发行版（已在Debian，Ubuntu和CentOS平台上进行了测试）。
创建签名时，我们会使用各种来源以及Nemesida AI模块的工作结果。 通过以下方法，可以最大限度地减少Nemesida WAF Free中的误报次数：
-强调规则的适用领域；
-使用最大的数字签名来指示签名的重要性；
-使用规则链。
这些机制使您可以创建高质量的签名数据库，其中误报的数量将最少。 另外，可以在创建排除规则时应用排除规则，建议尽可能指定错误肯定的发生区域。
检测到的攻击类型：
-注入（RCE，SQLi）；
-XSS；
-RFI \ LFI；
-路径遍历；
-不必要的访问（访问源代码，档案，配置文件和备份）。
功能列表：
-通过签名方法检测攻击；
-通过IP地址自动阻止攻击者；
-使用防病毒软件分析请求；
-在IDS模式下工作的能力；
-将有关攻击的信息输出到日志文件；
-最低硬件要求。
免费版本的主要局限性在于使用Nemesida AI机器学习模块，该模块可以更准确地检测到对Web应用程序的攻击（误报检测）（Nemesida AI模块，包括检测零日攻击的功能），并且误报率最低。 在免费版本中，不包含机器学习模块。
如果您想为您的Web应用程序提供基本保护，那么Nemesida WAF Free将是一个出色的解决方案-易于安装和维护，而对硬件的要求不高。
文档中描述了Nemesida WAF Free的安装过程。 要测试试用版，请使用已安装
Nemesida WAF的 KVM / VMware / Virtualbox虚拟机磁盘。