可见性和分析在零信任架构中的作用

简介: 可见性和分析在零信任架构中的作用


零信任是一组不断发展的网络安全范式的术语,它将防御从静态的、基于网络的边界转移到专注于用户、资产和资源。零信任架构使用零信任原则来规划工业和企业基础设施和工作流程。本文探讨了零信任架构对网络可见性和要求的影响。

零信任架构并不是一个新概念,随着美国政府在今年早些时候发布的行政命令,网络领域的许多企业开始询问网络可见性分析如何适应这一趋势。要回答这个问题,首先需要看看是什么推动了这种转变。


这个行政命令的第三节指出,行业机构(以及与他们的合作伙伴)必须采用安全最佳实践,向零信任架构迈进,并加速移动以保护SaaS、IaaS和PaaS等云服务。它呼吁政府机构更新现有计划,优先考虑采用云计算技术的资源,并制定实施零信任架构的计划(使用NIST的迁移步骤)。它还呼吁美国网络安全和基础设施安全局(CISA)进行现代化改造,以通过零信任架构在云计算环境中充分发挥作用,并呼吁美国联邦风险和授权管理计划(FedRAMP)制定管理云服务提供商的安全原则,以纳入各机构的现代化工作。


由于供应商对于零信任架构是什么而感到困惑,以下探讨它对网络可见性和要求的影响。


美国国家标准与技术研究院(NIST)指出,“零信任是一组不断发展的网络安全范式的术语,它将防御从静态的、基于网络的边界转移到专注于用户、资产和资源。零信任架构使用零信任原则来规划工业和企业基础设施和工作流程。”这种方法采用的基本NIST原则包括:


  • 企业专用网络不被视为隐藏的信任区域。
  • 网络上的设备可能不属于企业所有或不可配置。
  • 没有一种资源是固有可信的。
  • 并非所有企业资源都位于企业拥有的基础设施上。
  • 远程企业主体和资产无法完全信任其本地网络连接。
  • 在企业和非企业基础设施之间移动的资产和工作流应该具有一致的安全策略和状态。


但是零信任架构与网络可见性或网络性能监控(NPM)有何关联?


零信任架构有三种NIST架构方法具有网络可见性影响:第一种是使用增强的身份治理,这意味着使用用户身份仅允许在经过验证后访问特定资源。第二种是使用微分段,例如在划分云计算或数据中心资产或工作负载时,将流量与其他流量分开以包含但也防止横向移动。第三种是使用网络基础设施和软件定义的边界,例如零信任网络访问(ZTNA),例如允许远程工作人员仅连接到特定资源。


NIST还描述了对零信任架构部署的监控。概述网络性能监控将需要安全功能以实现可见性。这包括应该检查和记录网络上的流量(并分析以识别和达到潜在的攻击),包括资产日志、网络流量和资源访问操作。


此外,NIST对无法访问所有相关和加密的流量表示担忧——这些流量可能来自不是企业拥有的资产(例如使用企业基础设施访问互联网的服务)或应用程序和服务。无法执行深度数据包检查或检查加密流量的企业必须使用其他方法来评估网络上可能的网络攻击者。


美国国防部将零信任架构分解为七个信任支柱:用户、设备、网络/环境、应用程序和工作负载、数据、可见性和分析,以及自动化和编排。毫不奇怪,节点包管理器(NPM)与可见性和分析支柱直接相关。以下是NPM融入零信任架构的四种方式:


  • NPM可以提供场景详细信息以及对跨其他支柱(包括应用程序和用户)的性能、行为和活动的理解。例如,监控网络各个部分的应用程序性能或指向安全问题,如拒绝服务或受损网络设备。NPM还可以针对来自各种用户设备的应用程序的流量模式提供用户行为分析。


