吴登辉表示，本次分享是站在一个甲方的角度，详细的阐述了利用大数据安全分析技术对百度Web防火墙的海量日志包括访问日志和拦截日志进行多角度分析，带大家感知未知Web攻击，并为其他安全产品提供情报支持。
安全运维体系里最常见的四大痛点
透过百度的安全体系建设，安全建设之困主要有主动漏洞发现、WAF和IPS做的攻击阻断、IDS做的攻击检测、XSRC或者Wooyun做的漏洞报告四方面的痛点。
主动漏洞发现。主动漏洞发现扫描器到底能发现多少个漏洞，这是个未知答案。因为存在身份认证和扫描器URL不全问题。对于一些需要身份认证的扫描页面，假如用户是一条删除记录的操作，扫描很可能给线上业务带来伤害。如果在公司用扫描器时，带上身份认证进行登录的形式，很有可能造成线上数据一团糟。 扫描器UIL为什么不全，是因为有很多URL不一定爬虫能够爬到，是受限于爬虫的。
攻击阻断。不要以为发布WAF和IPS就不备受攻击，使用WAF不是百分之百解决你的问题，它只是使你的黑客攻击更加困难了而已。黑客只要想攻击，他还是有办法的。
攻击检测。传统的攻击检测是上了一台设备，做了攻击检测，运维人员应都有感受。当Web黑客用扫描器时，如遇某种情况，扫描器会触发一千多条报警，面临运维人员每天面临这样几千条报警，放弃是必然。
漏洞报告。感觉利用XSRC能够能够拦截到攻击，不被发现。真实情况是在被黑以后，黑客怕被警察抓，就在黑完之后，在Wooyun上发报告，以显示自己是一个白帽子。但是他在你网站上做了什么事情，并无人知晓。
从入侵检测角度谈大数据安全
了解综上这些甲方苦逼运维人员的痛苦之后，我们从从一个入侵检测角度来谈大数据安全。吴登辉表示，入侵检测并不是针对一条报警，画一个攻击图，说哪个IP在哪个地方攻击你，展示在大屏幕上里，这样做并没有实际意义。而是通过从海量数据中发现一些传统设备发现不了的问题，同时解决某些问题，如解决海量报警的问题。下面将从入侵监测角度从数据采集、数据分析、基础架构、数据分析实践四方面谈大数据安全。
数据采集。数据采集也要讲究方法，如把所有系统的数据全部采集过来那是采集狂魔。如只采集系统已有的数据放在集群上是采集懒人。安全数据采集是要有针对性的采集数据，甚至需要开发特定的采集探针，有效的数据会保证你最后的分析事半功倍。
按攻击树和Cyber kill Chain采集数据
可按照攻击树和Cyber kill Chain来采集数据，构建攻击场景。黑客到底有多少攻击手法，来攻击我们，在这条攻击路径上的所有日志，都可以采集来。
数据分析。通过机器学习发现异常，但异常的结果会比较多。其次要人工标定分析，人工标定分析就可以产出一个规则情报，之后将规则情报反馈给分析系统，会产生更多的信息。这个流程其实是一个闭环的，情报是通过我们学习发现异常里面出现的，并且通过分析师分析得出。最终规则情报是反馈给现有分析系统。
基础架构。如上图，大数据有很多种系统架构，吴登辉表示，真正的系统架构应该是可以实现交互式搜索，情报易集成可动态配置，支持机器学习模型训练以及支持实时模型调用。
分析实践。为了发现绕过Web防火墙的攻击行为，并提取攻击情报，包括扫描器payload恶意攻击IP等。需要从HTTP请求的各个角度，PATH, QUERY, UA, SESSION等多个维度进行分析。并采用基于统计、机器学习，对PATH，QUERY，SESSION等建立模型的分析方法。包括：参数分布，请求频率，SESSION请求宽度，404比例等。分析实践有QUERY模型、PATH模型和SESSION模型。
实践的效果
吴登辉在分享接近尾声时，分享了实践效果。他说到：“日输入数据是3T多，这边是保守的数据，这是去年一开始3T，现在已经接了安全网的数据，其实是不止3T的。产出的异常，就是3T日志里面异常是十几兆，经过进一步剥离发现是千条。WAF总共50条规则，给WAF增加了十几条规则。同时又改善了WAF十几条规则，也就是说你可以认为WAF大部分规则都被我们这个系统调整过。另外一个发现众多绕过WAF的Webshell，发现很多有趣的payload”。
讲师简介：
吴登辉，百度高级安全工程师。历经安全运维，安全测试，安全开发。对企业安全体系建设，以及安全大数据分析具有较为深入的了解。曾就职于华为，负责二进制方面的漏洞挖掘工作。入职百度后，曾负责web安全测试、移动app安全评估以及一些安全规范安全体系的建立等，也参与了百度安全中心的建立。目前，主要负责web日志的安全分析。
