酷应用

云时代下，安全运营中潜藏的“竞”与“机”

百家作者：CSDN 2021-03-29 23:57:53

大数据和云计算的时代，数据和个人信息成了“云上的金子”，因为其堪比石油的巨大价值，针对企业和个人的数据泄露、网络攻击等安全事件时有发生。这个时候，新一代 SOC（Security Operation Center）应运而生，在网络与信息安全保护中充当着越来越重要的角色。

在 2021 年 3 月 27 日举办的腾讯安全思享会上，来自上海雾帜智能科技有限公司 CTO 傅奎，绿盟科技集团股份有限公司天枢实验室高级安全研究员张润滋，天融信大数据分析产品线总监鲍青波，腾讯安全 SOC 产品负责人肖煜，腾讯安全SOC产品总监刘桂泽等腾讯及其合作伙伴安全领域专家，以“云时代下SOC的变革与演进”为主题，通过技术解读与案例实践分享和各自在 SOC 建设上的丰富经验，探讨了从被动式防御到自适应实时监测与响应、智能安全编排与自动化，到新一代网络安全运营架构等热门话题，并在圆桌论坛上共探 SOC 的技术演进与未来发展趋势，吸引了众多业内外人的关注。

在思享会上，专家们都“传授”了哪些安全运营之道？本文将带领大家一起回顾活动中专家的精彩观点分享，快来一睹为快！

Cloud SOC—云时代让安全运营工作焕发新生

在题为《Cloud SOC—云时代让安全运营工作焕发新生》的演讲中，腾讯安全 SOC 产品负责人肖煜为大家带来了云时代下 SOC 运营存在的问题与解决秘诀：

腾讯安全 SOC 产品负责人肖煜

云时代安全运营面临的问题大家不陌生，还是会存在事多、人杂、不好管的状况。

其中，“事多”体现在事件量大，云时代之后这个问题依然存在，大量安全事件堆积难以处置，让安全运营人员疲于奔命。“人杂”是因为涉及到一些第三方帐号，用户行为对于安全运营人员来说是一个新的挑战，不久前 Solarwinds 事件爆发，原因可能就在于供应链管理上存在大量不可追溯的帐号问题，供应链管理、人员帐号管理没有做到位。“不好管”，在指云时代的资产有着快速消亡与新建的特点，相对传统环境来说更灵活，但更容易出现再衍资产，做好资产管理梳理也是云时代所面临的问题。

由此，云时代出现了一些新需求，比如平台模式下服务方、消费方都会产生安全诉求，服务方要求自身安全管理和消费者安全有保障，消费方也希望自身安全管理做到位。

此外，云场景下平台与租户的责任划分也是一个新的需求。腾讯为此提出一个新概念，叫做 Cloud SOC，它要解决的就是安全和管理上的问题。

租户和多环境两个模块是要解决管理问题，而处理安全问题的思路则是进行监测和深挖，利用可视化和开放平台等技术手段来解决问题。

总的来说，Cloud SOC 会把相关安全信息，包括云上日志、第三方数据汇集到体系中进行运营，安全体系包括防御、检测、相应、预测模式，同时兼顾平台和租户。

这个体系的安全思路，在防御方面，强化自身就是最好的防御策略，同时在检测和相应模块打造一个有机闭环，以可靠的服务作为支撑整个体系运转的基础保障。

其中，防御要解决“不好管”的问题，腾讯 Cloud SOC 可以做到通过端、API 对原生资产与第三方资产进行打通，而在这一点上，腾讯拥有多年从端、流量中获取资产数据的经验。

在云这方面，Cloud SOC 的 CSPM（云安全态势管理）是指云安全风险配置化的管理检查，利用此机制对云上资产进行自动化检查，不符合要求的配置会被平台识别为风险资产，并提醒安全运营人员。

针对“人员杂”的问题，Cloud SOC 会在检测和相应两个环节，通过腾讯自己提出的 XDR 小闭环，SIEM，以及智能 UEBA 模式，针对可靠流量和端点，获得精准的情报信息，进而归纳总结，抓取真实的威胁信息，提高安全运营覆盖，以此进行有质量的告警及响应。

