http://www.enet.com.cn/security/ 2013年03月22日15：08 来源：eNet硅谷动力 作者:潘柱廷 
信息安全的检测中有一部分是高端安全检测，高端安全检测涉及对检测模式的重新认识，这就涉及到大数据。

　　探寻高端检测

　　从检测方面来看，有三个境界：

　　第一种是“检测足”，属于简单检测，比如：有阈值限制，超过了什么值，系统就会告警；再比如，包过滤规则；这些检测都相对简单。

　　第二种是“检测腰”，基于单一特征的检测，比如：漏洞特征、病毒特征、攻击特征、URL黑白名单等等特征库检测。单一特征强调的是可表达、可处理和可操作性。所谓特征（或者称某种模型），我们使用它的计算复杂度要大大低于提炼获取它的复杂度。这里比喻成检测腰，就是因为它有一个收紧计算复杂度的作用。传统安全公司技术能力的竞争，主要就是看你能获取和积累多少特征。

　　第三种是“检测颈”，属于高端检测，包括APT检测或者宏观态势感知等。另外，检测腰中部分特征的提炼和分析其实也属于高端检测的范畴。

安全的三种境界

　　谈到高端安全检测问题，可以简单地分为两类，一类是宏观安全检测，典型问题就是网络宏观态势感知；一类是微观安全问题，典型问题就是APT（Advanced Persistent Threat，高级持续性威胁）攻击发现。

　　关于宏观态势感知，如城域网的网络事件态势感知，目前方法还相对较少。举个例子，启明星辰实现了一个地址熵算法。熵是离散度的一种评价，所谓地址熵就是累积计算网络上的源地址的熵和目的地址的熵，并对两条随时间变化的地址熵曲线进行跟踪分析。如果目的地址熵突然下降，也就是目的地址突然集中了，由此可以立即判断出来可能发生了分布式拒绝服务攻击；如果目的地址熵微升而源地址熵下降，源地址相对较集中，意味着有网址在密集地向外广泛地发包，可以初步判断可能出现了扫描事件或蠕虫传播。这两个地址熵指标就像天气预报中常用的温度、气压等这些衡量指标。目前，在城域网监控方面这样特别有效的既简单又精妙的算法并不多。

　　关于APT攻击，目前常见的提出的APT应对方法，很多是在APT中的A（高级）上下功夫。也就是如何深入分析隐蔽性很深的恶意代码和行为。确实，当我们拿到一段值得怀疑的代码和数据集，对其进行深入分析是可行的；但是难的就是，从茫茫数据中，我怎么能够确定哪段数据值得怀疑并进行深入的分析呢？

　　试解高端检测中的大数据问题

　　上面提到的这两种高端信息安全检测问题，最终都导向了大数据方法。

　　面对宏观态势感知和预测问题，归结起来就是在海量的数据中发现宏观的波动趋势。哪怕是细微的波动，也是宏观问题。宏观态势感知和预测，就是要发现这些波动，并且判断出来哪些波动会演变成灾难性的网络风暴，以便及时加以遏制。要发现和描述这样的态势，仅仅靠局部数据计算得出的简单统计指标是非常不够的，即使是地址熵这样的精妙指标也是不够的。在这方面的研究中，可以类比的其他学科就是天气预报、股票期货金融品分析预测等等。这种分析活动，自然而然就是大数据。

　　而面对APT攻击发现问题，最终也是大数据问题。

　　APT的A高级，不仅仅是某些具体攻击手法隐藏很深，还包括APT攻击在空间上的不确定性；而APT的P所代表的时间上的长期持续性或者断续性，更是APT的检测难点。

　　攻击的空间拓展变化包括持续性、蔓延性、传播性、渗透性等等，这一变化带来了安全模式的变化。求检对象隐藏在一个检测环境里，你采集过来进行检测计算的就是一个“被检测域”。你并不确切地知道你所要找的求检对象在哪里；于是检测者就希望“被检测域”尽可能地多覆盖求检对象，也就是要先扩大被检测域。被检测域变大了数据变多了，自然而然就变成了大数据问题。APT检测的出路可能就在大数据上。

　　APT有很大的空间不确定性。APT攻击走哪条路径不得而知，这就是信息不对称。防御者不知道攻击者从哪条路径来进行攻击，这是非常头疼的事情。但路是防御者的路，攻击者一定会通过防御者的路并靠近防御者，这就是防御者的优势。我们讲从空间角度来扩展被检测域，只要扩展更多的有效检测点，总能获得更高概率来截获攻击路径。更多的检测点、更多样的检测点、更多的数据，有利于解决APT问题。

　　APT有很大的时间不确定性。从时间角度来扩展被检测域，一个最简单直接的思维突破就是“存储”。说得更哲理一些，就是“记忆”。比如0-day问题，在没有特征的时候是难于检测到的。如果用一个网络录像机把所有的网络流全录下来，回过头来有了特征之后再检测，就可能发现攻击。有部电影名字叫《源代码》，其情节就是这个感觉。能够运用存储、运用记忆，形成一个时间机器，反复的回溯分析，这就是所谓的时间领域扩展。也就是用P来对抗APT中的P。

　　在信息安全检测的采集上，可以考虑给被检测域数据提前打标签，可以称之为轻干扰检测（轻破坏检测）。这可以使其具有某种全息性。这种干扰的不同处理，都是分析目的和过程对于前端采集技术链条施加影响。当然，这样很可能会进一步增加检测过程的复杂程度，也可能让检索变得更快捷。

　　新安全检测思路--四阶段检测

　　原先我们的安全检测都是三步检测--采集、分析、关联。而有了上面阐述的“大”思路，就变成了一个四步检测--扩大、浓缩、精确、场景。也就是将原先三步中的“采集”，变成了“扩大”--扩大被检测域以便更可能覆盖求检对象，以及“浓缩”--将海量被检测域数据中的有用数据浓缩下来。

　　浓缩、筛选、抽样等等可以理解为分析过程中的物理处理过程，所谓物理过程就是不改变被检测域数据的原有性质和形态，就如同炼铁过程中的选矿筛矿。比如渲染+半衰的处理算法：对于被检测域进行数据分块，对数据块的疑似程度进行打分渲染；然后再一个周期中对所有数据块进行半衰式处理；之后在进行打分再半衰，低于某一个阈值的数据块被丢弃。如此循环下去，留下的数据块集合就是被浓缩的被检测域。

　　精确检测就是借助传统的误用检测和异常检测来进一步分析。在这个阶段我常常将之比喻成分析过程的化学反应。这个时候提取出来的结论数据，其数据性质和形态都与被检测域的数据大大不同了。

　　场景步骤是对于检测结果的组合性分析。分析出的场景，可能来自对于精确检测的细微时间的组合，也可能来自于浓缩过程的提炼。

　　信息安全与大数据

　　大数据通常分为两类：一类是天然大数据问题，如基因计算、矿物勘测、空间探测等，这类是客观存在的大数据问题；还有一类是人参与的大数据问题，如购物数据，社交网络数据等，这一类可以通过检测目的对这些数据进行前端影响。安全属于第二类。

　　大数据相关思维和技术在安全中的应用非常值得期待。（启明星辰公司首席战略官潘柱廷）

[培训]内核驱动高级班，冲击BAT一流互联网大厂工作，每周日13:00-18:00直播授课