知名車企如何應對網絡安全挑戰(zhàn)?安恒信息AiLPHA來助力
安恒信息通過部署5節(jié)點的AiLPHA安全分析與管理平臺集群,實現(xiàn)集團互聯(lián)網出口、數(shù)據(jù)中心、核心工廠的全流量監(jiān)測,及關鍵安全設備日志對接;通過部署AiLPHA 安全編排與協(xié)同響應管理平臺實現(xiàn)流程自動化/半自動化,提升運營效率。
本次項目實施,用戶關注的技術實現(xiàn)主要有以下亮點:
技術難點一
如何將運營人員從海量告警中解救出來
本次項目監(jiān)測網絡節(jié)點十余個、web業(yè)務系統(tǒng)千余個、主機資產數(shù)十萬臺;實時處理日志量超40000EPS,平均每天接入近10億條日志記錄。面對海量告警,安恒信息提出了云地協(xié)同-告警清零的閉環(huán)方案,該方案囊括了告警優(yōu)化以及協(xié)同處置兩個維度:
首先,通過安全運營助手小工具,對用戶的告警質量進行分析,梳理出觸發(fā)最多告警模型以及現(xiàn)有最多的告警類型;
針對觸發(fā)最多的告警模型,進行模型本身的調優(yōu),如開啟告警抑制、優(yōu)化攻擊鏈、優(yōu)化ATT&CK等,降低模型產生的告警數(shù)量的同時,提升告警質量;
針對現(xiàn)有最多的告警類型,抽樣觀察告警詳情及日志信息,確認是否由因業(yè)務引起的誤報,結合白名單,降低告警數(shù)量;


其次,針對多源接入的數(shù)據(jù),進行歸并場景的設定,根據(jù)五元組信息、XFF頭、設備名稱、告警類型等各維度字段進行聚合,將同一類攻擊事件的告警數(shù)量壓縮,最大化降低告警數(shù)量;

然后,將用戶所關心的告警以場景化的方式聚合,通過事件名稱、攻擊者、受害者、目的端口等字段,將告警聚合成安全事件,從而完成原始日志-原始告警-安全告警-安全事件的三層降噪邏輯,大幅度縮減了現(xiàn)網的告警數(shù)量。

通過告警優(yōu)化方案,用戶現(xiàn)網數(shù)據(jù)從近10億條日志提取出成20萬條安全告警,聚合、歸并后告警為1W條,最終形成12類用戶關心的安全事件。
在告警優(yōu)化完成后,針對用戶關注事件,安恒信息進行了深度分析,以處置方式維度進行分類,即:攻擊事件告警、感染事件告警、風險預警告警和誤報或忽略告警,針分類的不同,我們采取量身定制的處置方式,如自動封禁、半自動封禁、報表統(tǒng)計、狀態(tài)修改等;通過現(xiàn)場配置的19例劇本,最終達成了告警清零的目標。
技術難點二
如何在眾多數(shù)據(jù)中發(fā)現(xiàn)高價值事件
高價值事件往往無法通過普通的規(guī)則匹配甚至模型匹配的方式發(fā)現(xiàn),需要在大量的原始日志中提煉觀測,這對運營人員來說無異于大海撈針。針對于此,安恒信息利用AI算法為用戶提供智慧運營的解決方案:
利用Weekly Gaussian Estimation算法歷史比對提取周期波動,長期監(jiān)控企業(yè)官網、供應商合作系統(tǒng)等業(yè)務系統(tǒng)的訪問請求趨勢建立訪問行為動態(tài)基線,實時發(fā)現(xiàn)請求中的異常流量,標注異常點,提取相關日志及訪問關系,為運營人員提供一步到位的溯源取證能力。

利用RPCA-SST算法矩陣重構剔除大幅值噪聲,通過重點監(jiān)控服務器和終端的DNS請求行為、性能和外傳流量,檢測木馬持續(xù)性回連遠控地址和數(shù)據(jù)泄露的機器行為,標注異常點,提取相關日志及訪問關系,為運營人員提供一步到位的溯源取證能力。

方案價值:
由先前的信息安全孤島進階為統(tǒng)一運營管理模式:
1、由安恒信息駐場工程師配合集團運營團隊在態(tài)勢感知平臺實現(xiàn)全集團安全狀態(tài)統(tǒng)一監(jiān)控
2、通過平臺接口聯(lián)動安全設備實現(xiàn)安全策略統(tǒng)一下發(fā)
3、通過AI算法發(fā)現(xiàn)高價值事件
4、通過平臺工單流程實現(xiàn)安全風險的統(tǒng)一跟蹤閉環(huán)處理
5、通過平臺SOAR劇本流程實現(xiàn)高危攻擊的自動攔截處置;
方案收益:
大大提高了集團安全運營能力,實現(xiàn)全局安全態(tài)勢感知,有效遏制了安全事件的發(fā)生,控制了安全風險的擴散,目前已成為該知名車企信息安全建設的核心支撐平臺。