博客
关于我
MySQL 伪审计实现
阅读量:390 次
发布时间:2019-03-05

本文共 1125 字,大约阅读时间需要 3 分钟。

MySQL????????

1. ????

??????MySQL?????????????????????????????????????IP?????????????

2. ????

MySQL?????????????????????????????????????????????????????????????????????????????????

3. ????

??MySQL?init_connect?????????????????SQL???????????????

3.1 ????

  • init_connect ??????????????????SQL????????SQL????????????
  • ???????????SUPER??????init_connect??????????????????????
  • ???????MySQL 5.7.22????????init_connect??????????????????????????????????????????

3.2 ????

  • ??????
    CREATE TABLE `db_audit` (    `id` INT PRIMARY KEY AUTO_INCREMENT,    `username` VARCHAR(50) NOT NULL,    `login_time` DATETIME NOT NULL,    `table_name` VARCHAR(50) NOT NULL,    `operation_type` VARCHAR(50) NOT NULL,    `ip_address` VARCHAR(50) NOT NULL) ENGINE=InnoDB DEFAULT CHARSET=utf8;
  • ????????????MySQL????????????
    [client]init_connect = 'REPLACE INTO `db_audit` (username, login_time, table_name, operation_type, ip_address) VALUES (%s, %s, %s, %s, %s)'
  • ????????????????????????SUPER???????????
  • ??Binlog???????Binlog???????????thread_id???????
  • 4. ??

    ??init_connect?Binlog??????????????????????????????????????Binlog????????????????????????????????????

    转载地址:http://purwz.baihongyu.com/

    你可能感兴趣的文章
    pandas :加入有条件的数据框
    查看>>
    pandas :将多列汇总为一列,没有最后一列
    查看>>
    pandas :将时间戳转换为 datetime.date
    查看>>
    pandas :将行取消堆叠到新列中
    查看>>
    pandas DataFrame 中的自定义浮点格式
    查看>>
    Pandas DataFrame 的 describe()方法详解-ChatGPT4o作答
    查看>>
    Pandas DataFrame中删除列级的方法链接解决方案
    查看>>
    Pandas DataFrame中的列从浮点数输出到货币(负值)
    查看>>
    Pandas DataFrame中的列从浮点数输出到货币(负值)
    查看>>
    pandas DataFrame的一些操作
    查看>>
    Pandas Dataframe的日志文件
    查看>>
    pandas GROUPBY+变换和多列
    查看>>
    pandas Groupby:创建两列的Groupby时,如何按正确的顺序对工作日进行排序?
    查看>>
    Pandas matplotlib 无法显示中文
    查看>>
    pandas PIVOT_TABLE保持索引
    查看>>
    Pandas Plots:周末的单独颜色,x 轴上漂亮的打印时间
    查看>>
    pandas to_latex() 转义数学模式
    查看>>
    Pandas 中文官档 ~ 基础用法4
    查看>>
    Pandas 中的多索引旋转
    查看>>
    Pandas 中的日期范围
    查看>>