CCIA网安产业联盟 - 威胁狩猎发展研究及政策建议
每一次威胁狩猎活动都可以拓展其发现能力，进而使得狩猎能够发现更广泛更多样的攻击。
摘自：《网络安全技术和产业动态》2022年第3期，总第21期。
威胁狩猎（Threat Hunting）是指借助威胁数据、分析技术和专家经验，主动搜索、识别网络中未知威胁的过程，其核心思想是假设存在威胁，并开展主动和持续的搜索发现，以缩短发现攻击者踪迹所需时间和提高响应处置能力。
威胁狩猎是一个持续性、闭环的主动防御过程。狩猎团队基于网络中的异常情况，以安全假设作为狩猎的起点，借助工具、分析技术和攻击框架展开调查发现新的TTP（战术、技术和过程，Tactics Techniques Procedures，是描述APT组织及其攻击的重要指标）。除触发事件响应外，威胁狩猎会将新的TTP添加到分析平台或者安全管理平台。每一次威胁狩猎活动都可以拓展其发现能力，进而使得狩猎能够发现更广泛更多样的攻击。
发展情况
随着网络攻击技术的演进，攻击者不断更新武器库，使用无文件攻击、高级持续性威胁（Advanced Persistent Threat，APT）攻击等手段绕过现有的防御体系，进行隐秘攻击。未知威胁具有攻击手段多、驻留时间长、检测难度高等特点。网络攻击者也趋于组织化、军事化，攻击技术趋于专业化、武器化，攻击动机趋于经济化、政治化。
传统的安全解决方案是先部署安全防护设备，后根据报警信息进行分析和处置，这种方案能够比较好地防御已知攻击，但是对于未知威胁、甚至已经入侵成功并在系统中驻留的攻击缺乏有效发现手段。因此，防御者只有从以往的被动响应转向主动发现，通过不断学习攻击者的攻击手段，主动分析查找入侵痕迹，才能缩短攻击者的驻留时间，最大程度的减少攻击者对组织的危害。
2011年，时任通用电气计算机事故响应小组（General Electric Computer Incident Response Team，GE-CIRT）总监Richard提出需要使用一种基于主动检测和响应的创新方法来应对未知威胁，即威胁狩猎。该方法由安全专家组织狩猎团队，通过数据和自动化分析寻找攻击者踪迹，并将其纳入分析流程中。威胁狩猎提出后引起行业浓厚兴趣，尽管在威胁狩猎的定义、目的等方面存在不同的观点，但行业内基本认同威胁狩猎是一种基于假设、验证和测试，寻找未知威胁的迭代安全分析方法。
目前，威胁狩猎已形成一些方法论和理论框架，相关机构/公司已推出体系化的威胁狩猎工具集、平台和服务，如MITRE、JPCERT/CC和Sqrrl等机构/公司创建了狩猎方法及相应的狩猎平台。此外，活跃的开源社区提供了能够拓展开发的初步体系架构，包括：Splunk App Threat Hunting和HELK为代表的开源威胁狩猎平台，Kestrel为代表的威胁狩猎编程语言，以及其他数据收集、分析和威胁模拟工具。
威胁狩猎过程可划为六个步骤
威胁狩猎活动由“假设”所驱动，并且是针对具体特定目标进行的，这种假设有三种来源：数据分析、关键资产分析和情报分析。从实施角度看，一次威胁狩猎过程可划为六个步骤：
- 目的确认，明确狩猎的目的和预期的结果；
- 范围确认，明确目标、数据、技术手段和假设用例；
- 技术准备，明确数据、产品和威胁情报的使用；
- 计划审查，评审2、3步工作内容；
- 执行阶段，利用攻击工具和技术，明确攻击者TTP；
-
狩猎能力分为五个层级
为帮助组织机构建设和评价自身的威胁狩猎能力，Sqrrl的首席威胁猎人（David J. Bianco）提出了威胁狩猎成熟度模型（Hunting Maturity Model）。该模型将组织机构的狩猎能力分为五个层级：
起步级：围绕IDS、SIEM等自动报警系统开展，但不主动的收集数据；
- 基础级：有一定的威胁情报处理和数据收集能力；
- 程序级：能依据别人的狩猎模型开展数据采集和分析，能判断出简单的恶意行为或活动；
- 创新级：具备制定威胁狩猎模型和数据采集、分析过程的能力，能开展高级数据分析、数据可视化以及机器学习等工作；
- 领先级：能在创新级的基础上实现自动化改进现有数据分析方法，具备高水平的数据自动化收集能力。
