基于数据包分析的大数据技术解决网络安全问题

简介:

1.网络攻击简介

网络攻击是利用网络存在的漏洞和安全缺陷对网络系统的硬件、软件及其系统中的数据进行的攻击。网络信息系统所面临而对威胁来自很多方面,而且会随着时间的变化而变化。从宏观上看,这些威胁可分为人为威胁和自然威胁。

自然威胁来自于各种自然灾害、恶劣的场地环境、电磁干扰、网络设备的自然老化等。这些威胁是无目的性的,但会对网络通信系统造成损害,威胁通信安全。

而人为威胁是对网络信息系统的人为攻击,通常是通过寻找系统的弱点,以非授权方式达到破坏、欺骗和窃取数据信息等目的。两者相比,精心设计的人为攻击通常威胁大、难防备、种类多、数量大。

2.数据包分析介绍

数据包分析,经常也被称为数据包嗅探或协议分析,指的是通过捕获网络上传输的数据包并对数据包进行解码。由于网络中的通讯都源于数据包,尽管有些流量通过协议来看是正常的可信协议,但很可能在背地里进行不为人知的恶意行为,为了能够更加清楚透彻的了解网络,就需要进入数据包层面进行分析,在这个层面没有任何的异常情况能够逃脱我们的视线,能够详细的了解网络中发生任何的事情(加密除外)。

3.通过数据包分析发现、追溯网络攻击

I.大数据采集

基于数据包的大数据技术的第一前提条件是能够获取有效的数据包,通常情况下网络分析人员会使用抓包软件采集数据包,但由于抓包软件通常只能捕获短时间的数据包,但目前很多网络攻击不一定是在短时间内进行,其攻击过程可能持续几天、一周、一年,甚至更长的时间。这就需要能够对数据包进行不间断的采集,在采集的过程中对数据包进行分类展现及实时进行各项处理;

II.数据包解码

数据包是网络传输中最小的人工可读数据,通过数据包的解码分析能够掌握网络中最细微的变化,通过网络中的变化找到异常问题,发现可能的网络攻击,并对攻击过程进行深度还原,掌握各种网络攻击模型,对网络攻击做到知己知彼,做出有针对性并且最有效的防御;

III.快速发现网络攻击

通过解码数据包可针对数据包内的多中参数进行“与”、“或”关系组合配置警报,并可结合数据包特征值定义的方式,针对网络攻击的特征值或行为进行有效的告警信息配置,快速的发现网络中的攻击,并且能够提取相关原始数据包进行详细分析;

IV.数据包追溯分析

要想使用大数据技术对网络攻击进行长期的追溯分析,只有长期的数据包采集是不够的,还要对数据包和统计信息进行长期存储;并且在存储的基础上对数据包快速检索及可视化展现,这样能够帮助网络管理人员掌握网络的长期运行态势,快速定位网络异常、攻击发生时间,对问题时段进行追溯分析,发现网络攻击的行为并进行深入分析。

4.数据包分析快速发现、长期追溯网络攻击案例
数据包分析
如上图,网络在6月11-12日突然出现大流量传输;
数据包分析
并且网络中TCP同步包与TCP同步确认包差值巨大;
TCP
我们通过预先定义告警,通过多参数“与”“或”组合及特征值定义,配置灵活的告警信息,一旦网络中出现异常数据包达到出发要求时,会快速上报,及时发现网络中可能存在的攻击;
网络告警
如上图,对异常数据包进行tcp会话重组,可以看到每一个会话的异常行为(TCP同步位并且含有载荷数据);
异常数据包进行tcp会话重组

可对数据包进行深度解码,查看数据包级的内容,载荷内容全部填充为0,填充大量无效数据,形成DOS攻击。

本案例通过告警信息快速发现网络中可能存在异常攻击,并且能够长时间追溯网络攻击,并且快速判断网络攻击手法及攻击根源,及时定位各类网络安全问题。

小结

通过上述内容及案例,可以看出基于数据包分析的大数据技术可帮助网络管理人员快速的发现、定位各类网络攻击,并且能够在存储期内对任意网络攻击及问题进行回溯分析,做到精细化分析,提供数据包级的支撑,帮助网络管理人员更加安全的管理网络。


