Posted in

Go语言编程助手官网日志审计系统启用教程，满足等保2.0三级要求的11项日志字段强制采集规范

by Go实战派||0

第一章：Go语言编程助手官网日志审计系统启用概述

为提升Go语言编程助手官网（https://gohelper.dev）的安全合规性与运维可观测性，日志审计系统已于2024年Q3正式启用。该系统基于自研的 logaudit-go 框架构建，深度集成于Gin Web服务栈，支持结构化日志采集、敏感操作标记、实时异常检测及保留周期策略管理。

核心能力概览

  • 全链路审计覆盖：HTTP访问日志、用户登录/登出事件、API密钥生成与吊销、配置变更操作均被强制记录；
  • 敏感行为自动标注：含 /admin/, /api/v1/auth/revoke, POST /api/v1/settings 等路径的请求自动打上 security:high 标签；
  • 保留策略可配置：默认保留90天原始日志，审计关键事件永久归档至加密对象存储（AWS S3 + KMS）。

启用步骤说明

在生产环境部署时，需在服务启动前完成以下配置：

# 1. 启用审计中间件（main.go中注入）
app.Use(logaudit.Middleware(
    logaudit.WithAuditLevel(logaudit.LevelCritical), // 仅审计高危操作
    logaudit.WithStorageBackend("s3://gohelper-audit-logs/"),
))

# 2. 设置环境变量以激活审计开关
export GOHELPER_AUDIT_ENABLED=true
export GOHELPER_AUDIT_LOG_LEVEL=warn

执行后，系统将自动在 X-Request-ID 头基础上生成唯一审计ID，并写入每条日志的 audit_id 字段，便于跨服务追踪。

审计日志字段示例

字段名 类型 说明
timestamp ISO8601 日志生成时间（UTC）
audit_id string 全局唯一审计追踪ID
event_type string 如 user_login, api_key_created
user_id string | null 操作用户ID（匿名请求为空）
ip_addr string 客户端真实IP（经X-Forwarded-For校验）
risk_level enum low / medium / high / critical

所有审计日志均通过TLS 1.3加密传输至中央日志网关，并同步触发Slack告警通道（仅限 risk_level >= high 事件）。

第二章：等保2.0三级日志采集规范深度解析与Go实现

2.1 日志字段强制采集的合规逻辑与go-logrus扩展设计

为满足等保2.0及GDPR对日志溯源性的强制要求，需确保 trace_id、user_id、ip、level、timestamp 等字段在任意日志输出中不可缺失、不可为空、不可被覆盖。

合规字段注入机制

通过 logrus.Hook 实现前置校验与自动补全：

type ComplianceHook struct{}
func (h ComplianceHook) Fire(entry *logrus.Entry) error {
    if entry.Data["trace_id"] == nil {
        entry.Data["trace_id"] = generateTraceID() // 强制生成，不依赖上下文透传
    }
    if entry.Data["user_id"] == nil {
        entry.Data["user_id"] = "ANONYMOUS" // 合规兜底值，非空即合法
    }
    return nil
}

该 Hook 在每条日志写入前触发，确保字段存在性。generateTraceID() 采用 uuid.NewSHA1(uuid.Nil, []byte(time.Now().String())) 避免依赖外部链路追踪系统，保障离线场景合规。

字段强制策略对比

策略 是否可绕过 是否支持审计追溯 是否满足等保2.0 5.2.3条
应用层手动赋值 是 依赖开发规范 ❌
中间件拦截注入 否（HTTP层） 仅限Web请求 ⚠️（覆盖不全）
Log Hook 全局注入 否 全路径生效 ✅

数据同步机制

graph TD
    A[应用调用 log.WithFields] --> B{Hook.Fire 拦截}
    B --> C[校验必填字段]
    C --> D{缺失？}
    D -->|是| E[自动填充合规默认值]
    D -->|否| F[保留原始值]
    E & F --> G[写入日志后端]

2.2 用户身份标识（UID/Account）的JWT鉴权日志埋点实践

在统一认证网关层注入 UID 与 Account 双维度上下文，实现细粒度审计追踪。

埋点时机与字段设计

  • 在 JWT verifyAndParse() 成功后、业务路由前执行埋点
  • 必填字段：uid（数字ID）、account（登录名）、iss、exp、jti（唯一请求令牌ID）

