数据驱动安全入门概览

此内容是Nepnep成员 peony师傅的一次每周分享[1]简单笔记，感谢师傅~

“数据驱动安全的本质是一种高层次、跨学科的自动化手段，其内涵包括了数据分析、人工智能、大数据、云计算等等。数据分析技术作为一种重要的自动化手段，必然会消灭掉一部分简单、重复工作内容，进一步提高行业从业人员的进入门槛。在未来可以预期的很长一段时间内，数据分析都将是安全工程师和研究人员的有力工作助手。”

安全数据分析能力图

从数据中提取知识，辅助解决安全问题

• Hacking Skills
• Math & Statistics knowledge
• Substantive Expertise（先验专家经验）

图：安全数据分析能力图

安全数据分析落地情况

给予历史经验样本下的拟合学习

基于知识的对抗

文本内容监测

• WAF
• WebShell检测
• 二进制病毒检测
• 网页敏感内容检测
• 明码流量检测

简单统计和假设检验

• 暴力破解攻击检测
• 异地登录检测
• 真实入侵证据发现

时序建模和时序异常监测算法

• DDoS
• CC
• 定点API接口爆破检测

相似性匹配算法

• 缺乏可解释性，目前更多用于辅助专家决策

安全数据学习概览

方法论

问题——数据——特征——模型

图：机器学习方法论

问题

安全问题抽象

数据

数据采集

特征

特征工程

模型

模型构建

效果评估

ML Workflow

图：ML Workflow

目标

更快、更全、更准

图：安全数据分析的目标

安全问题抽象

分类、聚类、降维

扩展

减少误报率的方法：基于业务来减少误报率。对不同业务场景下，对单一的业务逐个进行进行验证，不断将误报的样本送回进行训练，从而降低误报率

数据挖掘

安全数据来源、安全数据类型

最优数据量：多到特征明显，少到几乎无噪音干扰

图：数据挖掘

数据清洗

图：数据清洗

特征工程

过滤、封装、嵌入

模型

数据脚本小子

策略选择

白名单策略：找到正常行为——建立pattern（模式）——滤出异常

• 业务改变时，需要重新进行聚类
• 无监督聚类的效果还没有达到有监督的好，容易尝试误报

黑名单策略：原始日志或异常——分类器——识别威胁

图：常用的两种策略

案例

两个角度

对抗：对深度学习的逃逸攻击

防护：HTTP恶意外连流量的机器学习检测

案例一

对深度学习的逃逸攻击

参考：https://blogs.360.cn/post/evasion-attacks-on-ai-system.html

案例二

HTTP恶意外连流量的机器学习检测

图：论文概要和笔记

图：控制协议模板的生成

图：主要的流程示意图

泛化其实就是用来进行数据降维的一种方式

图：上图的泛化部分示意

Reference

[1] 【每周分享】数据驱动安全入门概览，Nepnep战队，https://www.bilibili.com/video/BV1ye411W7xn