从管理思路上来说，Cloud SOC 模式的驱动整体上还是平台+人，依赖于监控、分析响应和总结报告等服务，加上运营专家/攻防专家，让平台高效运转起来。

另一方面，在平台方和租户的责任划分上，Cloud SOC 天然地从兼顾双方的视角来看问题，在平台侧和租户侧打上一些鲜明的标签对数据进行区分，利用经典和成熟的 RBAC 进行功能相关的控制。此外，这个数据标签还可以拓展到所有平台模式上，将相关数据责任人归属于平台方或租户，并利用云平台的优势，对相关数据功能进行统一纳管和运营。

如今，腾讯 Cloud SOC 已经在实践中经过检验，比如在某企事业单位，Cloud SOC 利用强检测响应闭环构建“演练”最佳防护，在某大型金融组织机构中，Cloud SOC 可在专有云或 IDC 部署，实现多环境数据统一纳管，并适配上下级联，实现全局可管、可控安全运营。

安全运营 SOAR Easy！

接下来，上海雾帜智能科技有限公司 CTO 傅奎带来了《安全运营 SOAR Easy》的主题分享：

上海雾帜智能科技有限公司 CTO 傅奎

我之前也做过一线的安全运营人员，切身体会到一些痛苦的现状，比如每天接到四千万条事件运营，但真正能有效处理的事件不到 10 个。安全运营过程中的人工交互太多，费时费力。虽然过去二十多年，安全运营在安全理论、技术、产品、客户运营水平上有所提高，检测时间越来越短，但是安全运营人员同时还面临着自动化、智能化、网络武器作战平台的“对手”，而绝大多数用户只能徒手应急响应——沟通靠吼，响应靠手。为改变现状，我们用 SOAR 帮助我们快速开展安全运营。

目前，国内外已经有不少厂商在跟进 SOAR 相关技术，并做到了分钟级和秒级响应。大家的基本思路都是通过图形化的剧本编排界面，使用低代码或无代码实现安全事件响应过程的编排，支持数据交互和任务调度。

SOAR 可以是独立平台，也可以是内置模块。在实际落地中，SOAR 的应急响应快准稳，其出色的表现已经得到业界的认可。今天我们可以依靠系统，实现通用安全事件响应场景80% 以上步骤的落地。以一个典型的威胁IP处置过程为例，经过与人工操作的对比会发现，SOAR 自动化处置可以实现分钟级和秒级，仅时间效率就提升了 84 倍，这还不包括人员成本的加工地。实际上，SOAR 在实际应用中可以在不同场景里产生不同的效果，不仅在应急响应中，在事件分析、诊断、协同、写报告等才做中，也可以快速完成，避免了人工的浪费。而且，这种“套路”一旦沉淀就可以重复使用。

目前，雾帜在 HoneyGuide 中通过虚拟作战式和 AI 机器人解决事件响应过程中协同问题，用编排和自动化帮助客户实现加速安全运营。此外，除了自动化响应，雾帜还希望能够用自然语言与机器人进行交互，提高安全运营效率。基于安排编排自动化响应以及 AI 人机协同的安全运营，雾帜SOAR可实现分钟级或秒级的应急响应，大幅节约了人工操作时间。

SOAR 是数字化经验帮助安全团队实现运营传承和技能积累的有效手段，通过充分发挥人类工程师的智慧和机器的智能与速度，最终让“安全防护超越攻击的速度规模”成为可能。

最后，不得不提的是，自动化永远都是手段，持续运营才是灵活。运营团队要有思想，主动采取战略，主动思考，借助自动化手段实现目标，不能完全依赖工具，这才是最重要的。

智能安全运营技术发展思考与实践

绿盟科技集团股份有限公司天枢实验室的张润滋还分享了主题为《智能安全运营技术发展思考与实践》的主题演讲：

绿盟科技集团股份有限公司天枢实验室的张润滋

安全运营团队的痛苦都是相似的，虽然解决思路和方法略有不同，但大的趋势都是依靠自动化来对抗信息爆炸带来的困难。

安全专家数量有限，告警疲劳和痛苦的作战方式，倒逼安全运营技术迭代式地发展，从传统的单点攻防到边界防御，再到安全运营中心，安全运营的下一步是智能化运营。

Gartner 为安全运营打上了一些关键的技术标签，比如 SIEM、UEBA 等，最近 SOAR、XDR 等也是比较热门的话题，但似乎这些都缺乏内在安全机制，隐私防护需求也造成系统黑盒。目前，安全运营的还面临着一些关键挑战，如运营需要细节与态势并重，数据膨胀找到安全威胁犹如大海捞针，召回模型高误报，技术/平台低交互或无交互，以及缺乏鲁邦安全性等。