日志结构示例（JSON）

{
  "event": "jwt_auth_success",
  "uid": 10086,
  "account": "alice@example.com",
  "jti": "a1b2c3d4-e5f6-7890-g1h2-i3j4k5l6m7n8",
  "exp_ts": 1735689600000,
  "trace_id": "tx-abc123"
}

此结构确保 UID（内部主键）与 Account（用户可识别标识）分离存储，兼顾隐私合规与运营排查需求；jti 支持单次请求幂等审计，trace_id 对齐全链路追踪系统。

关键字段语义对照表

字段 类型 说明
uid int64 系统唯一用户主键，不可变
account string 可变更的登录凭证标识
jti string JWT 唯一性标识，防重放 
graph TD
  A[JWT Header.Payload.Signature] --> B{Signature Valid?}
  B -->|Yes| C[Parse Claims]
  C --> D[Extract uid/account/jti]
  D --> E[Append to Structured Log]
  E --> F[Async Flush to Kafka]

2.3 操作时间戳（ISO8601+时区）在Go HTTP中间件中的精准注入

为什么需要带时区的ISO8601时间戳？

HTTP日志、审计追踪、分布式事件排序均依赖语义明确且可比较的时间标识。time.Now().UTC().Format(time.RFC3339) 缺失原始时区上下文，而 time.Now().In(loc).Format("2006-01-02T15:04:05.000Z07:00") 可保留客户端/服务端本地时区信息。

中间件实现示例

func TimestampMiddleware(loc *time.Location) func(http.Handler) http.Handler {
    return func(next http.Handler) http.Handler {
        return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
            // 注入带时区的ISO8601时间戳
            t := time.Now().In(loc)
            w.Header().Set("X-Request-Time", t.Format("2006-01-02T15:04:05.000Z07:00"))
            next.ServeHTTP(w, r)
        })
    }
}

逻辑分析：loc 通常为 time.Local 或 time.LoadLocation("Asia/Shanghai")；Z07:00 格式符确保输出如 2024-05-20T14:30:45.123+08:00，完全符合ISO8601扩展格式，支持跨系统解析。

常见时区配置对照表

时区名 Location 实例 示例时间戳片段
UTC time.UTC +00:00
北京时间 time.LoadLocation("Asia/Shanghai") +08:00
纽约时间 time.LoadLocation("America/New_York") -04:00（夏令时）

数据同步机制

  • 客户端依据 X-Request-Time 校准本地事件时序
  • 后端服务通过统一 loc 配置保障集群内时间戳语义一致
  • 日志系统按 2006-01-02T15:04:05.000Z07:00 格式索引，支持时区感知查询

2.4 操作类型（CREATE/READ/UPDATE/DELETE）的AST级语义识别与自动标注

在语法树解析阶段，操作类型识别不依赖关键词匹配，而是基于节点语义角色与上下文约束。例如，INSERT INTO ... VALUES 的 AST 中，InsertStmt 节点携带 targetList 和 selectStmt 子树，结合 onConflictClause 是否为空，可精确判别为 CREATE 或 UPSERT。

核心识别维度

  • 节点类型（如 UpdateStmt、DeleteStmt）
  • 目标关系绑定（relation 字段是否指向基表）
  • 表达式副作用（whereClause 是否存在、returningList 是否非空）

典型 AST 片段识别逻辑

// PostgreSQL parse tree node snippet (simplified)
typedef struct UpdateStmt {
    NodeTag type;              // 必为 T_UpdateStmt → 确定为 UPDATE 操作
    RangeVar *relation;        // 非NULL且 relkind == 'r' → 基表更新
    Node *whereClause;         // NULL 表示全表覆盖 → 高风险操作标记
    List *targetList;          // 非空 → 字段级语义粒度可提取
} UpdateStmt;

该结构中 type 是操作类型的硬性锚点，relation 验证作用对象是否为持久化表，whereClause 存在性决定操作安全性等级。

操作 关键 AST 节点 whereClause 必须 返回行？
CREATE InsertStmt 否 可选
READ SelectStmt 否 是
UPDATE UpdateStmt 推荐 是
DELETE DeleteStmt 强制（否则告警） 可选 
graph TD
    A[AST Root] --> B{NodeTag}
    B -->|T_InsertStmt| C[CREATE]
    B -->|T_SelectStmt| D[READ]
    B -->|T_UpdateStmt| E[UPDATE]
    B -->|T_DeleteStmt| F[DELETE]
    C --> G[检查 targetList + onConflict]
    E --> H[校验 relation + whereClause]

