MFA не отвечает: как мы строили отказоустойчивый облачный сервис аутентификации
Сентябрь, 2026
Инженер по информационной безопасности облачного провайдера Nubes Николай Киселев рассказывает, как и зачем компания делала отказоустойчивым свой сервис многофакторной аутентификации — и почему доступность MFA является не только эксплуатационной, но и полноценной бизнес-задачей.
Почему доступность MFA критична для бизнеса
Заголовок раздела «Почему доступность MFA критична для бизнеса»В норме пользователь вводит логин с паролем, а защищаемая система обращается к сервису MFA за подтверждением второго фактора: принять запрос, обработать, вернуть ответ. Обмен нарушен — система не может убедиться в прохождении второго фактора, и сотрудники не авторизуются. Типовой сценарий: утром работники подключаются через VPN, данные верные, но шлюз не получил ответ от MFA, запрос упёрся в тайм-аут, подключение отклонено. Пользователь видит “ошибку входа”; когда то же самое происходит у десятков и сотен людей, инцидент перестаёт быть локальным — люди не добираются до внутренних систем, удалённых рабочих столов и корпоративных приложений. Установленные сессии продолжают работать, новые — нет, поэтому масштаб аварии растёт постепенно и не сразу очевиден.
Параллельно поддержке и администраторам нужно найти источник: VPN-шлюз, каталог, сеть, агент интеграции или сам MFA. Пока идёт диагностика, время теряют целые подразделения. Короткий простой вспомогательного компонента бьёт по доступности сразу нескольких бизнес-систем.
Хуже всего, если отказ MFA совпал с другим инфраструктурным инцидентом: чтобы устранять аварию, инженерам нужен привилегированный доступ к консоли управления, виртуализации, административному интерфейсу — защищённый тем же вторым фактором. Без заранее подготовленных аварийных учёток и процедуры обхода выбор плох: ждать восстановления или в спешке отключать второй фактор. И именно тогда о MFA вспоминают чаще всего — не когда он остановил вход с украденным паролем, а когда всё сломалось и бизнес теряет деньги на простое.
Nubes проектировала сервис так, чтобы доступность была одним из свойств безопасности: не “запустим сервер и настроим бэкапы”, а резервирование самих сервисов, базы и сетевых компонентов плюс контроль их состояния и план действий при недоступности целой площадки.
Сначала отказоустойчивая инфраструктура
Заголовок раздела «Сначала отказоустойчивая инфраструктура»В основе решения MFASOFT — агентская модель с двумя контурами. Secure Authentication Server (SAS) размещается в облаке Nubes: хранит политики MFA, сведения о пользователях и аутентификаторах, принимает решения по второму фактору. Агентские компоненты ставятся у заказчика: встраивают MFA в точки входа и переводят запросы в формат SAS — через шлюз FreeRADIUS + агент FRA в Docker для RADIUS, плагины для ADFS и Keycloak либо прямой вызов Web API (SAS возвращает JSON с Auth, Details и Time). Внутри контура заказчика сохраняется привычный протокол, до облака запрос идёт по HTTPS.
Руководство SAS допускает несколько серверов аутентификации за внешним веб-балансировщиком без привязки агентов к нодам и рекомендует дублировать модули и базу. Nubes развернула две ноды SAS на выделенных ВМ в режиме active-active с anti-affinity (ВМ на разных физических хостах — отказ одного не выводит обе ноды). Перед нодами — L7-балансировщик с завершением TLS-сессии, проверяющий веб-эндпоинты и исключающий из пула молчащие серверы. Sticky sessions не нужны: серверы stateless, все данные в общей базе, запрос уходит на любую исправную ноду.
Входную точку усилили: адаптивное масштабирование под объём запросов (пропускная способность не привязана к одному экземпляру) и защита интернет-канала от объёмных DDoS-атак на L3-L4 — мусор отсекается до прикладных компонентов. База — двухузловой кластер MariaDB active-active по рекомендациям SAS: оба узла читают и пишут, в конфигурации приложения прописаны URI обеих нод (на разных серверах в разном порядке) — недоступное соединение сменяется следующим, что дало client-side failover без балансировщика перед СУБД.
Итог: отказ отдельной ВМ, физического хоста или ноды БД не останавливает обработку запросов. Но та же схема может скрывать деградацию — сервис отвечает, хотя запаса отказоустойчивости уже нет. Следующим этапом стал мониторинг.
Архитектура — да, мониторинг — по расписанию
Заголовок раздела «Архитектура — да, мониторинг — по расписанию»Отказоустойчивость маскирует проблемы: одна нода потеряна, вторая обслуживает запросы, снаружи всё доступно, внутри — без запаса на следующий отказ. Увидеть деградацию раньше пользователей позволяет Zabbix на двух уровнях: инфраструктурном (CPU и память, диски, сеть, состояние ВМ и служб) и прикладном — по компонентам MFA: количество и результаты попыток аутентификации, ошибки, время обработки, доступность SAS, состояние нод БД и репликации. TCP-порта недостаточно: процесс может принимать соединения, не выполняя аутентификацию, — для критичных компонентов контролируется рабочее состояние.
