基于AWS GWLB实现安全检测的线性扩展

这篇具有很好参考价值的文章主要介绍了基于AWS GWLB实现安全检测的线性扩展。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、概述

AWS中国区发布AWS 网关负载均衡服务,本文档在AWS 宁夏区完成验证网关负载均衡服务集成FortiGate扩展安全检查性能应用实践。

AWS中运行着关键应用程序,FortiGate安全网关对进出AWS环境的流量进行安全检查,单个虚拟实例或主备冗余虚拟实例处理能力有限,容易成为网络性能瓶颈。

AWS 网关负载均衡(GWLB)为AWS提供的托管型4层负载均衡服务,AWS网关负载均衡将互联网IGW流量或虚拟私有网关VGW流量负载分担到多个安全网关,扩展互联网出口和VPC互连网络安全处理性能,并且保障FortiGate安全网关的容错能力和扩展性。

二、AWS 网关负载均衡工作原理

AWS GWLB常用于两种场景,IGW互联出口南北向流量安全检查 和  VPC间东西向安全流量检查。无论是哪种应用场景,通过修改VPC路由表路由条目,调整数据转发路径,使需要安全检查的子网流量下一跳指向GWLB,从而使流量穿过安全网关进行安全检查或安全控制。GWLB和Fortigate安全网关之间的流量使用GENEVE协议封装,数据端口UDP 6081。

基于AWS GWLB实现安全检测的线性扩展

GWLB部件:

  1. Customer VPC:应用程序所在VPC
  2. GWLB endpoint: 放置在custmer VPC的一块虚拟网卡,作为路由下一跳,需要冗余在每个AZ有一个GWLB endpoint。
  3. Ingress router: 绑定IGW的Internet入口路由表
  4. GWLB:放置在安全区的4层负载均衡服务,每个可用区会创一个网关并且获得一个地址,用于与Fortigate建立GENEVE 隧道。
  5. GWLB private link: Customer VPC和 Security VPC间不需要VPC peer,  GWLB endpoint 通过GWLB private link连接到GWLB负载均衡

入向流量转发流程(红色路径):

  1. 入口流量进入IGW ingress 路由表
  2. Ingress 路由表把业务服务器网关路由下一跳指向GWLB  endpoint虚拟网卡
  3. GWLB endpoint转发数据到GWLB, GWLB 把流量负载到fortigate,fortigate把流量回送到GWLB.
  4. GWLB 把数据回送到GWLB endpoint, GWLB endpoint转发数据到应用实例。

出向流量转发流程(蓝色路径):

  1. 应用实例路由表下一跳GWLB endpoint。
  2. GWLB endpoint转发数据到GWLB, GWLB 把流量负载到fortigate,fortigate把流量回送到GWLB,GWLB 把数据回送到GWLB endpoint。
  3. GWLB endpoint 转发到IGW
  4. IGW把出向流量转发出互联网

三、FortiGate集成GWLB 测试

         本测试为手动配置操作步骤,可通过AWS命令行或CloudFormation  快速部署,防火墙扩容可结合弹性扩容服务自动扩展GWLB 负载目标。

基于AWS GWLB实现安全检测的线性扩展

                                 ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        (测试拓朴)

VPC配置

  1. 创建两个VPC

App-vpc               10.0.0.0/16

SEC-VPC                10.1.0.0/16

基于AWS GWLB实现安全检测的线性扩展

  1. 创建子网

APP-VPC 4个子网

sub1-z1-gwlb

10.0.1.0/24

可用区1 GWLB endpoint 子网文章来源地址https://www.toymoban.com/news/detail-454492.html

到了这里,关于基于AWS GWLB实现安全检测的线性扩展的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 搭建基于SornaQube的自动化安全代码检测平台

    近年来,随着新业务、新技术的快速发展,应用软件安全缺陷层出不穷。虽然一般情况下,开发者基本都会有单元测试、每日构建、功能测试等环节来保证应用的可用性。但在安全缺陷方面,缺乏安全意识、技能和工具,最终导致了安全缺陷的出现。 对于软件开发安全意识和

    2024年01月21日
    浏览(54)
  • 毕业设计:基于聚类算法的网站内容安全检测系统

    目录 前言 项目背景 设计思路 2.1 支持向量机 2.2 聚类算法 模型训练 更多帮助     📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求的毕设项目越来越难,有不少课题是研究生级

    2024年02月21日
    浏览(38)
  • 【AI安全研究】构建基于AI技术的安全检测与防范平台:以Java技术为例

    作者:禅与计算机程序设计艺术 【AI安全研究】构建基于AI技术的安全检测与防范平台:以Java技术为例 引言 1.1. 背景介绍 随着人工智能技术的快速发展,各种网络安全问题日益严峻。为了应对这些威胁,构建基于人工智能的安全检测与防范平台成为了重要的研究方向。 1.2

    2024年02月16日
    浏览(44)
  • 深度学习之基于yolov8的安全帽检测系统

    欢迎大家点赞、收藏、关注、评论啦 ,由于篇幅有限,只展示了部分核心代码。    在企业作业和工地施工过程中,安全永远高于一切。众所周知,工人在进入工作现场必须佩戴安全帽,传统的检查方法主要靠安全检查人员人工查看,这种方法既耗时又费力却无法保证效果

    2024年02月08日
    浏览(45)
  • 基于遗传算法的智能家居安全系统:如何检测和响应恶意攻击?

    作者:禅与计算机程序设计艺术 1.1. 背景介绍 随着物联网技术的发展,智能家居安全问题日益凸显。智能家居系统由多个模块组成,包括传感器、控制中心、执行器等。这些模块的协同工作使得人们生活更加便捷,但也为攻击者提供了可乘之机。为了提高智能家居系统的安全

    2024年02月07日
    浏览(47)
  • 基于YOLOv8的摄像头下铁路工人安全作业检测(工人、反光背心和安全帽)系统

    💡💡💡 本文摘要:基于YOLOv8的铁路工人安全作业检测系统,属于小目标检测范畴,并阐述了整个数据制作和训练可视化过程,   博主简介 AI小怪兽,YOLO骨灰级玩家,1)YOLOv5、v7、v8优化创新,轻松涨点和模型轻量化;2)目标检测、语义分割、OCR、分类等技术孵化,赋能智

    2024年04月11日
    浏览(106)
  • 蚂蚁集团发布AI安全检测平台“蚁鉴2.0”,可实现用生成式能力检测生成式模型

    7月 7日, 2023世界人工智能大会( WAIC ) “ 聚焦·大模型时代AIGC新浪潮 — 可信 AI ”论坛 举行, 蚂蚁集团 联合清华大学 发布 AI安全检测平台“蚁鉴2.0”。 蚁鉴 2.0 可实现用生成式 AI能力检测生成式AI模型,可 识别 数据安全、内容安全、科技伦理三大类的数百种风险, 覆盖

    2024年02月15日
    浏览(43)
  • 基于深度学习的安全帽识别检测系统(python OpenCV yolov5)

    收藏和点赞,您的关注是我创作的动力    基于深度学习算法,以PaddlePaddle深度学习框架作为实验环境,选取了开源的安全帽识别数据库和实地拍摄的安全帽佩戴照片,使用样本扩增增加了实验数据集的样本数,选取了Faster R-CNN、SSD与YOLO v3三种深度神经网络模型,构建出安

    2024年02月08日
    浏览(41)
  • 基于深度学习的安全帽检测系统(YOLOv5清新界面版,Python代码)

    摘要:安全帽检测系统用于自动化监测安全帽佩戴情况,在需要佩戴安全帽的场合自动安全提醒,实现图片、视频和摄像头等多种形式监测。在介绍算法原理的同时,给出 P y t h o n 的实现代码、训练数据集,以及 P y Q t 的UI界面。安全帽检测系统主要用于自动化监测安全帽佩

    2023年04月08日
    浏览(56)
  • 基于深度学习的高精度工人安全帽检测识别系统(PyTorch+Pyside6+YOLOv5模型)

    摘要:基于深度学习的高精度工人安全帽检测识别系统可用于日常生活中或野外来检测与定位工人安全帽目标,利用深度学习算法可实现图片、视频、摄像头等方式的工人安全帽目标检测识别,另外支持结果可视化与图片或视频检测结果的导出。本系统采用YOLOv5目标检测模型

    2024年02月12日
    浏览(71)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包