# 多引擎杀毒扫描（十一）

- URL: https://wuming.si/blog/4019/
- Author: Wuming
- Published: 2025-04-01
- Language: zh-Hans
- Categories: Technology

> 上一篇：[动态沙箱](https://wuming.si/blog/4018) · 下一篇：[管理平台](https://wuming.si/blog/4020)

上一篇的沙箱在“预分析”阶段会先让文件过一遍杀毒引擎。这一篇就专门讲这一层：**为什么要用多个引擎、怎么把它们组织起来、结果怎么合并、病毒库怎么保持新鲜**。

在流水线里，多引擎杀毒是一个被调用的服务。DPI 引擎从流量里还原出的文件、沙箱接到的样本，都会送到这里扫一遍。它本身不看流量，只回答一个问题：这个文件，各家引擎怎么看？

## 为什么不用一个引擎就够了

任何一个杀毒引擎都有盲区。各家的特征库来源不同，对同一个新变种，可能有的已经覆盖、有的还没跟上；启发式规则的激进程度也不同，有的漏报多，有的误报多。

把几个引擎并联起来，有两个直接好处：

- **降低漏报**：一个引擎没认出来，另一个可能认出来；
- **提供置信度**：“5 个里 4 个报毒”和“5 个里 1 个报毒”是完全不同的信号，后者往往值得进一步进沙箱确认。

代价也很明显：资源占用翻倍、运维对象翻倍、每个引擎都有自己的安装方式、更新方式和故障模式。整个系统的设计，大部分其实是在管理这些代价。

我们的组合是**几个商业引擎加上开源的 ClamAV**。

## 架构：统一编排，各自为政

```
            待扫描文件
                │
                ▼
        ┌───────────────┐
        │  扫描编排层     │  (被沙箱 / 文件还原流程调用)
        └───────┬───────┘
     ┌────────┬─┴──────┬────────┐
     ▼        ▼        ▼        ▼
  引擎 A    引擎 B   ClamAV   引擎 N     各自守护进程 + 各自特征库
     │        │        │        │
     └────────┴───┬────┴────────┘
                  ▼
        ┌───────────────┐
        │   结果归一化    │  统一成 {engine, detected, name}
        └───────┬───────┘
                ▼
        ┌───────────────┐
        │   结果融合      │  计数 / 投票 / 任一命中
        └───────────────┘
```

这里有一个关键思路：**每个引擎都当成一个黑盒**。它们有的是常驻守护进程，通过本地 socket 接收扫描请求（比如 ClamAV 的 `clamd`，配 `clamdscan` 客户端，比每次冷启动 `clamscan` 快很多）；有的是命令行扫描器，每次调用一次。编排层不关心内部，只给每个引擎写一个薄薄的适配器：

```python
# 示意：每个引擎一个适配器，输出统一结构
class EngineAdapter:
    name = "base"
    def scan(self, path) -> dict:
        raise NotImplementedError

class ClamAVAdapter(EngineAdapter):
    name = "clamav"
    def scan(self, path):
        out = run(["clamdscan", "--no-summary", path], timeout=30)
        # 输出形如 "/path: Eicar-Signature FOUND"
        hit = out.strip().endswith("FOUND")
        sig = out.split(": ", 1)[1].rsplit(" ", 1)[0] if hit else None
        return {"engine": self.name, "detected": hit, "name": sig}
```

适配器负责三件事：调用、超时、解析输出。所有引擎的输出最后都变成同一个结构，后面的融合逻辑就和具体引擎完全解耦了。增加或下线一个引擎，只是加减一个适配器。

## 结果融合

归一化之后，融合就是策略问题。常见几种：

| 策略 | 规则 | 适合场景 |
|---|---|---|
| 任一命中 | 只要有一个引擎报毒就算恶意 | 宁可错杀，比如邮件网关 |
| 阈值计数 | 报毒引擎数 ≥ N 才判恶意 | 平衡误报和漏报 |
| 多数投票 | 超过半数报毒 | 偏保守，误报最少 |
| 加权 | 不同引擎不同权重 | 有历史准确率数据时 |

我们的做法是：**对外输出原始计数和各引擎的检出名，判定策略可配**。默认采用阈值计数——达到阈值直接判恶意，低于阈值但非零的标为“可疑”，交给沙箱和关联引擎进一步处理。

```python
# 示意：融合结果
def fuse(results, threshold=2):
    hits = [r for r in results if r["detected"]]
    return {
        "detect_count": len(hits),
        "total": len(results),
        "names": sorted({r["name"] for r in hits}),
        "verdict": "malicious" if len(hits) >= threshold
                   else "suspicious" if hits else "clean",
    }
```

还有两个细节：

- **检出名不统一**。同一个木马，各家命名五花八门。我们不尝试做精确映射，而是保留原名列表，再用一些简单的关键词（Trojan、Ransom、Backdoor 等）粗分类，供界面展示和统计使用。
- **超时和失败不能当作“干净”**。某个引擎超时或者崩了，结果应标为“未知”，分母也要相应调整，否则“0/5”实际上可能是“0/3 + 2 个没跑”。

