🛡️ 安全防护长效机制

创建日期: 2026-03-31 目标: 杜绝安全问题和资源危机再次发生

---

📊 问题回顾

近期发生的P0危机

1. 内存危机: 96% 使用率，仅剩1GB可用
2. 磁盘危机: 86% 使用率，VACUUM失败
3. 安全漏洞: 7个高危问题（硬编码密码、CORS错误等）

根本原因

问题	技术根因	管理根因
内存危机	容器无资源限制	缺少监控
磁盘危机	大文件在根分区	缺少容量规划
安全漏洞	开发流程缺失	无安全审查

---

🎯 长效防护机制

1. 自动化安全检查（技术层）

1.1 Pre-commit Hook

# 安装 pre-commit hook
cp .git/hooks/pre-commit.security .git/hooks/pre-commit
chmod +x .git/hooks/pre-commit

检查项: - ✅ 硬编码密码检测 - ✅ 危险CORS配置检测 - ✅ 裸异常处理检测 - ✅ SQL注入风险检测 - ✅ 容器资源限制验证

执行时机: 每次 git commit 前自动运行

1.2 CI/CD 集成

# .github/workflows/security-check.yml
name: Security Check

on: [push, pull_request]

jobs:
  security-scan:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v2
      - name: Run security check
        run: |
          bash scripts/security_check.sh
          exit $?

阻止机制: 检查失败则阻止合并

---

2. 资源监控与告警（运维层）

2.1 实时监控配置

# 已配置的监控任务
*/10 * * * * /home/ai/zhineng-knowledge-system/scripts/emergency_memory_recovery.sh
0 * * * * /home/ai/zhineng-knowledge-system/scripts/monitor_disk.sh
*/30 * * * * /home/ai/zhineng-knowledge-system/scripts/monitor_docker.sh
0 0 * * * /home/ai/zhineng-knowledge-system/scripts/daily_health_check.sh

监控指标: - 内存使用率（阈值: 85%警告, 90%紧急） - 磁盘使用率（阈值: 80%警告, 85%紧急） - 容器资源占用（阈值: 限制的90%） - 僵尸进程数量（阈值: >10个）

2.2 Prometheus 告警规则

# monitoring/prometheus/alerts.yml
groups:
  - name: resource_alerts
    rules:
      - alert: HighMemoryUsage
        expr: (node_memory_MemTotal_bytes - node_memory_MemAvailable_bytes) / node_memory_MemTotal_bytes > 0.85
        for: 5m
        annotations:
          summary: "内存使用率超过85%"

      - alert: CriticalMemoryUsage
        expr: (node_memory_MemTotal_bytes - node_memory_MemAvailable_bytes) / node_memory_MemTotal_bytes > 0.90
        for: 2m
        annotations:
          summary: "内存使用率超过90% - 紧急"

      - alert: HighDiskUsage
        expr: (node_filesystem_size_bytes{mountpoint="/"} - node_filesystem_avail_bytes{mountpoint="/"}) / node_filesystem_size_bytes{mountpoint="/"} > 0.85
        for: 5m
        annotations:
          summary: "根分区使用率超过85%"

---

3. 开发流程规范（管理层）

3.1 代码审查检查清单

安全检查: - [ ] 无硬编码密码/密钥 - [ ] CORS配置使用白名单 - [ ] 异常处理完善（无裸异常） - [ ] 输入验证充分 - [ ] SQL查询使用参数化 - [ ] 敏感信息不记录到日志

资源检查: - [ ] 新服务配置资源限制 - [ ] 内存使用合理（有基准测试） - [ ] 日志文件有轮转配置 - [ ] 临时文件有清理机制

3.2 部署前验证流程

# 1. 运行安全检查
bash scripts/security_check.sh

# 2. 运行测试
pytest tests/ -v --cov=backend

# 3. 检查资源配置
docker-compose config | grep -A 5 "deploy:"
  # 验证所有服务都有资源限制

# 4. 容量评估
bash scripts/create_capacity_baseline.sh
  # 对比当前使用与基线

# 5. 健康检查
bash scripts/health_check.sh

---

4. 容量规划与管理（规划层）

4.1 容量基线

# 创建容量基线
bash scripts/create_capacity_baseline.sh

基线内容: - 各服务资源使用情况 - 数据库大小趋势 - 日志增长速度 - 磁盘空间预测

4.2 容量规划决策树

当前资源使用率:
  ↓
< 60%: 正常运行
  ↓
60-80%: 开始规划扩容
  ↓
80-90%: 立即扩容（P1）
  ↓
> 90%: 紧急扩容（P0）

4.3 扩容流程

1. 评估: 分析资源使用趋势
2. 方案: 硬件扩容 vs 架构优化
3. 测试: 在测试环境验证
4. 执行: 在低峰时段实施
5. 验证: 确认效果
6. 更新: 更新容量基线

