資安分析系統
智慧型入侵偵測系統之封包分析平台
實習單位 : 網際運算實驗室 指導教授 : 陸承志老師 分組代碼 : ZC
組員 :1081714王思詠 1081737陳幼恩 1081738李佳宜
動機與目的
駭客入侵事件在近年來有逐年上升的趨勢,政府機關與民營企業面臨之資安威脅與日俱增,
根據資料顯示,政府機關每月平均會遭受外境約2億次掃描且3000萬次攻擊(行政院資通安全處,2019),
相較於往年,受到攻擊頻率極高且有個人資料外洩疑慮。整體威脅種類分析中(行政院國家資通安全會報技術服務中心,2021),3月占比最高為入侵攻擊類(37%),其次為掃描刺探類(26%)、4月占比最高為入侵攻擊類(33%),其次為掃描刺探類(33%),數據呈現入侵攻擊事件為首要防禦之面向。國家資通安全情勢報告指出,2018年政府機關通報之資安事件數量為754件、2019年政府機關通報之資安事件數量為674件、2020年政府機關通報之資安事件數量為525件,雖然政府機關通報之資安事件數量逐年下降,然而資安問題依然存在。在企業資安方面的報告顯示(Cisco,2021),調查超過3700名負責資訊安全部門之主管,有27%中小企業因資安事件造成損失超過新台幣約1400萬元,其中2%損失金額高達新台幣約2800萬元。由上述數據可知,駭客入侵事件為政府機關與民間企業需要面對且解決之課題。
目前市場上提供許多自動化分析駭客攻擊軌跡工具,減少處理資安事件之時間及人力成本,透過情資分享,
進而預防資安事件發生。不過,因分析軟體價格昂貴與分析報告過於單一、尚未出現一套國外資安規範整合機制,難以產生完整且深入之資安事件報告,無法即時將事件作規範分類。因此,本研究著重採用低成本之樹莓派(Raspberry Pi)安裝入侵偵測系統蒐集攻擊手法並連線遠端處理系統,利用隨機森林訓練方式、導入國外資安規範制定項目,並且匯出智能報告,解決報告不精確之問題與保留數位鑑識之證據,降低系統被入侵之風險與縮短被攻擊平均發現時間,達到區域聯防與資安防禦之效果。
研究方法
本研究針對駭客攻擊種類提出以封包流量特徵提取工具結合機器學習進行自動化辨識之攻擊檢測方法,再導入國內外資安規範以產出完整與精確的報告。藉由利用封包流量特徵提取工具萃取封包流量之特徵值,並透過機器學習辨識攻擊型態後,將攻擊型態與資安規範做連結以產出分析報告。
系統流程圖
實驗呈現
使用CICFLOWMETER(流量特徵提取工具)進行資料前處理,因研究中使用之資料集擁有特定特徵值,所以需對現有之原始封包檔(圖)進行資料處理,以利後續研究使用。本研究透過取得此工具之開源程式碼,將此工具以自動化的方式於本系統中執行,並於工具執行後取得原始封包檔之封包特徵值。
以Random Forest作為本研究使用之演算法,將資料集導入其中進行訓練,視為訓練集,而為了提高整體準確度,實驗中會進行多次訓練。將已轉為封包特徵值之檔案導入,視為測試集,再以Random Forest之訓練結果進行攻擊辨識。
Neo4j中建立各種攻擊種類之節點,並將有關聯之節點建立關係,再運用Cypher語言執行查詢動作,藉以從中找出與攻擊名稱相符之節點,並將相符節點之其餘資訊作為輸出結果。
為達到提高攻擊名稱與圖資料庫節點之關聯性,本研究先以Google Searching之方式列出與攻擊名稱較為相符之三種攻擊類型。將攻擊名稱作為關鍵字,再以上網搜尋之方式找尋任意攻擊資訊中有含攻擊名稱之攻擊,並依照與其關聯性較高之攻擊按照優先順序排列。
實驗結果
透過機器學習辨識攻擊型態後,將攻擊型態與資安規範做連結以產出分析報告。