肯睿中國Cloudera：網(wǎng)絡(luò)安全威脅激增，數(shù)據(jù)使用需更加謹慎

網(wǎng)絡(luò)犯罪分子是指那些故意從事網(wǎng)絡(luò)惡意活動的個人或團體。通過黑客攻擊、網(wǎng)絡(luò)釣魚等手段意圖破壞我們的系統(tǒng)、網(wǎng)絡(luò)或數(shù)據(jù)。他們的動機多樣，包括經(jīng)濟利益、政治意識形態(tài)、怨恨、復(fù)仇等等。

近年來，網(wǎng)絡(luò)安全威脅呈現(xiàn)爆炸式增長。IBM的威脅情報報告將網(wǎng)絡(luò)釣魚、利用公開應(yīng)用和利用遠程服務(wù)列為三種最常見的攻擊或威脅手段。在這些安全威脅所帶來的后果中，五個最嚴(yán)重的分別是敲詐勒索、數(shù)據(jù)盜竊、憑證竊取、數(shù)據(jù)泄露和品牌聲譽受損，超過40%的影響與數(shù)據(jù)直接相關(guān)。

但正如該報告中所述，網(wǎng)絡(luò)犯罪的數(shù)量和惡意破壞者的規(guī)模是根據(jù)不完善的數(shù)據(jù)估算的。由于網(wǎng)絡(luò)犯罪分子的類別差異、數(shù)據(jù)集零散且類型繁多以及信息不透明等因素，實際的網(wǎng)絡(luò)犯罪數(shù)量和規(guī)模一定遠超報告所顯示的數(shù)量。

在主要的垂直行業(yè)中，制造業(yè)、金融服務(wù)和保險業(yè)以及專業(yè)和消費者服務(wù)行業(yè)受到的攻擊最多。消費行業(yè)中的敏感個人身份信息（PII）數(shù)據(jù)在想要通過數(shù)據(jù)牟利的威脅者眼中就是一塊“肥肉”。而制造業(yè)的流程和供應(yīng)鏈一旦中斷，就會導(dǎo)致重大經(jīng)濟損失，使得勒索的威脅程度急劇上升。

根據(jù)世界經(jīng)濟論壇的預(yù)測，到2025 年，網(wǎng)絡(luò)犯罪造成的損失將達到10.5萬億美元，包括對商業(yè)部門的威脅行為和對關(guān)鍵公共基礎(chǔ)設(shè)施發(fā)起的協(xié)同攻擊所造成的影響。因此，網(wǎng)絡(luò)安全，特別是數(shù)據(jù)保護受到企業(yè)高管和政府領(lǐng)導(dǎo)人的高度重視。

網(wǎng)絡(luò)犯罪的類型和示例

我們可以將網(wǎng)絡(luò)犯罪分子的行為和動機分為三個方面：訪問途徑、目標(biāo)行動和影響。

訪問途徑指網(wǎng)絡(luò)犯罪分子獲得系統(tǒng)或資源訪問權(quán)限的途徑。最常見的途徑是通過電子郵箱發(fā)送魚叉式網(wǎng)絡(luò)釣魚郵件，此類郵件通常附有一個惡意軟件附件或嵌入外部惡意軟件的鏈接。人類因此成為整條安全鏈中最薄弱的環(huán)節(jié)，也是網(wǎng)絡(luò)犯罪分子訪問系統(tǒng)和網(wǎng)絡(luò)的首選途徑。

第二大常見的訪問途徑是利用公開應(yīng)用。網(wǎng)絡(luò)應(yīng)用讓我們能夠越來越方便地訪問那些必要但高度敏感的信息，如手機銀行、醫(yī)療記錄、企業(yè)信息等。企業(yè)和政策制定者仍需要在訪問數(shù)據(jù)和服務(wù)的便捷性、服務(wù)的敏感性，以及訪問途徑的規(guī)模和數(shù)量之間取得平衡。軟件漏洞或配置錯誤都可能導(dǎo)致對公眾開放的應(yīng)用被入侵。被入侵的應(yīng)用通常包括網(wǎng)絡(luò)和應(yīng)用服務(wù)器，或是無意中暴露在互聯(lián)網(wǎng)上的數(shù)據(jù)庫和網(wǎng)絡(luò)服務(wù)。

一旦網(wǎng)絡(luò)圍著犯罪分子通過初始訪問途徑獲得訪問權(quán)限后，就會利用這一優(yōu)勢獲得更多的資源訪問權(quán)限或采取行動。最常見的行動包括安裝惡意軟件（后門和勒索軟件）、訪問服務(wù)器和遠程工具以及入侵商業(yè)電子郵件。勒索軟件攻擊的目標(biāo)并不局限于個人或企業(yè)數(shù)據(jù)，還可能包括破壞企業(yè)的網(wǎng)絡(luò)服務(wù)，比如身份驗證、授權(quán)、虛擬計算、存儲和網(wǎng)絡(luò)等。2019年，勒索軟件的平均部署時間為兩個月，到2021年僅為四天，縮短了94%。網(wǎng)絡(luò)犯罪不僅在數(shù)量上明顯增長，其利用漏洞和獲取大量敏感數(shù)據(jù)的速度也變得更快。

