DEEPCASE Semi-Supervised Contextual Analysis of Security Events - Notes

DEEPCASE Semi-Supervised Contextual Analysis of Security Events - Notes

tags: Meeting Paper NTU

:::info Van Ede, T., Aghakhani, H., Spahn, N., Bortolameotti, R., Cova, M., Continella, A., … & Vigna, G. (2022, May). Deepcase: Semi-supervised contextual analysis of security events. In 2022 IEEE Symposium on Security and Privacy (SP) (pp. 522-539). IEEE. :::

Background

What is NSM(Network Security Monitors)?

NSM主要目的是偵測、找出入侵者,提高能見度。它建立在「我們一定會被攻擊,而且最終防禦一定會被突破」的思惟上。假設意志堅決的駭客最終打穿我們辛苦建立的防禦,但只要能在入侵者進一步破壞、感染系統前偵測、做出回應,讓入侵者無法達到目的,便能阻擋這波攻擊

NSM不是等接收IDS/IPS等等資安設備觸發警示後才開始收集,而是平時便預先主動收集資料,提供NSM平台審視、分析,強化可見度,主動找出入侵軌跡

What is IDS(Intrusion Detection Systems)? 入侵偵測系統(Intrusion Detection System,IDS)是用來偵測資訊系統或網路上潛在的惡意破壞活動

  • 網路型入侵偵測系統(NIDS):主要是由一個或多個偵測器,加上收集與分析資料的主控臺所組成,可以分析每個通過的網路封包,並與已知的攻擊特徵進行比對,如果符合某項攻擊特徵,系統就會啟動防護機制,例如發簡訊或命令防火牆中斷該連線。
  • 主機型入侵偵測系統(HIDS):是從主機系統稽核日誌檔演進而來,必須在主機上安裝代理程式﹙Agent﹚,負責監視主機內部的程序,並監控記錄檔與可疑活動,若有任何系統事件都會被記錄至日誌檔,並與攻擊特徵資料庫比對,判斷主機是否遭到攻擊
  • 誘捕型入侵偵測系統(Deception Systems):目的是偵測未經授權的活動,任何進出誘捕系統的封包都會被認定是可疑的。但它卻是受到爭議的產品,有些廠商認為誘捕型系統只適合學術研究,因為它誘導駭客上勾,因此收集的證據無法用來起訴駭客

    Basic security event checking workflow

    graph TD;
    NSM/IDS-->SOC;
    SOC-->lower_tier_security_operators;
    lower_tier_security_operators-->senior_security_operators;
    

什麼是 SSL/TLS 憑證?

SSL/TLS 憑證是一種數位物件,允許系統驗證身分並隨後使用 Secure Sockets Layer/Transport Layer Security (SSL/TLS) 協定,與另一個系統建立加密網路連線。憑證是在稱為公開金鑰基礎設施 (PKI) 的加密系統內使用。如果雙方都信任第三方 (稱為憑證授權單位),PKI 會使用憑證讓其中一方建立另一方的身分。因此,SSL/TLS 憑證可作為數位身份證,用於保護網路通訊安全,以及為網際網路上的網站和私有網路上的資源建立身分。


What is SIEM(Security Information and Event Management)

SIEM的功能和一般日誌管理工具類似,都會將來自不同伺服器和設備的日誌和事件紀錄集中在一個地方 (通常是Log server伺服器本身硬碟或特定的儲存池Storage pool),避免日誌和紀錄隨著機器故障遺失,符合稽核要求,可以進行關鍵字或日期查詢,所以也有人直接用日誌管理工具來進行分析 功能

  • 彙整、解讀多項系統設備日誌
  • 資料圖形化
  • SIEM具備強大的比對Correlation 功能 e.g.帳號登入失敗、創建新帳號、帳號權限提升等等可能是攻擊行為也可能是網管的正常登入,要看一連串的流量或封包資料才能判斷$\to$耗費人力
  • 整合其他資安工具或資安服務

What is URI

URI 可以:

  1. 單獨表示 URL
  2. 單獨表示 URN
  3. 兩者兼具 e.g. https://www.example.com.tw/index.html urn:isbn:9780132350884

Model Background NTU ADL - Attention Mechanism 注意力機制 NTU ML - 自注意力機制 (Self-attention) (上) NTU ML - 自注意力機制 (Self-attention) (下) NTU ML - 自編碼器 (Auto-encoder) (上) – 基本概念 NTU ML - 自編碼器 (Auto-encoder) (下) GRU VS LSTM


Model Trick Label Smooth KL Divergence DBSCAN


Experience Metrics Precision, Recall, F1-score, Accuracy Homogeneity Score


About Attack Bladabindi