  • NPM改进了对异常行为的检测,并使利益相关者能够对安全策略和实时访问决策进行动态更改。例如,利用网络AIOps查找站点内和站点间的异常行为。如果大量流量表明存在某种类型的数据泄露,则可以发出警报并调整安全策略。另一个例子是使用VXLAN的微分段网络,并具有各种虚拟网络的可见性,其中包括每个VXLAN内的流量。人们了解正确的安全策略是否有效很重要。
相关文章
|
5月前
|
人工智能 自然语言处理 数据可视化
两大 智能体框架 Dify vs Langchain 的全面分析,该怎么选?资深架构师 做一个彻底的解密
两大 智能体框架 Dify vs Langchain 的全面分析,该怎么选?资深架构师 做一个彻底的解密
两大 智能体框架 Dify vs Langchain 的全面分析,该怎么选?资深架构师 做一个彻底的解密
|
4月前
|
机器学习/深度学习 人工智能 算法
大型多模态推理模型技术演进综述:从模块化架构到原生推理能力的综合分析
该研究系统梳理了大型多模态推理模型(LMRMs)的技术发展,从早期模块化架构到统一的语言中心框架,提出原生LMRMs(N-LMRMs)的前沿概念。论文划分三个技术演进阶段及一个前瞻性范式,深入探讨关键挑战与评估基准,为构建复杂动态环境中的稳健AI系统提供理论框架。未来方向聚焦全模态泛化、深度推理与智能体行为,推动跨模态融合与自主交互能力的发展。
270 13
大型多模态推理模型技术演进综述:从模块化架构到原生推理能力的综合分析
|
8月前
|
机器学习/深度学习 安全 算法
十大主流联邦学习框架:技术特性、架构分析与对比研究
联邦学习(FL)是保障数据隐私的分布式模型训练关键技术。业界开发了多种开源和商业框架,如TensorFlow Federated、PySyft、NVFlare、FATE、Flower等,支持模型训练、数据安全、通信协议等功能。这些框架在灵活性、易用性、安全性和扩展性方面各有特色,适用于不同应用场景。选择合适的框架需综合考虑开源与商业、数据分区支持、安全性、易用性和技术生态集成等因素。联邦学习已在医疗、金融等领域广泛应用,选择适配具体需求的框架对实现最优模型性能至关重要。
1562 79
十大主流联邦学习框架:技术特性、架构分析与对比研究
|
3月前
|
运维 监控 数据可视化
一文详解:工业软件“低代码开发平台”技术架构研究与分析
本文围绕工业软件低代码开发平台的机遇与挑战,提出基于自动化引擎的技术架构,由工具链、引擎库、模型库、组件库、工业数据网关和应用门户组成。文章分析了其在快速开发、传统系统升级中的应用模式及价值,如缩短创新周期、降低试错成本、解决资源缺乏和提升创新可复制性,为我国工业软件产业发展提供参考和支持。
|
3月前
|
负载均衡 Java API
基于 Spring Cloud 的微服务架构分析
Spring Cloud 是一个基于 Spring Boot 的微服务框架,提供全套分布式系统解决方案。它整合了 Netflix、Zookeeper 等成熟技术,通过简化配置和开发流程,支持服务发现(Eureka)、负载均衡(Ribbon)、断路器(Hystrix)、API网关(Zuul)、配置管理(Config)等功能。此外,Spring Cloud 还兼容 Nacos、Consul、Etcd 等注册中心,满足不同场景需求。其核心组件如 Feign 和 Stream,进一步增强了服务调用与消息处理能力,为开发者提供了一站式微服务开发工具包。
479 0
|
7月前
|
SQL 运维 BI
湖仓分析|浙江霖梓基于 Doris + Paimon 打造实时/离线一体化湖仓架构
浙江霖梓早期基于 Apache Doris 进行整体架构与表结构的重构,并基于湖仓一体和查询加速展开深度探索与实践,打造了 Doris + Paimon 的实时/离线一体化湖仓架构,实现查询提速 30 倍、资源成本节省 67% 等显著成效。
341 3
湖仓分析|浙江霖梓基于 Doris + Paimon 打造实时/离线一体化湖仓架构
|
6月前
|
前端开发 JavaScript API
体育赛事即时比分 分析页面的开发技术架构与实现细节
本文基于“体育即时比分系统”开发经验总结,分享技术实现细节。系统通过后端(ThinkPHP)、前端(Vue.js)、移动端(Android/iOS)协同工作,解决实时比分更新、赔率同步及赛事分析展示等问题。前端采用 Vue.js 结合 WebSocket 实现数据推送,提升用户体验;后端提供 API 支持比赛数据调用;移动端分别使用 Java 和 Objective-C 实现跨平台功能。代码示例涵盖比赛分析页面、API 接口及移动端数据加载逻辑,为同类项目开发提供参考。
|
8月前
|
测试技术 双11 开发者
一文分析架构思维之建模思维
软件里的要素不是凭空出现的,都是源于实际的业务。本文从软件设计本源到建模案例系统的介绍了作者对于建模的思维和思考。
|
9月前
|
机器学习/深度学习 存储 人工智能
基于AI的实时监控系统:技术架构与挑战分析
AI视频监控系统利用计算机视觉和深度学习技术,实现实时分析与智能识别,显著提升高风险场所如监狱的安全性。系统架构包括数据采集、预处理、行为分析、实时决策及数据存储层,涵盖高分辨率视频传输、图像增强、目标检测、异常行为识别等关键技术。面对算法优化、实时性和系统集成等挑战,通过数据增强、边缘计算和模块化设计等方法解决。未来,AI技术的进步将进一步提高监控系统的智能化水平和应对复杂安全挑战的能力。
1623 4
|
10月前
|
供应链 监控 安全
网络安全中的零信任架构:从概念到部署
网络安全中的零信任架构:从概念到部署

热门文章

最新文章