澶氬杞︿紒鏁版嵁娉勯湶

核心提示本文为投稿作品作者:阿里安全 安全专家 郑虔2020年中,一名白帽子在GitHub上发现了某新能源车企的一个后台系统所使用的凭据,该凭据简单使用了Base64加密。虽然该凭据并不能直接登录对应的后台系统,但是白帽子通过掌握到的API列表,成

这篇文章的作者是阿里安全专家郑虔。

2020年年中,一个白帽子在GitHub上发现了某新能源汽车公司后台系统使用的凭证,这个凭证简单地使用了base64加密。虽然凭证不能直接登录对应的后端系统,但是白帽通过master API列表成功找到了几个未认证的接口,通过这些接口可以批量获取后端数据。

这种潜在的危机本应敲响警钟,但2020年8月,这家汽车公司遭遇了类似的安全事故。车主爆料,自己的车控app上居然出现了好几辆别人的车。虽然车主反馈给了车企,但车企默默修复了问题。白帽子们通过分析,一致认为这个问题是又一个典型的缺乏认证的接口漏洞。

随着云服务的兴起,传统企业架构形成了常见的云+本地混合部署,网络架构也向混合部署转变。传统的安全防御已经不足以应对混合部署下的威胁。

攻防的本质是信息不对称,而漏洞的本质是缺乏对数据访问的有效控制。在目前混合部署的情况下,“我知道我的企业资产哪个出入口有问题”是极其重要的。

行业痛点:算算自己家要多少钱?

如何解决这个问题,每个企业都有自己的探索和实践。但在阿里安全看来,问题的根源在于企业无法实时掌握自己的资产,尤其是混合架构下的企业。也就是我“不知道”我有这些接口,或者说我“不知道”这些接口存在安全问题。

当然,知道我有哪些出入口是远远不够的。在评估业务风险时,你会发现一堆没有回答的问题:

有什么风险?有什么影响?

当前的保护策略涵盖了多少?

如何判断策略是否有效?

有没有丢失的资产?

有多少空房间可以改善?

这一系列问题需要用具体的安全数据来回答,但现实情况一点也不乐观。

不同类型的资产数据分散在不同的业务线中。一是难以收集整合;二是难以理解和消化;同时,整体上难以积累经验,不同业务线之间难以重用彼此的业务成果。

我们期待这样的“天使同事”。她有我需要的所有“资产数据”,并且已经帮我关联和分析了所有数据。她还可以根据自己支持的业务场景对数据进行沉淀和标记。你完全可以重用她的方法论,不仅可以直接使用,还可以根据需要自由组合。

《资产蓝图》致力于成为这样的“天使同事”。

资产蓝图的解决方案

2020年3月,阿里巴巴发布了面向数字基础设施的新一代安全架构。在新的安全架构下,当我们重新思考安全防御应该怎么走的时候,我们迫切需要一个可以用数据解释的可量化的驱动系统来提供数据输入。这个系统最大的目标是以数据驱动安全防御的趋势,这是蓝图诞生的背景。

Blueprint是一个资产采集系统,专注于大型企业内网资产的整理、统计和管理,可用于发现企业内网中各类基础资产信息、资产指纹以及资产间的数据流血缘关系;还提供了多维度的标签化资产列表,并发布为标签化资产目录,以满足业务提出的各类分析和应用需求的快速构建,使资产能够流动和被使用,数据能够来源于业务并最终被业务使用。

目前,“蓝图”的建设经历了四个阶段:

第一阶段,基础资产清查,需要清查资产的范围、状态、安全防控,了解主机、应用、存储、中间件、供应链、源代码、权限等相关资源。

第二阶段,清查相关资产,需要清查不同类型节点的资产之间的访问关系和关联关系。

第三阶段,血缘资产清查,需要分析数据在南北方向和东西方向的流动路径,画出资产之间的边界范围和链接血缘关系。

第四阶段,标签资产盘点,在资产数据支撑业务需求后,沉淀有针对性的数据标签,实现价值最大化。

选择这种阶梯式发展计划的一个原因是,每个阶段都是相互支持的,但每个阶段的结果都是相对独立且可交付的。好处是随着每个阶段建设的完成,每个阶段的成果可以快速交付,业务可以快速使用。例如,在“基本资产”清点阶段,主机和应用程序都可以快速交付给企业进行资产清点。基础资产清查完成后,建立主机与应用、域名、负责人的关系,以便快速进行安全应急响应和溯源定位。整个资产市场可以让业务端清晰地看到当前资产的全貌,甚至可以通过市场看到当前的安全水位、资产管理水位以及相应的风险。