2.5 客户端IP与设备指纹（User-Agent/HTTP_X_FORWARDED_FOR）的Go标准库安全提取

安全获取真实客户端IP的挑战

反向代理（如Nginx、CDN）会覆盖原始RemoteAddr，需谨慎解析X-Forwarded-For（XFF），但该头可被恶意伪造，绝不可直接信任。

标准库推荐方案：http.Request.RemoteAddr + 可信跳数校验

// 假设仅第一层代理（如Nginx）可信，且配置了 set_real_ip_from
func getClientIP(r *http.Request, trustedHops int) string {
    ip, _, _ := net.SplitHostPort(r.RemoteAddr)
    if trustedHops > 0 && r.Header.Get("X-Forwarded-For") != "" {
        parts := strings.Split(r.Header.Get("X-Forwarded-For"), ",")
        if len(parts) > trustedHops {
            ip = strings.TrimSpace(parts[len(parts)-trustedHops])
        }
    }
    return ip
}

✅ RemoteAddr 是TCP连接终点，经TLS终止后为最后一跳代理IP；
⚠️ X-Forwarded-For 是逗号分隔链，需从右向左取第trustedHops个（如trustedHops=1取倒数第一个）；
❌ 忽略X-Real-IP——非标准头，语义模糊。

设备指纹关键字段提取表

字段 提取方式 安全提示
User-Agent r.Header.Get("User-Agent") 需转义后存储，防XSS注入
Accept-Language r.Header.Get("Accept-Language") 可用于区域粗略识别，非唯一标识

安全边界流程

graph TD
    A[HTTP Request] --> B{Has X-Forwarded-For?}
    B -->|Yes| C[Split by ',' → slice]
    B -->|No| D[Use RemoteAddr host]
    C --> E[Take element at len-slice - trustedHops]
    E --> F[Validate IP format via net.ParseIP]
    F --> G[Return sanitized IP]

第三章：Go语言编程助手官网审计日志系统架构落地

3.1 基于Gin+Zap+Loki的高吞吐日志流水线搭建

为支撑万级QPS API服务的日志可观测性，构建低延迟、可水平扩展的日志流水线：Gin 负责HTTP接入，Zap 提供结构化高性能日志输出，Loki 实现无索引、标签化日志存储与查询。

日志格式统一与Zap配置

func NewZapLogger() *zap.Logger {
    cfg := zap.NewProductionConfig()
    cfg.EncoderConfig.TimeKey = "ts"
    cfg.EncoderConfig.EncodeTime = zapcore.ISO8601TimeEncoder
    cfg.OutputPaths = []string{"stdout"} // 避免文件I/O瓶颈
    return zap.Must(cfg.Build())
}

该配置启用ISO时间格式、标准输出直写，规避磁盘阻塞；EncodeTime 确保Loki按时间分区高效检索。

组件协作流程

graph TD
    A[Gin HTTP Handler] -->|结构化日志| B[Zap Logger]
    B -->|JSON Lines via stdout| C[Promtail]
    C -->|Push by labels| D[Loki]
    D --> E[LogQL 查询]

关键参数对照表

组件 推荐配置项 说明
Promtail scrape_configs.labels 必须与Gin路由/服务名对齐，用于Loki多租户切片
Loki -limits-config.max_query_length=72h 防止长周期扫描拖垮查询引擎

3.2 结构化日志Schema定义与Protobuf序列化优化

结构化日志需统一Schema以支撑下游解析、检索与分析。采用Protocol Buffers定义日志消息，兼顾可扩展性与序列化效率。

日志Schema设计原则

  • 字段命名语义清晰（如 event_timestamp 而非 ts）
  • 必选字段精简，可选字段用 optional 显式声明
  • 时间统一使用 int64（Unix纳秒时间戳），避免时区歧义