基因檢測公司23andMe是2023年重大數(shù)據(jù)泄露事件的受害者之一，其690萬用戶的血統(tǒng)信息遭遇泄露。這家提供客戶DNA信息的基因檢測公司表示，數(shù)據(jù)泄露是由于客戶重復(fù)使用密碼造成的。這使得黑客通過使用其他公司數(shù)據(jù)泄露事件中公開的密碼，對受害者的賬戶進行暴力破解。雖然有人會說，可以通過應(yīng)用的身份驗證服務(wù)和暫時中止賬戶，檢測出密碼暴力破解行為以阻止網(wǎng)絡(luò)犯罪分子，但這可能會在無意中導(dǎo)致賬戶受到攻擊的用戶無法使用服務(wù)。雖然重復(fù)使用密碼是用戶造成的問題，但可公開訪問的應(yīng)用，尤其是那些可能暴露敏感數(shù)據(jù)的應(yīng)用還是應(yīng)該強制使用雙重身份驗證來防范此類暴力破解攻擊。

另一個受害者是英國皇家郵政服務(wù)。2023年1月發(fā)生的一起勒索軟件攻擊導(dǎo)致向英國境外發(fā)送信件或包裹的工作中斷數(shù)月，還致使敏感數(shù)據(jù)被盜，包括技術(shù)信息、人事和員工紀(jì)律處分記錄、工資和加班費明細，甚至一名員工的新冠疫苗接種記錄。

對澳大利亞來說，不僅2022年是個多事之秋，Optus以及Medibank Private和AHM都遭遇了重大的數(shù)據(jù)泄露事件。2023年也并非風(fēng)平浪靜，Latitude financial的數(shù)據(jù)泄露事件備受關(guān)注。此次數(shù)據(jù)泄露事件涉及約1400萬條記錄，包括Latitude客戶的駕照和護照號碼。

2023年，中國的數(shù)據(jù)泄露事件也頻頻發(fā)生。2月，中國廈門某科技公司信息系統(tǒng)被黑客攻擊，超百萬條用戶信息泄露。通過售賣這些個人信息，黑客團伙非法非法獲利約40萬元。同年8月，南昌某高校發(fā)生大量數(shù)據(jù)泄露案件，當(dāng)?shù)鼐綄π７教幰?5萬元罰款。

數(shù)據(jù)泄露事件中絕大多數(shù)被盜的信息都是個人身份信息，這些信息包含了姓名、地址、社保賬號、駕照、護照、醫(yī)療數(shù)據(jù)、信用卡和密碼等。被盜的信息會被網(wǎng)絡(luò)犯罪分子掛到暗網(wǎng)或其他論壇上出售，以對目標(biāo)實施進一步的行動。

所以這就是為什么管理機構(gòu)、監(jiān)管部門和政策制定者要對個人身份信息的存儲和處理進行高度監(jiān)管，并出臺歐盟《通用數(shù)據(jù)保護條例》（GDPR）、美國《加州消費者隱私法案》（CCPA）和《健康保險可攜性和責(zé)任法案》（HIPAA）等法律。

雖然部分數(shù)據(jù)泄露事件可能是因為企業(yè)未能遵守法規(guī)和政策規(guī)定而造成的，但更多數(shù)據(jù)泄露事件是由于網(wǎng)絡(luò)犯罪分子悄無聲息地獲得了用戶賬戶或服務(wù)訪問權(quán)限。后者只有通過異常行為或者當(dāng)網(wǎng)絡(luò)犯罪分子向個人或企業(yè)發(fā)出錢財勒索要求時才能發(fā)現(xiàn)。

隨著訪問途徑的增加以及企業(yè)的日益分散和復(fù)雜化，檢測異常行為變得越來越困難。行為模型越來越依賴于機器學(xué)習(xí)（ML）模型，以用于從大量數(shù)據(jù)中檢測出復(fù)雜模式。例如，安全信息事件管理 （SIEM）系統(tǒng)越來越多地使用從復(fù)雜的互聯(lián)系統(tǒng)和設(shè)備網(wǎng)絡(luò)中收集的實時數(shù)據(jù)和特征工程。這就要求對實時數(shù)據(jù)進行采集、過濾和引導(dǎo)，以實現(xiàn)異常檢測。這通常包含時序特征工程、規(guī)范化數(shù)據(jù)、利用網(wǎng)絡(luò)或地理位置數(shù)據(jù)來豐富數(shù)據(jù)，以及識別和跟蹤首次發(fā)生的相關(guān)事件等措施。針對復(fù)雜網(wǎng)絡(luò)和系統(tǒng)的協(xié)同攻擊可能會持續(xù)很長時間，而且網(wǎng)絡(luò)犯罪分子會設(shè)法獲得寶貴的信息來加強未來攻擊的“火力”。

總結(jié)

數(shù)據(jù)和數(shù)據(jù)相關(guān)服務(wù)的訪問途徑數(shù)量及價值正在增加，隨之增加的還有網(wǎng)絡(luò)攻擊的數(shù)量。如果不能抵御這些攻擊，就可能會導(dǎo)致后續(xù)代價高昂的補救工作、關(guān)鍵流程中斷、不可挽回的品牌形象受損以及行業(yè)監(jiān)管機構(gòu)的罰款。

企業(yè)必須在及時提供數(shù)據(jù)服務(wù)訪問權(quán)限的需求與防御網(wǎng)絡(luò)犯罪分子之間取得平衡。另外，檢測合法用戶的異常行為也至關(guān)重要，因為這些異常行為可能表明該賬戶已被入侵。限制數(shù)據(jù)和系統(tǒng)的訪問權(quán)限、記錄訪問或試圖訪問系統(tǒng)的情況將發(fā)揮越來越重要的作用。利用不斷發(fā)展的ML模型近乎實時地做到這一點，將成為企業(yè)在未來保護自身安全的一項基本能力。