血液资产库存是整个系统价值的放大器。如果前面两个节点都是后勤保障,那么第三阶段之后,蓝图将与一线保障队伍站在一个战壕里,可以直接输出数字化的“弹药”。一旦发现攻击行为,根据攻击的IP地址,安全人员可以快速定位服务器可能受到影响的主次影响区域,并根据主次影响机对应的应用级别快速评估攻击风险。

挑战和风险

虽然蓝图内部发展可谓一帆风顺,占据“天时、地利、人和”,但在实际发展中仍面临巨大挑战。

挑战一:“可以用”

没有人能够预先知道业务需要什么资产数据。

当业务端需要盘点资产时,大多数情况下,需要的资产数据是庞杂的,不仅包括定义的资产范围,还包括供应链关系、特殊中间件、小众代码框架等。数据的缺失意味着业务端无法得到有效支持。除了一个标准化的资产数据输出流程来满足大多数业务的需求,蓝图还需要一个定制的需求门户。对于业务方本身没有明确的资产数据需求的情况,需要与业务方进行详细的沟通,与业务一起了解所需的资产数据。

最后,蓝图搜索并引入或产生业务方所需的资产数据。在这个过程中,一方面满足了业务需求,另一方面填补了蓝图本身的资产数据空白。

挑战二:“敢用”

没有调用,数据就没有价值。

其实很多公司都做过资产清查,但大部分都没有“做过”。根本原因是资产数据没有“授权”,或者上游资产没有授权,导致下游业务使用不稳定。

蓝图提供的解决方案是在招标建设中投入适当的资源。依托自身的资产数据检查经验,我们沉淀了一套具有蓝图特征的可配置自动调入检查系统,并使用该系统完成了以下检查和调入工作:

基础质量监控主要包括完整性、准确性、一致性和及时性的规则配置和告警处理,其中规则分为通用规则和自定义规则。

多源交叉验证,实现了多源与资产数据链路数据的比对验证、准调用值的计算、异常数据的监控和报警处理,支持自定义SQL,满足多样化运营的交叉验证需求。

基准样本库支持样本沉淀和资产链接的使用,以及基于样本库的交叉验证和扫描验证。

手动验证过程。对于无法自动验证的东西,投入外包资源,抽取一定数量的样本,人工验证。

挑战三:“易于使用”

资产的价值不是列出来,而是经过处理的。

即使有了全面的资产数据,而且每一个资产数据都可以调用,如果只是简单的罗列,那么盘点结果也没有很高的价值。存货的价值必须体现在关联和处理的结果中。

显然,蓝图不会将自己定位为简单的资产数据堆叠平台,但如何实现1+1>2的放大效应,一直是资产清查领域的难题。蓝图的入口是血液数据。

通过血缘链接自建的代码分析能力,完成应用代码的自动分析,提取应用中的接口调用、中间件使用、DB使用等信息。结合流量、应用等信息,生成呼叫链路和数据链路的数据,既解决了南北方向边界信息的流动路径描述,又完善了东西方向应用之间的信息流动路径。

然后结合线上信息、线下信息、线下信息之间的血缘关系分析,生成血缘关系数据,掌握数据在DB中的流动路径。

最后,数据链/调用链的应用,再加上血液数据,真正实现了从界面到数据库的全方位数据流路径分析。

数据的大部分价值在于第二个用户。

蓝图在服务业务方的同时,要积极沉淀实际业务使用需求和体验,在标准化基础数据的基础上构建具有业务属性的资产标签,复用多方业务效果,实现业务治理价值的最大化。

比如在服务内容安全风险业务场景时,蓝图从技术层面用内容添加和修改逻辑来标记接口,然后根据具体的业务用途来标记接口。结合改进的逻辑,蓝图标记了其他接口。在另一个项目中,这批被标记的内容添加和修改接口可以直接作为已建立的接口范围,根据业务需要进行二次筛选,既实现了业务价值的最大化和复用,又真正做到了取之于业务,用之于业务。

驾驶安全操作

通过四个阶段的蓝图开发,依托海量资产数据,建立混合云架构下的资产清查体系,帮助业务方利用资产数据完成资产清查、风险识别等业务需求,进而提供标准化的资产使用方案,为业务方提供可靠、便捷、高效的使用渠道。

最终,阿里安全希望通过客观的资产清查,带动阿里安全的建设。蓝图就像人体静脉图一样,可以通过清晰的资产清查主动发现风险问题,成为帮助各保障单位进行有效安全运营的手段。

 
友情链接
鄂ICP备19019357号-22