Protobuf定义示例

syntax = "proto3";
message LogEntry {
  int64 event_timestamp = 1;     // 纳秒级时间戳，高精度事件发生时刻
  string service_name = 2;        // 服务标识，用于路由与分片
  string trace_id = 3;            // 全链路追踪ID，支持分布式诊断
  map<string, string> attributes = 4; // 动态上下文标签，如 env=prod, region=us-east
}

该定义使序列化后体积比JSON减少约65%，且通过protoc --go_out=生成强类型客户端，消除运行时反射开销。

序列化性能对比（1KB日志体）

格式 平均序列化耗时 二进制体积
JSON 182 μs 1024 B
Protobuf 41 μs 356 B 
graph TD
  A[原始日志对象] --> B[Protobuf编码]
  B --> C[网络传输/磁盘写入]
  C --> D[零拷贝解析]
  D --> E[向量化日志查询]

3.3 审计日志加密存储（AES-GCM）与密钥轮转机制实现

为什么选择 AES-GCM

AES-GCM 提供认证加密（AEAD），同时保证机密性、完整性与抗重放——审计日志一旦被篡改或解密失败，GCM 模式将直接拒绝解密，避免静默损坏。

密钥轮转核心流程

graph TD
    A[新密钥生成] --> B[密钥元数据写入KMS]
    B --> C[旧密钥标记为deprecated]
    C --> D[新日志使用新密钥加密]
    D --> E[后台异步重加密历史日志]

加密实现示例

from cryptography.hazmat.primitives.ciphers import Cipher, algorithms, modes
from cryptography.hazmat.primitives import hashes, hmac
from os import urandom

def encrypt_log(log: bytes, key: bytes, nonce: bytes) -> bytes:
    # nonce 必须唯一且不可复用：12字节是GCM推荐长度，兼顾安全与存储效率
    cipher = Cipher(algorithms.AES(key), modes.GCM(nonce))
    encryptor = cipher.encryptor()
    encryptor.authenticate_additional_data(b"audit-v1")  # 关联数据绑定日志上下文
    ciphertext = encryptor.update(log) + encryptor.finalize()
    return nonce + encryptor.tag + ciphertext  # 拼接：12B nonce + 16B tag + payload

nonce 由 urandom(12) 生成，确保全局唯一；authenticate_additional_data 防止日志类型混淆攻击；tag 长度固定为16字节，验证时必须完整校验。

密钥生命周期管理

状态 可用性 允许操作
active ✅ 加密/解密
deprecated ⚠️ 仅解密，禁止新加密
expired ❌ 不可访问，待归档删除

第四章：11项强制字段采集的Go代码级验证与运维保障

4.1 字段完整性校验器（FieldValidator）的反射驱动单元测试框架

FieldValidator 通过反射自动遍历目标对象所有 @NotBlank、@NotNull 等约束注解字段，实现零配置校验。

核心设计思想

  • 利用 Class.getDeclaredFields() 获取私有字段
  • 借助 field.setAccessible(true) 绕过访问控制
  • 通过 Validation.buildDefaultValidatorFactory().getValidator() 触发 JSR-303 校验

示例测试代码

@Test
void testValidationWithReflection() {
    User user = new User(); // name=null, email=""
    Set<ConstraintViolation<User>> violations = validator.validate(user);
    assertThat(violations).hasSize(2); // name 和 email 违规
}

逻辑分析：该测试不手动调用 validateName() 等方法，而是由反射驱动 Validator 自动扫描全部约束字段；violations 包含字段路径（如 user.name）、错误消息及约束类型，便于精准定位问题源。

支持的校验注解对照表

注解 触发条件 反射读取方式
@NotBlank 字符串为 null 或 trim 后为空 field.get(obj) → String.class.isInstance()
@NotNull 任意类型为 null 直接判空 
graph TD
    A[启动测试] --> B[反射获取所有声明字段]
    B --> C{字段含约束注解？}
    C -->|是| D[设为可访问并读值]
    C -->|否| E[跳过]
    D --> F[委托 Validator 执行校验]

4.2 日志采集中断熔断机制与Prometheus指标暴露实践

当日志采集器（如Filebeat或自研Agent）遭遇目标存储不可用、网络抖动或限流时，持续重试将加剧系统雪崩风险。为此需引入熔断机制，并同步向Prometheus暴露关键健康信号。

熔断状态机设计

// 基于gobreaker实现的采集熔断器
var logCollectorCircuit = gobreaker.NewCircuitBreaker(gobreaker.Settings{
    Name:        "log-collector",
    MaxRequests: 3,           // 半开态下最多允许3次试探请求
    Timeout:     60 * time.Second,
    ReadyToTrip: func(counts gobreaker.Counts) bool {
        return counts.ConsecutiveFailures > 5 // 连续5次失败即熔断
    },
    OnStateChange: func(name string, from gobreaker.State, to gobreaker.State) {
        log.Printf("Circuit %s state changed from %v to %v", name, from, to)
    },
})

逻辑分析：该配置定义了“失败阈值→熔断→半开→恢复”闭环；ConsecutiveFailures > 5 触发熔断，MaxRequests=3 控制半开期试探强度，避免过载。

Prometheus指标暴露

指标名 类型 含义 标签示例
log_collector_circuit_state Gauge 当前熔断状态（0=关闭, 1=开启, 2=半开） job="filebeat"
log_collector_failures_total Counter 累计失败次数 reason="connection_refused"

数据同步机制

  • 熔断触发时，自动切换至本地磁盘缓冲（带TTL清理）
  • 恢复后按优先级回放积压日志，避免时间乱序
  • 所有状态变更事件同步推送至Alertmanager，支持分级告警
graph TD
    A[采集请求] --> B{熔断器检查}
    B -- 允许 --> C[发送至Kafka/ES]
    B -- 拒绝 --> D[写入本地Buffer]
    C --> E[成功?]
    E -- 是 --> F[更新success_total]
    E -- 否 --> G[inc failures_total & check ConsecutiveFailures]
    G -->|≥5| H[跳转熔断态]

4.3 审计日志归档策略（按天分片+GZIP压缩+SHA256校验）的Go定时任务实现

核心设计原则

  • 每日零点触发归档，确保时间边界清晰
  • 原始日志保留7天，归档后自动移入/archive/YYYY-MM-DD/目录
  • 归档文件命名规范：audit-2024-04-15.log.gz + 对应.sha256校验文件

关键流程（mermaid）

graph TD
    A[扫描当日 audit*.log] --> B[合并并按行去重]
    B --> C[GZIP压缩]
    C --> D[计算SHA256写入.sha256]
    D --> E[移动至归档目录]

示例归档任务代码

func runDailyArchive() error {
    date := time.Now().UTC().Format("2006-01-02")
    srcPattern := "audit-*.log"
    dstDir := filepath.Join("archive", date)
    os.MkdirAll(dstDir, 0755)

    files, _ := filepath.Glob(srcPattern)
    if len(files) == 0 { return nil }

    outPath := filepath.Join(dstDir, fmt.Sprintf("audit-%s.log.gz", date))
    f, _ := os.Create(outPath)
    defer f.Close()

    gz := gzip.NewWriter(f)
    for _, file := range files {
        data, _ := os.ReadFile(file)
        gz.Write(data)
        os.Remove(file) // 原子清理
    }
    gz.Close() // 必须显式关闭以刷新并完成压缩

    // 生成SHA256校验值
    hash := sha256.Sum256()
    hashFile, _ := os.ReadFile(outPath)
    hash.Write(hashFile)
    checksumPath := outPath + ".sha256"
    os.WriteFile(checksumPath, []byte(hash.Hex()), 0644)
    return nil
}

逻辑说明：gz.Close() 是关键——它强制完成压缩流并写入GZIP尾部校验；os.ReadFile(outPath) 重新读取压缩后文件而非原始数据，确保校验对象与最终归档一致；校验文件与压缩包同名、同目录，便于自动化验证。

4.4 等保测评报告自动生成模块：从日志元数据到GB/T 22239-2019条款映射

数据同步机制

采用增量式日志采集，通过Filebeat将原始日志推送至Kafka Topic security-logs，经Flink实时解析提取结构化元数据（如event_time, src_ip, action, resource）。

条款映射引擎

核心逻辑基于规则引擎实现动态映射：

# 映射规则示例：访问控制类条款（5.1.2.1）
def map_to_clause(log):
    if log["action"] == "auth_fail" and log["resource"] == "admin_api":
        return {"clause": "5.1.2.1", "evidence": log["src_ip"]}
    return None

该函数接收标准化日志字典，依据动作类型与资源路径双重判定是否触发等保条款；返回含条款编号与实证字段的映射结果，供后续报告生成使用。

映射关系表

日志特征 对应条款 控制项类型
多因素认证失败 ≥3次 5.1.2.1 访问控制
敏感操作未审计 5.2.3.1 安全审计 
graph TD
    A[原始日志] --> B[元数据提取]
    B --> C[条款规则匹配]
    C --> D[生成条款证据链]
    D --> E[注入报告模板]

第五章：未来演进与生态协同展望

多模态AI驱动的运维闭环实践

某头部云服务商已将LLM与AIOps平台深度集成，构建“日志-指标-链路-告警”四维语义理解管道。当Kubernetes集群突发Pod OOM时，系统自动调用微调后的CodeLlama-34b模型解析Prometheus时序数据、提取Fluentd日志关键实体，并生成可执行的kubectl patch指令（含资源配额修正建议）。该流程平均响应时间从17分钟压缩至92秒，误判率下降63%。其核心在于将OpenTelemetry Collector的OTLP协议输出直接映射为LLM提示工程的结构化输入模板：

# 示例：动态生成的prompt template片段
input_schema:
  - metric: {name: "container_memory_working_set_bytes", labels: {pod: "api-v3-7f8c4"}}
  - log_sample: "[ERROR] context deadline exceeded (rpc error: code = DeadlineExceeded)"
  - trace_id: "0x4a8f2b1e9c7d3a5f"

开源社区与商业产品的双向赋能机制

CNCF Landscape中，Kubeflow与KServe的API标准化进程正反向推动大模型服务框架演进。2024年Q2，Kubeflow Pipelines新增ModelServingOperator原生支持vLLM+Triton混合推理流水线编排，而阿里云PAI-EAS则将该Operator适配为Serverless GPU实例调度器，实现单卡A10部署Qwen2-7B吞吐提升2.8倍。下表对比了三类典型协同场景的技术收益：

协同维度 社区贡献案例 商业产品落地效果 性能增益
模型格式兼容 ONNX Runtime v1.17支持MoE 百度文心ERNIE Bot接入ONNX加速引擎 P99延迟↓41%
资源调度策略 K8s SIG-Node提案GPU拓扑感知 NVIDIA Triton 24.06启用NUMA绑定调度 显存碎片率↓29%
安全沙箱机制 Kata Containers 3.0机密计算模块 AWS Inferentia2集成Intel TDX加密推理 敏感模型泄露风险归零

边缘智能体的联邦学习架构重构

在智能工厂产线中，237台工业网关部署轻量化Phi-3-mini模型（8.3Hz），本地模型仅上传差分隐私处理后的梯度Δθ（ε=1.2），中心服务器在72小时内完成全局模型更新并下发新检测阈值。该架构使设备故障预测准确率从81.4%提升至94.7%，且规避了原始时序数据跨厂区传输的GDPR合规风险。

硬件定义软件的异构计算范式

寒武纪MLU370-X8与昇腾910B的指令集差异曾导致PyTorch模型迁移成本高昂。华为与寒武纪联合发布的OpenMLU SDK 2.3，通过LLVM IR中间表示层实现算子级自动映射。某自动驾驶公司使用该SDK将YOLOv8n模型从昇腾平台迁移到寒武纪设备，重写代码量从预期的12,000行降至217行，且INT8量化精度损失控制在0.8%以内。其关键创新在于将硬件抽象层（HAL）声明为可验证合约：

graph LR
A[PyTorch前端] --> B{OpenMLU SDK}
B --> C[MLU370算子库]
B --> D[昇腾910算子库]
C --> E[LLVM IR统一中间表示]
D --> E
E --> F[硬件无关优化Pass]
F --> G[目标设备二进制]

可信AI治理的实时审计能力

蚂蚁集团在金融风控大模型中嵌入Runtime Verification Agent，该Agent基于eBPF技术捕获所有模型推理调用栈，实时校验输入数据是否符合《生成式AI服务管理暂行办法》第12条要求。当检测到身份证号明文输入时，自动触发TEE环境中的脱敏模块，生成符合SM4加密标准的伪匿名标识符。上线三个月内拦截违规数据调用142,856次，审计日志完整率达100%。

专注 Go 语言实战开发，分享一线项目中的经验与踩坑记录。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注