## 病毒库更新：集中镜像 + 本地替换

多引擎最麻烦的是更新。每家的特征库格式、目录结构、加载方式都不一样，而且很多部署环境**不允许直接连互联网**。

我们的方案是**集中镜像**：内网里有一台更新服务器，按引擎分目录存放最新的特征库；每台设备上的定时任务在业务低峰期（比如凌晨）用 rsync 拉取，然后逐个引擎替换。

```
   更新镜像服务器
   └── 按引擎分目录存放特征库
            │ rsync（定时，凌晨低峰）
            ▼
   ┌──────────────────────────────┐
   │ 对每个引擎：                   │
   │  1. 下载到临时目录             │
   │  2. 备份当前特征库             │
   │  3. 替换为新特征库并修正属主    │
   │  4. 按需重启或热加载           │
   └──────────────────────────────┘
```

几个设计要点：

- **先探测连通性**。连不上镜像就直接退出，不要把现有特征库动坏了。
- **先备份再替换**。新特征库如果有问题，可以退回上一版。
- **每个引擎独立成败**。一个引擎更新失败只记日志，不影响其他引擎。
- **重启策略因引擎而异**。有的引擎替换完文件会自动加载；有的必须重启守护进程才能生效；ClamAV 的 `clamd` 支持重新加载数据库。这些差异全部封装在更新脚本里。
- **文件属主**。很多引擎以专用低权限用户运行，替换后的文件必须改回正确的属主，否则守护进程读不了库——这是我们踩过最多次的坑之一。

```bash
# 示意：单个引擎的更新步骤
update_engine() {
  local name=$1 dst=$2 owner=$3
  tmp=$(mktemp -d)
  rsync -a "$MIRROR/$name/" "$tmp/" || { log "$name: fetch failed"; return 1; }
  mv "$dst" "$dst.bak.$(date +%F)"
  mv "$tmp" "$dst" && chown -R "$owner" "$dst"
  reload_or_restart "$name"
}
```

## 健康检查与自愈

引擎是常驻进程，就会挂。我们用 Monit 给每个引擎配一个检查脚本，做两层判断：

1. 服务管理器（systemd）认为它在运行吗？
2. 进程真的在吗？（服务状态和实际进程不一致的情况并不罕见）

任何一层失败就重启，并返回非零状态让 Monit 发出告警。

```bash
# 示意：一个引擎的健康检查
systemctl is-active --quiet "$SVC" || { systemctl restart "$SVC"; exit 1; }
pgrep -f "$PROC_PATTERN" >/dev/null   || { systemctl restart "$SVC"; exit 2; }
exit 0
```

Monit 的更多细节放在第 15 篇。

## 踩坑与取舍

- **CPU 和内存**。几个引擎同时常驻，内存占用相当可观；大文件扫描时 CPU 也会冲高。我们给 ClamAV 限制了线程数、最大文件大小和递归深度；超大文件直接跳过并标记，而不是让扫描拖住整个流程。
- **SELinux**。在开启 SELinux 的系统上，杀毒进程默认可能无权读取任意文件，需要打开相应的策略布尔值。
- **白名单与排除**。每个引擎都有自己的排除配置方式。为了降低误报，常见的已知良性文件要在各引擎里分别配置——这又是一处“N 倍运维”。
- **商业引擎的生命周期**。商业引擎各有自己的版本节奏和安装方式，升级前后需要专门的检查脚本。这类事务性工作很容易被低估。
- **“全部干净”不等于安全**。杀毒引擎本质上是已知特征匹配，对全新样本无能为力。所以多引擎的结果只是评分的一部分，最终要和沙箱行为、情报命中一起判断。

## 小结

多引擎杀毒的核心是：**用适配器把异构引擎统一成同一种输出，用可配置的融合策略把“几个意见”变成一个判定，用集中镜像加逐引擎替换解决离线环境下的更新问题，再用 Monit 兜底保证引擎一直活着**。真正的难点不在扫描本身，而在于把 N 个各不相同的东西长期稳定地运维下去。

到这里，检测层就基本讲完了。下一篇换到用户这一侧：管理平台是怎么用 Django、Celery 和一个 Java 服务搭起来的，以及中英文国际化是怎么做的。

## 全系列

1. [全景：一套网络威胁检测平台](https://wuming.si/blog/4009)
2. [万兆流量采集](https://wuming.si/blog/4010)
3. [Suricata 深度包检测与规则管理](https://wuming.si/blog/4011)
4. [Zeek 协议分析](https://wuming.si/blog/4012)
5. [Flume + Esper 事件管道](https://wuming.si/blog/4013)
6. [威胁情报匹配与知识库](https://wuming.si/blog/4014)
7. [规则驱动的异常检测](https://wuming.si/blog/4015)
8. [机器学习检测](https://wuming.si/blog/4016)
9. [告警关联、降噪与聚合](https://wuming.si/blog/4017)
10. [动态沙箱](https://wuming.si/blog/4018)
11. [多引擎杀毒](https://wuming.si/blog/4019)
12. [管理平台](https://wuming.si/blog/4020)
13. [轻量级探针](https://wuming.si/blog/4021)
14. [部署、版本与升级回滚](https://wuming.si/blog/4022)
15. [运维监控与自愈](https://wuming.si/blog/4023)

---

*本系列是个人技术学习与架构研究笔记，内容已做抽象和脱敏处理，不对应任何具体商业产品，不包含任何组织的内部配置或数据。*