尽管威胁狩猎是安全行业新兴主题，但超过88%的组织认同“威胁狩猎应该是顶级安全方案”（根据Cybersecurity Insiders《2021 Threat Hunting Report》披露的数据）。威胁狩猎具备威胁发现能力优势：SIEM提供基础的安全信息与安全事件的日常性操作与管理能力；SOAR提供日常性操作与管理基础上的安全编排与自动化以及响应能力；威胁狩猎则提供针对某一特定威胁的深度挖掘和识别能力。
目前，国内厂商也正在积极提供威胁狩猎的产品和服务，也出现了利用威胁狩猎方法识别出未知威胁的案例。
发展难点
自动化程度是衡量威胁狩猎成熟度的标准，也是影响狩猎效果和执行效率的决定因素，从手工狩猎演进到自动化狩猎是安全团队面临的挑战。威胁狩猎是主动安全防御的建设重点，开展威胁狩猎活动的三要素是人员（猎人）、流程（狩猎的步骤）、技术和工具（产品和服务），存在以下发展难点：
威胁猎人稀缺，培养难度大
嗯？谁在叫我？😎
威胁猎人无论在组织内部还是外部的安全厂商都是稀缺资源，而国内的威胁狩猎处于起步阶段，通用的自动化流程和分析模型积累不够，不足以建立一套完善的威胁狩猎引导程序配合培训工作，以提高威胁猎人的培养效率。
威胁狩猎流程自动化能力不足
机器学习技术能够帮助威胁狩猎发挥重要作用，但目前机器学习在威胁狩猎上的应用尚不成熟，缺乏流程自动化能力，而具备流程自动化能力是威胁狩猎能力成熟的重要标志。
机器学习和自动化分开的吧🧐
高效的数据收集方法缺乏
开展威胁狩猎活动需要海量数据驱动，而目前的数据收集来源繁杂，无效数据多，数据存储位置、格式不统一，对威胁狩猎工具造成了极大的性能负担，大大降低了威胁狩猎的效率。
产业落地情况
落地到产品和服务，威胁狩猎目前主要围绕三类产品和服务开展：SIEM（Security Information Event Management，安全信息与事件管理平台）类产品、终端安全类产品、MDR（Managed Detection and Response，托管检测和响应服务）类产品。
国外产业情况
SIEM类产品
SIEM厂商往往以威胁狩猎作为下一代SIEM的主要功能之一，其中的代表有IBM、Splunk、Logrhythm、Securonix、Exabeam等，主要特点是基于大数据能力，结合威胁情报，再通过可视化工具完成威胁狩猎。
终端安全类产品
鉴于终端是威胁高发地和攻击的最终落脚点，基于终端安全类产品的威胁狩猎将成为主流，代表厂商有Crowdstrike、Cylance、Cybereason、Carbon Black、Endgame、SentinelOne等。
MDR类产品
提供威胁狩猎产品的厂商基本都提供MDR服务，以Red Canary为例，基于Carbon Black产品，提供终端数据收集、建立假设、狩猎验证、用例开发、威胁检测、验证等服务。
国内产业情况
在国内，青藤云安全、亚信安全等公司已上市终端安全类的威胁狩猎产品，以终端安全产品为基础，映射ATT&CK框架，来检测零日漏洞和主动识别潜在威胁。此外，绿盟科技、默安科技等推出了基于高交互式蜜罐产品结合专家服务，采用欺骗防御技术，对攻击威胁进行诱捕，以实现攻击者画像和攻击溯源。目前，国内暂无成熟的SIEM和MDR类的威胁狩猎产品和服务。
意见和建议
目前，威胁狩猎被业内认为是最有效的主动防御解决方案之一，可以提高用户应对未知威胁的能力，但由于威胁狩猎的准确性和即时性取决于数据的来源和质量，只有具备足够的攻击信息和数据积累，才能实现自动化分析的高成熟度狩猎过程。建议从以下几方面推动威胁狩猎产品落地和应用推广：
加强人才队伍建设
威胁狩猎对人员综合能力要求较高，需具备威胁情报、安全分析、数据科学和安全运营等相关技术经验，还需熟悉组织内部相关系统、工具、流程等管理知识。应鼓励安全机构开展网络安全分析人才培养，并逐步建立一套全面的威胁狩猎实操培训课程，提高威胁猎人培训效率。
抓紧制订威胁狩猎成熟度评估规范和实施指南
可以预见，威胁狩猎成熟度不仅是衡量组织安全能力的重要指标，也能够引导组织进一步做好安全防护工作。制订相关评估规范和实施指南可以大力推动威胁狩猎的落地和发展，从而有效提高行业整体安全水平。
加强数据收集能力建设
加快制定和应用威胁数据格式规范，分层分级建设威胁情报共享平台。统一格式的日志和事件信息有利于进行威胁狩猎数据收集、共享和使用，可以提高威胁狩猎效率和质量，也有利于产业的协同发展。
若有收获，就点个赞吧
0 人点赞
