一家公司在 Amazon EKS 上运行应用程序，并通过 Amazon CloudFront 进行分发。AWS WAF 已启用，并且 WAF 日志被发送到名为 aws-waf-logs 的 CloudWatch Logs 日志组。公司希望仅在被阻止流量突然变化时收到警报，而不是针对其他 WAF 日志变化。WAF 规则将随着时间进行调整。DevOps 工程师已订阅现有的 SNS topic。哪种解决方案满足这些要求？

正确答案利用了 CloudWatch Logs 指标筛选器来精确捕获 WAF 日志中被阻止的请求数量，并将其发布为自定义指标。接着，在这些自定义指标上应用 CloudWatch 异常检测。异常检测是一种机器学习功能，可以学习指标的正常模式，并在偏离这些模式时发出警报。这完美地满足了“仅在被阻止流量突然变化时收到警报”的需求，因为异常检测会自动适应 WAF 规则随时间调整而导致的正常流量模式变化，避免了静态阈值警报的频繁调整问题。当检测到异常时，警报会通知现有的 SNS topic。 其他选项的不足在于： 选项2和4：CloudWatch Logs 异常检测器是针对日志事件的异常模式进行检测，而不是针对特定指标的异常变化。虽然它也能检测异常，但不如直接在“被阻止请求”指标上使用异常检测器精确和高效。 选项3：使用静态阈值警报无法满足“WAF 规则将随着时间进行调整”的需求。当 WAF 规则调整导致正常被阻止流量基线变化时，静态阈值会变得不准确，导致误报或漏报，需要手动频繁调整。