从免费的WEB应用防火墙hihttps...
 
Notifications
Clear all

从免费的WEB应用防火墙hihttps谈机器学习之样本采集  

  RSS

tai chi
(@taichi)
Estimable Member
Joined: 2 months ago
Posts: 220
04/04/2020 8:59 pm  

 hihttps是一款免费的web应用防火墙,既支持传统的WAF的OWASP特征工程检查(如SQL注入、XSS、恶意漏洞扫描、密码暴力破解、CC、DDOS等),也支持机器采集样本无监督学习,自主对抗,重新定义web安全。今天笔者就从web安全的角度,介绍机器学习之样本采集。 

一、 究竟什么是web攻击?

网络安全专家通常认为:web恶意攻击很多是有其特殊的URL特征,如

恶意扫描     GET /hihttps?cat ../…/../etc/passwd

SQL注入    GET /hihttps?user=123' or 1='1

XSS攻击    GET /hihttps?user=<script>alert(1);</script>a

......这类攻击确实有非常典型的特征,传统的waf和规则就可以防御。

 

那么下面的URL呢?

GET /hihttps?user=ls123

GET /hihttps?user=%0Als

……准确说,这类网络安全专家也认为是正常的请求,或者说无法辨别是否恶意攻击。

 

      问题就来了,像GET /hihttps?user=ls123就一定是正常的请求吗?不一定。

比如CVE-2019-11043高位漏洞:向Nginx + PHP-FPM的服务器 URL发送 %0a 时,可以执行任意远程命令,从而控制整个服务器。也就是说:GET /hihttps?user=%0Als在某些环境就是一条成功的攻击,并且执行了linux的ls命令;如果服务器没安装Nginx+PHP,也可以认为是无害的。 

    再进一步,如果网站上根本没有hihttps这个接口,那就是恶意扫描,一定要检测出来并阻断。但传统的方法肯定不行了,那么机器学习将是唯一的办法。

二、 机器学习重新定义网络安全

    和图形图像的机器学习相比,web安全采集样本的成本是最低的,因为只要把软件在服务器上运行即可采集,甚至读取web日志文件,就可以拿到大量的样本,而成本几乎是0。

    但黑客攻击样本太稀缺了,根本无法拿完并且日新月异,从这个角度也可以说无监督或者半监督学习,才是未来web安全的发展方向。下面举例:

 

    如果从web服务器上https:// www.hihttps.com /hihttps.html?id=123,采集到的样本参数大于99.9%都是“?id=数字”这种形态,那么可以认为下面的网址都视为攻击:

https://www.hihttps.com/hihttps.html?id=12 3' or 1='1

https:// www.hihttps.com /hihttps.html?id=<script>alert(1);</script>

https:// www.hihttps.com /hihttps.html?id=1234567890&t=123

https:// www.hihttps.com /hihttps.html?id=abc

    后面两条网址,在传统的waf是不可能检测的,只有机器学习才能准确检测出攻击。所以机器学习的核心是:不是我服务器上的东西,都视为非法攻击,这样有可能阻止未知漏洞和未知攻击。这样,web安全的概念和传统的特征工程完全不一样了,机器学习重新定义了网络安全。

三、 样本采集原则

1、足够的随机化,在不同的IP地址之间随机采集。

2、足够多的样本,保证99.99%的正确率,至少需要采集数万份的样本。

3、足够的时间,至少在不同的时间段采集3-7天的样本。

4、尽量是正常流量,样本没有被黑客攻击污染。

5、完整的数据,样本包括全部的HTTP 请求头和body。

 

所以从web日志里面来读取样本数据是有限的,最好用WAF实际部署方式来采集。对于SSL加密的样本采集通常用反向代理方式采集,可以参考hihttps源码 https://github.com/qq4108863

四、总结

1、现在的网络攻击都基于逻辑漏洞进行APT工具,就是高级持续威胁,传统的waf规则很难对付未知漏洞和未知攻击。

2、让机器向人一样学习,具有一定智能自动对抗APT攻击或许是唯一有效途径。但黑客技术本身就是人类最顶尖智力的较量,WEB安全仍然任重而道远,

3、幸好hihttps这类免费的应用防火墙在机器学习、自主对抗中开了很好一个头,未来web安全很可能是特征工程+机器学习共同完成,笔者将在下一篇文章中介绍怎么从样本中提取特征,自动生成对抗规则,未来WEB安全必然是AI的天下。


Quote
Share:
%d bloggers like this: