態(tài)勢感知2.0平臺，在技術(shù)要素層相較于1.0而言更為豐富和更具先進(jìn)性，其融入了大數(shù)據(jù)技術(shù)、人工智能技術(shù)、云安全技術(shù)、自動化防御及響應(yīng)技術(shù)、威脅情報等等，使整個態(tài)勢感知2.0平臺適用性更為廣泛，其提供的服務(wù)領(lǐng)域也逐漸增多，同時它也促進(jìn)了安全行業(yè)的整體發(fā)展和進(jìn)步。

具體融入的技術(shù)包括如下幾個部分：

一、獲取層融入新技術(shù)

在獲取層融入的新技術(shù)有 VxLAN 和東西向流量獲取技術(shù)。

在All in Cloud的大環(huán)境下，云計算平臺使用的網(wǎng)絡(luò)相較傳統(tǒng)IDC網(wǎng)絡(luò)結(jié)構(gòu)已發(fā)生了根本性的變化。它廣泛采用了先進(jìn)的SDN技術(shù)；一般而言傳統(tǒng)IDC環(huán)境下南北向訪問流量占 80%，而東西向訪問流量占20%，因此在核心交換機上采集即可滿足數(shù)據(jù)分析的需求；而在All in Cloud的環(huán)境下訪問流量走向則是東西向流量偏多，南北向流量相對偏少；因此僅在核心交換機采集流量數(shù)據(jù)是無法滿足態(tài)勢感知的需要的。故在充分分析南北向流量和路徑后，有針對性地選擇在關(guān)鍵位置部署流量采集探針，同時采集虛擬主機層?xùn)|西向流量來滿足態(tài)勢感知要求。

另外針對物聯(lián)網(wǎng)（Internet of Things，IoT）技術(shù)的發(fā)展，支持多協(xié)議和兼容將是一大趨勢，大多數(shù) IoT 設(shè)備采用無線通信技術(shù)，在這一環(huán)境下采集數(shù)據(jù)將是一個挑戰(zhàn)。

二、理解層融入大數(shù)據(jù)

理解層融入Hadoop、Storm、Spark、ES、Flume、Kafka、Hive、Hbase 等新興大數(shù)據(jù)技術(shù)，用來對日志進(jìn)行處理、分析、存儲和挖掘等。

例如采用Storm對數(shù)據(jù)流進(jìn)行實時處理，可以實現(xiàn)近乎實時的風(fēng)險發(fā)現(xiàn)功能，相較于以前的離線數(shù)據(jù)分析技術(shù)，可有效縮短安全預(yù)警時效。

采用了大數(shù)據(jù)平臺后，有效地提升了數(shù)據(jù)分析效率，可在短時間內(nèi)對大批量數(shù)據(jù)進(jìn)行分析和比對，有效發(fā)現(xiàn)潛在安全風(fēng)險和實現(xiàn)提前預(yù)測風(fēng)險。

三、評估層融入新模型

評估層在統(tǒng)計、規(guī)則和特征型的規(guī)則上融入數(shù)據(jù)挖掘、關(guān)聯(lián)分析、智能分析模型；從數(shù)據(jù)倉庫中收集的安全設(shè)備日志、網(wǎng)絡(luò)日志、應(yīng)用日志、終端日志以及第三方的威脅情報數(shù)據(jù)等。

收集到的信息和安全事件通過檢測分析引擎統(tǒng)計分析、關(guān)聯(lián)分析、模式分析、機器學(xué)習(xí)發(fā)現(xiàn)高優(yōu)先級安全事件，將發(fā)現(xiàn)的高優(yōu)先級事件反饋到運營系統(tǒng)中，同時發(fā)現(xiàn)的高優(yōu)先級安全事件將存儲到數(shù)據(jù)樣本庫、知識庫（案例庫）中，便于后期的溯源和分析。

1、關(guān)聯(lián)分析模型

關(guān)聯(lián)模型通過實時關(guān)聯(lián)技術(shù)過濾事件，在大量安全事件（甚至是誤報事件）中提取有用的信息。例如登錄異常、漏洞利用、蠕蟲活動、網(wǎng)絡(luò)入侵、主機失陷等，關(guān)聯(lián)分析模型主要包括以下幾個不同類型：

（1）基于端口的關(guān)聯(lián)：開放端口的數(shù)據(jù)與防火墻數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，幫助檢測攻擊者何時嘗試訪問系統(tǒng)端口或不存在的服務(wù)，從而發(fā)現(xiàn)低慢攻擊；

（2）基于安全事件的關(guān)聯(lián)：安全設(shè)備告警事件之間進(jìn)行實時關(guān)聯(lián)分析，減少事件誤報，提高告警準(zhǔn)確率；

（3）基于統(tǒng)計的關(guān)聯(lián)：對每個類別的事件設(shè)定合理的閾值，當(dāng)超過閾值可以產(chǎn)生一個更高級別的安全事件，同時與資產(chǎn)或其他安全事件進(jìn)行關(guān)聯(lián)，判斷某個安全事件造成的影響和后果。

2、機器學(xué)習(xí)模型

機器學(xué)習(xí)主要是使用算法和統(tǒng)計方法創(chuàng)建能夠?qū)W習(xí)的系統(tǒng)。系統(tǒng)可以從采集的數(shù)據(jù)中學(xué)習(xí)，形成一個具有相關(guān)特征的分析模型。通過模型訓(xùn)練，完成IP非正常訪問、賬戶安全、XSS攻擊、SQL注入攻擊、JavaScript腳本注入等威脅的檢測任務(wù)。

3、攻擊回溯分析模型

通過對收集的數(shù)據(jù)和安全事件分析，從惡意程序感染、異常連接、C&C、傳播、數(shù)據(jù)泄露等維度檢測未知威脅。當(dāng)攻擊和規(guī)則模型關(guān)聯(lián)后，自動從知識庫調(diào)用相關(guān)知識信息，包括影響主機、影響用戶、root事件、連接和所有行為的時間軸軌跡，作為輔助參考。同時取證結(jié)果收入數(shù)據(jù)樣本庫、知識庫（案例庫）。

4、用戶行為分析模型

以部門、個人、資產(chǎn)、資產(chǎn)群等為單位建立多維度行為基線，利用統(tǒng)計、特征、機器學(xué)習(xí)算法和預(yù)定義規(guī)則學(xué)習(xí)每個用戶和設(shè)備的正常行為基線，通過關(guān)聯(lián)分析和概率計算，計算用戶異常分值以便及時發(fā)現(xiàn)異常的用戶、惡意的內(nèi)部用戶和攻擊者。

5、場景分析模型

場景分析主要依據(jù)攻防、滲透經(jīng)驗和大數(shù)據(jù)分析技術(shù)檢測網(wǎng)絡(luò)中的威脅，解決了規(guī)則判定時，無法確定具體閾值的問題，根據(jù)企業(yè)組織中的網(wǎng)絡(luò)特點和經(jīng)驗判斷異常行為。

常用場景如下：

（1）創(chuàng)建非管理員用戶后的權(quán)限升級，非管理員用戶一般不會將其權(quán)限提升到管理員級別，或其他高級用戶級別；

（2）文件非授權(quán)訪問，在很接近的時間內(nèi)多次嘗試訪問用戶沒有權(quán)限的共享文件/目錄；

（3）DNS 隱蔽隧道，通過數(shù)據(jù)包關(guān)鍵字段異常的編碼監(jiān)測，支持如下的DNS隱秘隧道發(fā)現(xiàn)：通過超長域名信息傳遞數(shù)據(jù)、通過txt請求傳遞數(shù)據(jù)、通過AAAA 記錄傳遞數(shù)據(jù)等。數(shù)據(jù)泄漏，VPN用戶在工作時間外登錄并向外網(wǎng)傳輸數(shù)兆字節(jié)或更多（VPN 連接期間）數(shù)據(jù)；