---

5. 应急响应机制（应急层）

5.1 P0 事件自动响应

# backend/core/urgency_guard.py
class UrgencyGuard:
    """紧急状态守卫 - 自动拦截非紧急操作"""

    P0_TRIGGERS = {
        "memory_critical": 90,  # 内存使用率 > 90%
        "disk_full": 85,        # 磁盘使用率 > 85%
        "service_down": False,  # 核心服务停止
    }

    def is_p0_emergency(self) -> bool:
        """检查是否处于P0紧急状态"""
        checks = [
            self._check_memory(),
            self._check_disk(),
            self._check_services(),
        ]
        return any(checks)

    def _check_memory(self) -> bool:
        """检查内存使用率"""
        import psutil
        usage = psutil.virtual_memory().percent
        return usage > self.P0_TRIGGERS["memory_critical"]

    def block_non_urgent_actions(self, action: str) -> bool:
        """拦截非紧急操作"""
        if self.is_p0_emergency():
            allowed = ["fix_urgent_issue", "restart_service", "cleanup_cache"]
            if action not in allowed:
                raise P0EmergencyError(
                    f"系统处于P0紧急状态，仅允许紧急操作。当前操作被拒绝: {action}"
                )
                return True
        return False

5.2 自动恢复脚本

# scripts/emergency_memory_recovery.sh
THRESHOLD=85
MEMORY_USAGE=$(free | awk '/^Mem:/ {printf("%.0f", $3/$2*100)}')

if [ "$MEMORY_USAGE" -gt "$THRESHOLD" ]; then
    # 1. 停止非核心容器
    docker stop $(docker ps -q --filter "name=github-recommender")

    # 2. 清理Docker缓存
    docker system prune -f --volumes

    # 3. 清理僵尸进程
    ./scripts/cleanup_zombies.sh

    # 4. 清理系统缓存
    sudo sysctl -w vm.drop_caches=3
fi

---

6. 安全培训与意识（人员层）

6.1 开发者安全培训

必修内容: 1. OWASP Top 10 安全风险 2. 安全编码规范 3. 密码管理最佳实践 4. API安全设计 5. 容器安全配置

培训方式: - 新人入职培训 - 每季度安全讲座 - 安全案例分析

6.2 安全意识提升

定期活动: - 每月安全简报 - 季度安全演习 - 年度安全评估

---

🔄 持续改进机制

1. 定期审查

# 每周资源审查
0 9 * * 1 /home/ai/zhineng-knowledge-system/scripts/weekly_capacity_review.sh

# 每月安全审查
0 9 1 * * /home/ai/zhineng-knowledge-system/scripts/monthly_security_review.sh

# 每季度渗透测试
# 使用专业工具或第三方服务

2. 事件回顾

每次P0事件后: 1. 根因分析（5 Whys） 2. 制定改进措施 3. 更新检查清单 4. 培训相关人员 5. 更新文档

3. 技术债务管理

每季度评估: - 安全漏洞修复进度 - 代码重构计划 - 架构优化建议 - 工具升级计划

---

📋 检查清单总览

开发阶段

• [ ] 代码符合安全规范
• [ ] 通过所有测试
• [ ] 资源使用评估
• [ ] 代码审查通过

提交阶段

• [ ] Pre-commit hook 检查通过
• [ ] 安全扫描无错误
• [ ] 敏感信息未提交

部署阶段

• [ ] 环境变量配置正确
• [ ] 容器资源限制已设置
• [ ] 监控告警已配置
• [ ] 回滚方案已准备

运行阶段

• [ ] 监控指标正常
• [ ] 日志正常输出
• [ ] 资源使用在基线内
• [ ] 无错误日志

---

🎯 成功指标

安全指标

指标	目标	当前
高危漏洞	0	7
硬编码密码	0	1
安全扫描通过率	100%	?
安全培训覆盖率	100%	?

资源指标

指标	目标	当前
内存使用率	< 70%	96%
磁盘使用率	< 70%	38% ✅
容器资源限制覆盖率	100%	100% ✅
P0事件频率	0/年	2/月

流程指标

指标	目标	当前
Pre-commit hook启用率	100%	?
代码审查覆盖率	100%	?
容量规划周期	季度	?

---

📝 实施时间表

第1周（立即执行）

• [x] 修复7个高危安全漏洞
• [x] 添加容器资源限制
• [x] 创建安全检查脚本
• [ ] 安装pre-commit hook
• [ ] 配置监控告警

第2-4周

• [ ] 实施JWT认证
• [ ] 完善日志脱敏
• [ ] 创建容量基线
• [ ] 开发者安全培训

第2-3月

• [ ] 建立CI/CD安全检查
• [ ] 实施自动化测试
• [ ] 完善文档
• [ ] 定期安全演习

---

🚀 立即行动

1. 安装Pre-commit Hook

cp .git/hooks/pre-commit.security .git/hooks/pre-commit
chmod +x .git/hooks/pre-commit

2. 运行安全检查

bash scripts/security_check.sh

3. 配置环境变量

cp .env.example .env
# 编辑 .env 填入真实值

4. 验证监控

crontab -l | grep -E "emergency_memory|monitor_disk"

---

文档版本: 1.0 创建时间: 2026-03-31 下次审查: 每月更新