IoC真的重要吗?细节决定成败

简介:

安全行业已经从仅专注特征码,转变到了将IoC(入侵指标)也纳入进来。因为各方面看来,IoC都更加便捷,也兼容各种不同检测平台。是时候重视IoC并更加有效地使用它们了。

然而,这个转变过程中,IoC遭到了不公正的责难。个中原因很容易理解:指标有时候可能只是缺乏上下文的一些数据片段。安全人员在努力保护公司环境的时候,往往苦于从数据中提炼出有意义的东西,不知道该到哪里去发现真正的价值。

大多数安全人员真正想要的,是对对手的了解——对手所用的工具以及战术、技术和规程(TTP)。通过了解对手来强化自身防御,让坏人的日子不好过。但这一层次的信息,往往不会轻易交到安全人员手上。正如老话所说,“细节决定成败”,这里的细节,就是IoC。

很多公司当前的安全基础设施都是碎片化的,几十种安全产品各自为战。因为这些产品没有集成到一起,架构中的每一层都创建自己的日志和事件,产生大量数据。系统日志中充斥着不良IP地址和域名,昭示着可能的C2服务器通信、数据渗漏或非法服务;还有对应特定/恶意文件的散列值;以及指向敌手的网络和终端。所有这些指标都能揭示恶意行为,但安全分析师却难以确知要先找寻和调查什么。

IoC的重要性就体现在这里了。IoC是所有这些迥异日志的最小公约数,是将各安全工具的所有输出整合在一起的切实方法。IoC可以让你构建整体视图,从指标追踪到敌人或攻击活动,对自身环境中正在发生的事情有更深刻的了解。

举个例子。你看到一个没见过的IP地址,需要有关该地址的更多信息,于是你从外部威胁情报平台尽可能地收集相关数据。通过这些分析,你可能发现该IP地址与某个攻击活动或对手相关联。然后你决定收集更多关于该攻击活动或对手的情报,了解他们会用的TTP和其他相关指标。

所以我们不妨假设与该特定对手相关联的指标有21个。你已经看到一个了(IP地址),所以检查一下有没有其他20个是有意义的。好吧,仔细一找,又发现了10个指标。于是,很可能你已经被这个对手侵入了。而如今你可以主动发送剩下10个指标来强化安全基础设施,抵御该特定对手。

如上述例子所示,IoC是成功调查与防护的关键因素。但你需要一个资源库来整合内部各系统产生的数据和外部威胁馈送的数据,并添加进上下文丰富这些数据。否则,指标仅仅是噪音而已。缺乏整合和上下文丰富,正是IoC蒙受不白之冤的原因所在。

威胁情报平台(TIP)可以聚合并规范化威胁和数据,然后关联数据并应用进上下文。于是,在能提供有价值洞见的IoC加持下,你便能用它导向对手和他们所用的TTP。反映敌人活动的相关指标看得更全面更清楚了,自家公司被入侵的确凿证据也就昭然若揭了。而对敌手所用方法有进一步的了解,恶意活动阻止起来也会更快些,还可以防止未来的类似攻击。

从仅使用特征码迁移到包含进IoC的利用非常充分。然而不幸的是,迁移过程中安全团队被自身各种各样的安全日志和威胁馈送数据所淹没,这些数据有些来自商业源,有些是开源的,有些是行业内的,有些则来自现有安全厂商。所有这些数据都能提供巨大价值,但却通常处于未被开发状态。与其无视IoC,不如抓紧时间更有效地利用起来,用以对抗无孔不入的各路敌手。

本文转自d1net(转载)

相关文章
|
9天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
8天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
366 130
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
8天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
本文介绍AI大模型的核心概念、分类及开发者学习路径,重点讲解如何选择与接入大模型。项目基于Spring Boot,使用阿里云灵积模型(Qwen-Plus),对比SDK、HTTP、Spring AI和LangChain4j四种接入方式,助力开发者高效构建AI应用。
358 122
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
|
20天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1342 8
|
2天前
|
存储 JSON 安全
加密和解密函数的具体实现代码
加密和解密函数的具体实现代码
190 136
|
7天前
|
监控 JavaScript Java
基于大模型技术的反欺诈知识问答系统
随着互联网与金融科技发展,网络欺诈频发,构建高效反欺诈平台成为迫切需求。本文基于Java、Vue.js、Spring Boot与MySQL技术,设计实现集欺诈识别、宣传教育、用户互动于一体的反欺诈系统,提升公众防范意识,助力企业合规与用户权益保护。