不解密数据竟也能识别TLS加密的恶意流量?

加密一直都是保护用户通讯隐私的重要特性，可如果恶意程序在传播过程中也加密的话，对这样的流量做拦截感觉就麻烦了很多。谈到加密，TLS(Transport Layer Security Protocol，传输层安全协议)就是当前使用非常广泛的协议：国外部分研究机构的数据显示，已有至多60%的网络流量采用TLS，当然也包括一些恶意程序(虽然大约只有10%)。

[[168490]]

来自思科的一组研究人员最近研究出一种方法，不需要对这类流量进行解密，就能侦测到采用TLS连接的恶意程序，是不是感觉有点小神奇?

TLS协议

这是怎么做到的?

思科已经公开了这份研究报告，题为《辨认使用TLS的恶意程序(无需解密)》(英文其实表达得更为准确，名为”Deciphering Malware’s use of TLS”)。我们比较笼统地归结原理，其实是TLS协议本身引入了一系列复杂的数据参数特性——这些特性是可以进行观测检查的，这样自然就能针对通讯双方做出一些合理的推断。

这份报告中有提到：“通过这些特性，我们可以检测和理解恶意程序通讯方式，与此同时TLS本身的加密属性也能提供良性的隐私保护。”听起来似乎还是比较理想的新技术——在不需要对流量进行解密的情况下就达成流量安全与否的判断，的确具备很大意义。

为此，思科大约分析了18个恶意程序家族的数千个样本，并在企业网络中数百万加密数据流中，分析数万次恶意连接。整个过程中，网络设备的确不对用户数据做处理，仅是采用DPI(深度包检测技术)来识别clientHello和serverHello握手信息，还有识别连接的TLS版本。

“在这篇报告中，我们主要针对433端口的TLS加密数据流，尽可能公正地对比企业一般的TLS流量和恶意TLS流量。为了要确认数据流是否为TLS，我们需要用到DPI，以及基于TLS版本的定制signature，还有clientHello和serverHello的信息类型。”

“最终，我们在203个端口之上发现了229364个TLS流，其中443端口是目前恶意TLS流量使用最普遍的端口。尽管恶意程序端口使用情况多种多样，但这样的情况并不多见。”

不仅如此，据说他们还能就这些恶意流量，基于流量特性将之分类到不同的恶意程序家族中。“我们***还要展示，在仅有这些网络数据的情况下，进行恶意程序家族归类。每个恶意程序家族都有其独特的标签，那么这个问题也就转化为不同类别的分类问题。”

“即便使用相同TLS参数，我们依然就够辨认和比较准确地进行分类，因为其流量模式相较其他流量的特性，还是存在区别的。我们甚至还能识别恶意程序更为细致的家族分类，当然仅通过网络数据就看不出来了。”

实际上，研究人员自己写了一款软件工具，从实时流量或者是抓取到的数据包文件中，将所有的数据输出为比较方便的JSON格式，提取出前面所说的数据特性。包括流量元数据(进出的字节，进出的包，网络端口号，持续时间)、包长度与到达间隔时间顺序(Sequence of Packet Lengths and Times)、字节分布(byte distribution)、TLS头信息。

其实我们谈了这么多，还是很抽象，整个过程还是有些小复杂的。有兴趣的同学可以点击这里下载思科提供的完整报告。

分析结果准确性还不错

思科自己认为，分析结果还是比较理想的，而且整个过程中还融合了其机器学习机制(他们自己称为机器学习classifiers，应该就是指对企业正常TLS流量与恶意流量进行分类的机制，甚至对恶意程序家族做分类)，正好做这一机制的测试。据说，针对恶意程序家族归类，其准确性达到了90.3%。

“在针对单独、加密流量的识别中，我们在恶意程序家族归类的问题上，能够达到90.3%的准确率。在5分钟窗口全部加密流量分析中，我们的准确率为93.2%(make use of all encrypted flows within a 5-minute window)。”