前一篇讲的是数据外流的四个要素——人、终端、文件、事件。这一篇往下走一层,讲出口。
文件离开终端,最后一定要经过某个出口。出口只有三类:纸(打印)、屏(截图与录屏)、内容(复制粘贴)。三类出口的载体完全不同,但痕迹能通过一套标识串起来。
下文这些字段示例,都来自迪康端点安全一体化管理系统(迪康大成软件)的本地审计模块。
一、为什么要把出口单独拆出来
因为出口是唯一不经过文件管控的环节。
加密、外发拦截、U 盘管控,守的都是“文件”这个对象。文件被打印出来,变成纸;被截图,变成像素;被复制,变成内存里的字符。三个动作之后,原来的文件对象还在,但内容已经以另一种形态出去了,管控链条在这一步断开。
拆出口的意义在于:出口的数量是有限的,只有三类。三类出口能覆盖的,比几百种文件格式、几十个外发程序要清楚得多。
| 出口 | 载体 | 产生的对象 | 主要标识 |
|---|---|---|---|
| 纸 | 打印、复印 | 纸、可留存的打印附件 | 文档名、打印机名、账号 |
| 屏 | 截图、录屏 | 图片、视频文件 | 前台程序、客户端 |
| 内容 | 复制粘贴 | 无文件 | 数据类型、来源进程 |
三类出口,六个主要标识。这就是输出侧能建立的全部关联维度。
二、纸:四个标识决定能不能查
打印这条出口的标识有四个:账号、文档名、打印机名、时间。
账号回答“谁”。文档名回答“打了什么”。打印机名回答“打去哪”。时间回答“什么时候”。
四个都在,这一条就能查。少一个就出问题:
少账号,只能知道某台机器打了什么,不知道是谁;
少文档名,只能知道有人打了东西,不知道打的哪份;
少打印机名,判断不出是物理打印还是虚拟打印——这两件事的性质完全不同;
少时间,串不进任何时间线。
四个标识之外,还有两样东西值得单独记:份数与页数、打印附件。
份数与页数给出量级。一份文件和二十份文件,在很多场景下性质不同。
打印附件是最容易被低估的一项。它让“打了什么”从文件名升级为内容本身。文件名叫“会议纪要”,附件里可能是完整方案——这时候文件名是伪装,附件才是事实。
这里有个细节值得注意:虚拟打印的场景下,页数是 0。因为虚拟打印不产生纸,也就不产生页。所以判虚拟打印不能看页数,要看打印机名。用页数当过滤条件,最该看的那批记录会被筛掉。
三、屏:两个标识够不够
屏幕这条出口的标识更少:前台程序、客户端。
截图记录里能看到时间、客户端、前台程序名和截图本身;录像记录里能看到时间、客户端、时长和录像本身。
少了什么?少了“内容”这个标识。截图里有什么、录像里录到了什么,日志层面是不知道的——除非事后人工看图。
这就是屏幕出口的固有限制:它是像素级的记录,可读性靠人,不靠字段。所以屏幕出口的定位不是“自动发现”,而是“事后还原”。出问题之后,用时间和前台程序把范围缩到一个小时、一个程序,再逐张看图。
前台程序这个字段的价值比看起来大。同一个时间窗内,在内部系统界面截图和在聊天窗口截图,性质不同;连续两秒截三张和一天截一张,性质也不同。
屏幕出口的取舍在于成本:截图便宜、录像贵。所以常见配置是截图常开、录像按需开。
四、内容:标识最少,证据最硬
剪贴板这条出口只有两个标识:数据类型、来源进程。
数据类型分文字和图片。这决定了内容以什么形态被带走。
来源进程是这条出口最硬的证据。它说明这段内容是从哪个程序复制出来的。正常办公是编辑软件、浏览器、内部系统;如果出现远程控制客户端,性质完全不同——远程场景下剪贴板是两端同步的,本机复制的内容会出现在对端。
这就是为什么剪贴板的记录量很大但价值不低:它字段少,但每一条都能指到一个具体动作。
剪贴板还有一个特性:它记录的是“内容片段”,不是文件。这意味着它可以兜住一类特殊的泄漏——内容级泄漏。文件本身没动,甚至没打开过第二次,但里面的关键数据已经通过复制粘贴出去了。这类泄漏在文件级日志里完全看不到。
五、三类出口怎么串:三个查询
标识定义了维度,查询验证模型。
查询一:某个人在这一周输出过什么。
路径:账号 → 打印日志取文档名 → 截图日志取前台程序与时间 → 剪贴板日志取内容片段 → 三张表按时间排序。
得到的是一条按时间排的动作线:几点打印了什么、几点截了几张图、几点复制了什么。这条线比任何单张表都更有解释力。
查询二:某份文档被输出过几次。
路径:文档名 → 打印日志(含附件)→ 与文档流转日志比对 → 得到“打过几次、打过哪几版、每次打去哪台打印机”。
这条查询的关键在附件。有附件就能比对版本,没附件只能比对文件名。
查询三:某台终端的输出行为是否异常。
路径:客户端 → 三类出口同时取 → 按天聚合数量 → 找“突然翻倍”的那一天 → 展开当天明细。
按天聚合这一步很重要。单看某一天的数字没有意义,看趋势才有。一个人平时一天截两张图,某天截了四十张,这个差异本身就是信号。
| 查询 | 入口标识 | 涉及日志 | 输出 |
|---|---|---|---|
| 某人这一周输出过什么 | 账号 | 打印、截图、剪贴板 | 时间线 |
| 某文档被输出过几次 | 文档名 | 打印、流转 | 版本与去向 |
| 某终端输出是否异常 | 客户端 | 三类出口 | 按天曲线 |
三个查询都能在十分钟内跑完,说明模型成立。跑不完,就是标识有缺口。
六、三个常见的失效点
模型建好之后,失效通常发生在三处。
第一处,标识缺失。最常见的是打印机名缺失或显示为“默认打印机”。这会让判断“物理还是虚拟”直接失败,而这一判断恰恰是输出侧最关键的分支。原因通常是驱动层没取到设备名,配置时要单独验证这一列。
第二处,时间不同步。打印、截图、剪贴板三张表的时间精度不同:打印到秒、截图到秒、剪贴板到秒,但客户端时钟不同步的情况下会出现几秒偏差,导致时间线排序错乱。统一时钟源是最便宜的修法。
第三处,关联断裂。三类出口各自成表,之间没有共同的记录编号。这是设计使然——它们本来就是三种不同的行为。所以关联只能靠“账号 + 客户端 + 时间”这三元组来对齐,对齐精度取决于时间同步程度。
三处失效都不需要改架构,只需要三条约定:打印机名必须取到、时钟必须同步、关联键固定为账号加客户端加时间。
判断方法很直接:随便挑一个人的一天,把三类出口的记录摊开按时间排一遍。排不通顺,就是这三处里出了问题。
最后
输出侧的模型比文件侧的简单,因为它只有三类出口。
三类出口的共同点是都要先“看得见”。人必须先看见内容,才能带上纸、截成图、复制走。这条共性决定了整套逻辑:不是去堵载体,而是把每一次“看见”都记成一个可查的记录。
这套配置把打印、截图、录像、剪贴板、U 盘这几类输出行为收在本地审计的同一处,账号与客户端两个标识在各类记录之间共用,三类出口的关联不需要额外开发。换别的产品字段名会变,三类出口的划分不会变。