安恒发布APT攻击(网络战)预警平台

安恒信息近日发布APT攻击(网络战)预警平台，该平台可识别恶意行为，发现未知威胁，直击新型网络攻击。

APT进攻是我们目前所能见识过的最危险的攻击之一。据国外权威信息安全结构统计，该类型攻击增长的趋势呈指数级发展。从2003年开始崭露头角，2008年开始攻击次数一路直线上升，并且目标明确、持续性强、具有稳定性。它利用程序漏洞与业务系统进行融合，不易被察觉，并且有着超常的耐心，最长甚至可达七年以上，不断收集用户信息。发起APT攻击所需的技术壁垒和资源壁垒，要远高于普通攻击行为。其针对的攻击目标也不是普通个人用户，而是拥有高价值敏感数据的高级用户，特别是可能影响到国家和地区政治、外交、金融稳定的高级别敏感数据持有者、 甚至各种工业控制系统。

　　如2011年RSA攻击事件。攻击者给RSA的母公司EMC的4名员工发送了两组恶意邮件，附件名为“2011 Recruitment plan.xls”;其中一位员工将其从垃圾邮件中取出来阅读，被当时最新的Adobe Flash的0day漏洞命中。该员工电脑被植入木马，开始从BotNet的C&C服务器下载指令执行任务。首批受害的使用者并非“位高权重”人物，紧接着相关联的人士包括IT与非IT等服务器管理员相继被黑。RSA发现开发用服务器(Staging server)遭入侵，攻击方立即撤离，加密并压缩所有资料并以FTP传送至远程主机，随后清除入侵痕迹。

　　其威胁从以上举例可见一斑，同时，从下图，我们可以看到APT攻击从2008年开始放量增长，并呈指数级上升趋势。

　　多路径攻击需要预警平台全方位防护

　　APT攻击的威胁已经不单单是一个病毒，经常伴有恶意程序、黑客攻击以及垃圾邮件等多种威胁。

　　通过对APT攻击进行大量分析，我们发现绝大多数大攻击通过3条路径对目标发起攻击：

　　1. 通过发送带恶意附件邮件，利用恶意附件在员工电脑种植入后门，再通过员工电脑进行进一步带渗透

　　2. 直接攻击Web服务器，由于Web服务器经常存在严重的安全漏洞，所以黑客经常对Web服务器进行攻击，然后再利用Web服务器为跳板，对内部网络发起攻击

　　3. 使用欺骗或流量截获对方式直接对员工服务器发起攻击，利用员工电脑对内部网络发起攻击

　　在APT攻击中， 使用0day对目标进行攻击非常常见，由于没有已知的特征所这些攻击很难被传统对检测手段发现。 而APT攻击检测设备的一个主要目标就是需要能够检测到0day攻击。静态检测无法检测到深度多攻击行为，而动态检测由于存在大量环境组合无法穷举，无法触发所有多行为。所以不应该使用任何一种单独的方法对目标进行检测。

　　通过关联分析应对APT攻击是必由之路

　　APT攻击中，由于黑客可能尝试多种路径进行攻击，所以无法使用一种方法就能有效的检测出APT攻击。我们需要利用多种检测手段结合，并进行综合分析发才能更有效的发现APT攻击，常用的检查步骤为(见下图)：

　　1. 针对Web、邮件、传输的文件进行的攻击检测

　　2. 综合这些攻击的数据分离可疑文件、攻击流量

　　3. 对Web行为模型进行建模和统计分析

　　4. 对文件进行静态分析和动态运行分析

　　5. 综合各种攻击路径中对告警，进行综合分析

　　6. 最终发现APT攻击

　　常见的检测方法有：

　　1、深度协议解析

　　利用各种检测手段发现其中的恶意攻击及0day攻击。 目前解析的协议包括HTTP、SMTP、POP、FTP等。

　　APT攻击预警平台能检测和预警一系列的攻击，无论是已知的或未知的，并能够阻止那些最常见的攻击。如：基于Web的恶意攻击、基于文件的恶意攻击、基于特征的恶意攻击等。

　　2、 WEB应用攻击检测

　　该平台能解码所有进入的请求，检查这些请求是否合法或合乎规定;仅允许正确的格式或RFC遵从的请求通过。已知的恶意请求将被阻断，非法植入到Header、Form 和URL中的脚本将被阻止，能够阻止那些的攻击如跨站点脚本攻击、缓冲区溢出攻击、恶意浏览、SQL注入等。

　　3、邮件攻击检测

　　对邮件协议进行深度分析，记录并分析每个邮件，并对其中的附件进行分析并检测，发现其中的安全问题。通过对附件进行对已知攻击特征的扫描、未知攻击漏洞的扫描和动态分析的方式进行测试，发现其中的攻击。

　　4、文件攻击检测

　　安恒通过长期的研究，总结并提权各类0day攻击的特点。在网络流量中分析关心的文件。通过快速检测算法，对目标文件进行检测，发现其中的0day攻击样本。

　　通过检测目标文件中的shellcode以及脚本类文件中的攻击特征，并结合动态分析技术可以有效检测0day攻击行为。

　　5、流量分析检测

　　APT通常会结合人工渗透攻击，在人工渗透攻击中经常使用扫描或病毒扩散的过程。这些过程中，通常会产生大量的恶意流量。利用这些恶意流量特征，能检测攻击行为。