（4）蠕蟲/木馬/惡意軟件攻擊，網(wǎng)絡(luò)上一臺主機開始攻擊或探查網(wǎng)絡(luò)上其他主機；

（5）高風(fēng)險主機檢測分析，通過 DNS 解析行為分析服務(wù)器或終端的異常行為?？梢源_認(rèn)已知、未知的惡意軟件、APT攻擊以及實時監(jiān)測內(nèi)部的威脅。

四、展現(xiàn)層融入新態(tài)勢

在展現(xiàn)方面融入熱力圖、地理信息、威脅指數(shù)等元素，通過與資產(chǎn)、事件、漏洞、威脅、風(fēng)險及告警相關(guān)聯(lián)分析，產(chǎn)生可視化的預(yù)測視圖。

使用可視化技術(shù)，將原本碎片化、零散化的行為告警、安全態(tài)勢、資產(chǎn)管理等智能綜合分析展現(xiàn)，形成多維度的安全態(tài)勢感知展示，幫助安全運營人員及時理解、定位問題。

1、整體威脅態(tài)勢

通過風(fēng)險計算模型，綜合考慮資產(chǎn)的價值、脆弱性和威脅，按高危、中危、低危安全級別分類統(tǒng)計。同時通過中國地圖以熱力圖形式展現(xiàn)資產(chǎn)的地理位置、個數(shù)和威脅指數(shù)；通過世界地圖熱力圖查看攻擊源，計算整體業(yè)務(wù)安全風(fēng)險值，獲取發(fā)起最多攻擊次數(shù)的源IP列表，以雷達(dá)圖顯示最近的攻擊類型，最近的攻擊源分析。

2、業(yè)務(wù)資產(chǎn)風(fēng)險態(tài)勢

對管理對象劃分安全域，并進(jìn)行資產(chǎn)化管理，可以自定義監(jiān)控區(qū)域。提供基于拓?fù)涞谋O(jiān)控視力，可以按圖形化拓?fù)淠Ｊ斤@示資產(chǎn)，通過視圖可直接查看該資產(chǎn)的狀態(tài)、事件、漏洞、威脅、風(fēng)險及告警信息。

3、外部攻擊態(tài)勢

利用時序圖實時展示安全攻擊事件數(shù)量，并按照攻擊類型、受影響的 IP，受攻擊的專業(yè)公司展示安全攻擊事件，同時實時滾動顯示最近攻擊事件。

4、內(nèi)部攻擊態(tài)勢

內(nèi)部安全態(tài)勢展示已發(fā)現(xiàn)的安全事件，能夠按照時間段以木馬蠕蟲、漏洞、流量、惡意軟件為視角，進(jìn)行安全事件的展示。從告警、處置、資產(chǎn)、日志、系統(tǒng)維護(hù)、類型、分布多個維度實時進(jìn)行安全事件統(tǒng)計分析，并以2D/3D、柱圖、餅圖、堆疊圖等形式進(jìn)行可視化的展示。

5、數(shù)據(jù)安全態(tài)勢

數(shù)據(jù)安全態(tài)勢，對企業(yè)組織的數(shù)據(jù)進(jìn)行全面監(jiān)測，與用戶行為模型結(jié)合，依據(jù)相應(yīng)業(yè)務(wù)場景，發(fā)現(xiàn)數(shù)據(jù)的不正當(dāng)訪問與調(diào)用、數(shù)據(jù)的異常流動等行為，從類型、用戶、資產(chǎn)等維度在統(tǒng)一視圖中展示。

6、審計視圖

運營人員可以根據(jù)內(nèi)置或者自定義的審計策略，從事件的任意維度實時觀測安全事件的走向，并可以進(jìn)行事件調(diào)查、取證，并進(jìn)行事件行為分析和來源定位。

五、行動層融入工作流引擎

在行動層融入流行的工作流引擎，如JBPM、Activiti、OSWorkflow工作流引擎使已知風(fēng)險處理更高效和可追溯，同時融入告警和事件管理使整個安全風(fēng)險處置形成一個閉環(huán)，從而提高在風(fēng)險處置環(huán)節(jié)的效率。