为应对这些问题，我们提出了 AISecOps，就是广泛地把人、机器和流程资源结合起来做运营。

实际上，国外和国内已经形成了智能运维的研究生态，我们要做的就是把自动化、智能化带到运营中。

从概念上来说，AISecOps 包含四大要素，即“智能驱动安全运营，以安全运营目标为导向，以人、流程、技术与数据的融合为基础，面向预防、检测、响应、预测、恢复等网络安全风险控制、攻防对抗的关键环节，构建具有高自动化水平的可信任安全智能，以辅助甚至代替人提供各类安全运营服务的能力，”我们的最终目标，是用技术支持运营，且技术自身可运营。

为了让技术本身可运营，我们需要做一个模型来指导方向，思考自己在做的事情覆盖到了运营的哪些阶段。从上图可以看到，我们离自动化运营还很远，处于 L2-L3 阶段，只是在有限场景下，运用数据分析手段，把情报打通。

为了支撑完整的自动化运营，我们需要把从感知识别到认知产生，再到产生策略的全流程串联起来，打通人机协同循环。这是我们的工作模型和思考，目标是希望人机协同能够在未来 5-10 年间在很多场景下是此案完全自动化运营。

上图为 AISecOps 的 16 个前沿技术图谱，能为我们下一步应该做什么提供指导。

目前，我们在做的一些工作包括超融合知识图谱，在底层建立可以支撑全数据、多场景的 DSL 语言设计，建立融合的数据分析机制。

在此基础上，打造可以针对不同场景下所需的不同检测单元、召回单元、风险评估单元、反馈解释单元的可编排推荐引擎，让引擎学习专家或运营的不同偏好。

此外，我们还初步基于开源的文本类型解释模型创建了可解释引擎，可以实现自动化提取关键词，目前仅支持文本，但后续将支持图。

为了做到以数据驱动的方式支持人机协同，我们利用规则提取引擎，通过可解释模型将学习成果告诉专家，并在推荐引擎中提取的知识中找出规律，形成规则和策略，然后通过搜索引擎，用统一的语言抽象进行知识固化。

总结起来，安全专家的经验难以复制，人的精力有限，但是机器可以做到。第一，数据驱动的方式只是缓兵之计，面临关键决策，要分具体情况，但以数据支撑决策和策略是我们技术路线的根本出发点；可编排能力要支撑不同业务场景，在每个运营环节做响应；“授人以鱼不如授人以渔”，要能解释清楚为什么用数据驱动能解决一切问题；最后一点是要打造可信任的安全智能“战友”，保证 AI 的安全性。

安全运营无法一步到位，我们希望将安全运营中的知识固化下来，形成打造机器的战甲，不能要求每个人都是超人，我们要做的就是要打造机器型的战甲。

构建智能化纵深安全分析体系

天融信大数据分析产品线总监鲍青波分享了主题为《构建智能化纵深安全分析体系》的精彩演讲：

天融信大数据分析产品线总监鲍青波

我的分享主要聚焦于安全分析，两个关键词分别是“智能化”和“纵深”。

首先介绍一下我国网络安全现状。据 CNCERT 统计，2019 年，面向我国工业控制系统的网络资产嗅探事件约有 14,900 万起，较 2018 年的约 4,451 万起有显著增长。经分析，嗅探行为源自于美国、瑞士、法国等境外 130 个国家和地区，目标涉及我国能源、制造、电信等重点行业的联网工业控制设备和系统。大量关键信息基础设施和联网控制系统的网络资产信息被境外嗅探，给我国网络空间安全带来隐患。对此国家非常重视，从十三五规划到《网络安全法》、《等级保护 2.0》到“十四五规划”，国家要求建立健全关键信息基础设施保护体系，提升安全防护和维护政治安全能力，提升网络安全威胁发现、监测预警、应急指挥、攻击溯源能力，特别是要加快人工智能的安全技术创新。

人工智能赋能安全分析，是此次演讲的核心。不得不说，当前 AI 在特定场景下赋能安全分析，还面临着一些困境，如数据标注、特征处理、结果评估，以及工程化难题，特别是针对零日、APT 高级攻击、长周期潜伏的未知威胁时，AI 不一定能发挥很好的作用。这时，通常情况下会采取行为分析的手段，通过时序分析等方式发现异常。

网络安全分析场景可分为“已知的已知”、“已知的未知”和“未知的未知”三个部分，为应对不同程度的分析需求，我们建立了一套智能化纵深安全分析体系。