Триггеры срабатывают не только при полной недоступности, но и при потере одной из active-active нод, нарушении репликации, пропаже данных мониторинга, росте ошибок или времени ответа — дежурная смена получает сигнал в момент деградации. Аудит и журналы централизованно стекаются в SIEM (штатная syslog-интеграция SAS), где корреляции и алерты дают контекст события, а не только факт отказа. Дальше алерт превращается в действие: дежурные 24/7 проверяют компонент и метрики, выполняют согласованный плейбук, при необходимости эскалируют — порядок проверки и критерии эскалации зафиксированы заранее.
Отдельный уровень — резервное копирование: реплика повторяет и логические ошибки, поэтому копии БД хранятся на выделенных дисках отдельно от рабочих данных (контролируются статус задания, актуальность копии и место), плюс копии ВМ — для возврата серверного контура с конфигурацией. Получилась цепочка “метрика → триггер → алерт → плейбук → эскалация” с независимым восстановлением — но всё это живёт внутри основной площадки, для полной недоступности которой подготовлен отдельный резервный контур.
Без резервирования всё равно опасно
Заголовок раздела «Без резервирования всё равно опасно»Кластер основной площадки закрывает отказ отдельных серверов, БД и части сети, но сценарий “проблема затронула площадку целиком” (например, недоступна внешняя сеть) требует другого: добавление нод в тот же контур сохранит общие точки отказа. Поэтому следующий уровень вынесен на отдельную резервную площадку: одна нода с заранее подготовленными контейнерами SAS и MariaDB, в штатном режиме не принимающая запросов; резервная MariaDB — асинхронная реплика с параметром read_only, до переключения она не становится вторым источником записи.
Между площадками — защищённый Site-to-Site VPN: изменения основной БД асинхронно уходят на резерв, конфигурации и локальные бэкапы синхронизируются отдельно; задержка репликации контролируется перед переключением. Доступ ограничен по минимальным привилегиям: резервная сторона может читать, реплицировать и синхронизировать, но не изменять рабочую базу.
Как заставить агентов идти на новую площадку? Благодаря агентской модели в конфигурации агента указано не IP-адрес, а DNS-имя сервиса. Штатно имя резолвится в L7-балансировщик основной площадки; после проверки резерва то же имя переводится на внешний IP резерва. TTL записи — 10 минут: после истечения резолверы и кэши запрашивают актуальный адрес, запросы агентов уходят в резервный контур. У каждой площадки своя входная точка L7 — иначе общий балансировщик сам стал бы межплощадочной точкой отказа. Конфигурация на стороне заказчика не меняется: сценарий проверяли на работающих агентах — после обновления DNS аутентификация продолжилась через резерв.
Переключение не запускается автоматически по единичному алерту: дежурные подтверждают масштаб проблемы и оценивают, что быстрее — восстановить основную площадку или активировать резерв (иначе рискуем кратковременным сетевым сбоем и работой двух контуров с расходящимися данными). Решение принимает человек; скрипт лишь технически переключает: останавливает асинхронную репликацию, проверяет резервную БД, снимает read_only, поднимает контейнеры. Затем — проверка SAS по плейбуку и только потом перевод DNS. Возврат — тоже не просто обратная запись DNS: за время работы резерва база обросла новыми событиями, поэтому основную инфраструктуру восстанавливают, приводят данные к согласованному состоянию, тестируют аутентификацию и лишь потом возвращают DNS; резерв уходит в ожидание, синхронизация “основа → резерв” восстанавливается. Раз в полгода сценарий запуска резерва проверяется целиком — чтобы инструкция и доступы были рабочими к моменту реального инцидента.
Куда двигаться дальше
Заголовок раздела «Куда двигаться дальше»Сейчас отказ отдельных компонентов обрабатывается автоматически внутри площадки, а переход между площадками управляемый: решение — за дежурной сменой, операции — за скриптом, трафик — через DNS. Полная автоматизация без механизма гарантированной согласованности базы создала бы риск одновременной записи в два разошедшихся контура. Прорабатывается вариант “три активные площадки + Galera Cluster + GSLB”: три голосующие ноды БД дают устойчивый кворум при отказе площадки или разрыве связи, GSLB направляет агентов только на доступные контуры — при условии, что сам GSLB и авторитативный DNS тоже распределены, иначе общая точка отказа просто переедет в управляющий слой. До внедрения нужно проверить влияние межплощадочных задержек, поведение кворума при сетевом разделении, повторное присоединение нод и распространение DNS-ответов.
Это краткая аннотация статьи, полную версию читайте в первоисточнике.
Первоисточник: Хабр (Блог Nubes), 25 сентября 2026
Эксперт: Николай Киселев (Nubes)