原文发布时间为:2015-12-23

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。






相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
5天前
|
SQL 安全 算法
网络安全与信息安全:攻防之间的技术博弈
【4月更文挑战第20天】在数字化时代,网络安全与信息安全已成为维护国家安全、企业利益和个人隐私的重要屏障。本文深入探讨了网络安全漏洞的成因、加密技术的进展以及提升安全意识的必要性,旨在为读者提供全面的网络安全知识框架,同时分享最新的防御策略和技术手段。通过对网络攻防技术的分析,本文揭示了安全防御的复杂性,并强调了持续教育和技术创新在网络安全领域的重要性。
15 6
|
20天前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
22天前
|
SQL 安全 算法
网络安全与信息安全:防御前线的关键技术与意识
【4月更文挑战第3天】在数字化时代,网络安全与信息安全已成为维护信息完整性、确保数据私密性和保障系统可用性的基石。本文深入探讨了网络安全漏洞的概念、加密技术的应用以及提升安全意识的重要性,旨在为读者提供全面的网络安全知识框架,以应对日益复杂的网络威胁。
|
13天前
|
分布式计算 Hadoop 大数据
大数据技术与Python:结合Spark和Hadoop进行分布式计算
【4月更文挑战第12天】本文介绍了大数据技术及其4V特性,阐述了Hadoop和Spark在大数据处理中的作用。Hadoop提供分布式文件系统和MapReduce,Spark则为内存计算提供快速处理能力。通过Python结合Spark和Hadoop,可在分布式环境中进行数据处理和分析。文章详细讲解了如何配置Python环境、安装Spark和Hadoop,以及使用Python编写和提交代码到集群进行计算。掌握这些技能有助于应对大数据挑战。
|
1天前
|
SQL 监控 安全
网络安全与信息安全:防御前线的关键技术与策略
【4月更文挑战第24天】在数字化时代,数据成为了新的货币,而网络安全则是保护这些宝贵资产不受威胁的保险箱。本文深入探讨了网络安全漏洞的本质、加密技术的进展以及提升个人和企业安全意识的重要性。通过分析当前网络环境中的安全挑战,我们提出了一系列创新的防御机制和实践方法,以期为读者提供一套全面的信息保护方案。
|
1天前
|
存储 监控 安全
网络安全与信息安全:防御前线的技术与意识
【4月更文挑战第24天】在数字化时代,网络和信息安全已成为维护社会稳定、保护个人隐私和企业资产的关键。本文深入探讨了网络安全漏洞的概念、加密技术的进展以及提升安全意识的重要性。通过分析当前网络威胁的多样性,我们强调了持续监控、定期更新系统、使用复杂密码和多因素认证的必要性。同时,文章还介绍了非对称加密、量子加密等先进加密技术的原理和应用。最后,我们讨论了培养全民网络安全意识的策略,包括教育培训、模拟演练和社会工程防护。
|
4天前
|
安全 物联网 网络安全
网络安全与信息安全:防御前线的关键技术与策略
【4月更文挑战第21天】在数字化时代,数据成为了新的货币,而网络安全则是保护这些资产不受威胁的盾牌。本文深入探讨了网络安全漏洞的本质、加密技术的进展以及提升个人和企业安全意识的方法。通过分析当前网络攻击的模式和动机,我们提出了一系列切实可行的防御措施,旨在帮助读者构建更加安全的网络环境。
|
7天前
|
存储 监控 安全
网络安全与信息安全:防御前线的关键技术与意识
【4月更文挑战第18天】在数字化时代,数据成为了新的货币,而网络安全则是保护这些宝贵资产不受威胁的盾牌。本文深入探讨了网络安全的核心议题—漏洞管理、加密技术以及安全意识的重要性。通过分析当前网络环境中普遍存在的安全挑战,我们阐述了如何通过持续监控、定期更新和强化员工培训来构建一个更加坚固的防线。
|
7天前
|
机器学习/深度学习 数据可视化 测试技术
深度学习:Keras使用神经网络进行简单文本分类分析新闻组数据
深度学习:Keras使用神经网络进行简单文本分类分析新闻组数据
21 0
|
8天前
|
Python 数据可视化 索引
PYTHON用GARCH、离散随机波动率模型DSV模拟估计股票收益时间序列与蒙特卡洛可视化
PYTHON用GARCH、离散随机波动率模型DSV模拟估计股票收益时间序列与蒙特卡洛可视化
24 0
PYTHON用GARCH、离散随机波动率模型DSV模拟估计股票收益时间序列与蒙特卡洛可视化

热门文章

最新文章