網絡技術是從1990年代中期發展起來的新技術,它把互聯網上分散的資源融為有機整體,實現資源的全面共享和有機協作,使人們能夠透明地使用資源的整體能力并按需獲取信息。資源包括高性能計算機、存儲資源、數據資源、信息資源、知識資源、專家資源、大型數據庫、網絡、傳感器等。 當前的互聯網只限于信息共享,網絡則被認為是互聯網發展的第三階段。 管理者和代理的通信 在你學習如何為網絡挑選產品時,需要明確管理者和代理的通信方式。大多數的IDS程序要求你首先和管理者通信,然后管理者會查詢代理。 通常,管理者和代理在通信時使用一種公鑰加密。例如,Axent的產品使用400位長Diffie-Helman加密。標準的SSL會話使用128位的加密。比較這兩種標準,你可以發現大多數的IDS廠商都采用安全的通信。 有些老的主機級的產品采用明文或經過非常弱地加密的會話。這種功能很具諷刺意味,由于明文傳輸易遭受hijacking和Man-in-the-middle攻擊,這樣會嚴重地破壞你監測和保護網絡安全。 有些管理者可以和其它管理者通信。這種管理者之間的通信可以節省帶寬并減輕你的管理負擔。通過使用組織結構有可能避免這種通信。例如,Axent Intruder Alert(ITA)使用被稱作domain的層次結構來組織代理。 審計管理者和代理的通信 作為審計人員,你應該對用戶名和密碼進行核實,而不應保留缺省設置。同時,你還要確保通信要經過加密和盡可能的安全。 混合入侵檢測 基于網絡的入侵檢測產品和基于主機的入侵檢測產品都有不足之處,單純使用一類產品會造成主動防御體系不全面。但是,它們的缺憾是互補的。如果這兩類產品能夠無縫結合起來部署在網絡內,則會構架成一套完整立體的主動防御體系,綜合了基于網絡和基于主機兩種結構特點的入侵檢測系統,既可發現網絡中的攻擊信息,也可從系統日志中發現異常情況。 規則 就像應用防火墻,你必須為IDS建立規則。大多數的IDS程序都有預先定義好的規則。你最好編輯已有的規則并且增加新的規則來為網絡提供最佳的保護。通常建立的規則有兩大類:網絡異常和網絡誤用。企業級的IDS通常可以實施上百條規則。 不同廠商在使用審計的術語時有所差別。例如,eTrust Intrusion Detection用“rules”來討論安全審計的規則,而Intruder Alert卻使用“policies”。你將會了解到Intruder Alert使用“policies”時意味更深遠,它允許你為個別策略建立規則。因此,在理解各個廠商的產品時,不要被術語所迷惑。 網絡異常的監測 IDS程序會報告協議級別的異常情況。如果配置正確的話,它可以提示你有關NetBus,Teardrop或Smurf攻擊。例如,如果存在過多的SYN連接,IDS程序會向你報警。 網絡誤用監測 網絡誤用包括非工作目的的Web瀏覽,安裝未授權的服務(如WAR FTP服務),和玩兒游戲(如Doom或Quake)。你可以對其進行日志記錄,阻塞流量或主動地制止。例如,你可以利用程序實施反擊或設置“dummy”系統或網絡進行誘導。 網絡誤用是物理的,操作系統的或遠程攻擊的結果。物理攻擊包括偷取硬盤或物理操縱機器來獲取信息。操作系統攻擊指經過驗證的用戶試圖獲得root的訪問權限。遠程攻擊指攻擊者通過網絡來攻擊設備。 常用檢測方法 入侵檢測系統常用的檢測方法有特征檢測、統計檢測與專家系統。據公安部計算機信息系統安全產品質量監督檢驗中心的報告,國內送檢的入侵檢測產品中95%是屬于使用入侵模板進行模式匹配的特征檢測產品,其他5%是采用概率統計的統計檢測產品與基于日志的專家知識庫系產品。 特征檢測 特征檢測對已知的攻擊或入侵的方式作出確定性的描述,形成相應的事件模式。當被審計的事件與已知的入侵事件模式相匹配時,即報警。原理上與專家系統相仿。其檢測方法上與計算機病毒的檢測方式類似。目前基于對包特征描述的模式匹配應用較為廣泛。該方法預報檢測的準確率較高,但對于無經驗知識的入侵與攻擊行為無能為力。 統計檢測 統計模型常用異常檢測,在統計模型中常用的測量參數包括:審計事件的數量、間隔時間、資源消耗情況等。常用的入侵檢測5種統計模型為: 1、操作模型,該模型假設異常可通過測量結果與一些固定指標相比較得到,固定指標可以根據經驗值或一段時間內的統計平均得到,舉例來說,在短時間內的多次失敗的登錄很有可能是口令嘗試攻擊; 2、方差,計算參數的方差,設定其置信區間,當測量值超過置信區間的范圍時表明有可能是異常; 3、多元模型,操作模型的擴展,通過同時分析多個參數實現檢測; 4、馬爾柯夫過程模型,將每種類型的事件定義為系統狀態,用狀態轉移矩陣來表示狀態的變化,當一個事件發生時,或狀態矩陣該轉移的概率較小則可能是異常事件; 5、時間序列分析,將事件計數與資源耗用根據時間排成序列,如果一個新事件在該時間發生的概率較低,則該事件可能是入侵。 統計方法的最大優點是它可以“學習”用戶的使用習慣,從而具有較高檢出率與可用性。但是它的“學習”能力也給入侵者以機會通過逐步“訓練”使入侵事件符合正常操作的統計規律,從而透過入侵檢測系統。 網絡的神奇作用吸引著越來越多的用戶加入其中,正因如此,網絡的承受能力也面臨著越來越嚴峻的考驗―從硬件上、軟件上、所用標準上......,各項技術都需要適時應勢,對應發展,這正是網絡迅速走向進步的催化劑。 |
溫馨提示:喜歡本站的話,請收藏一下本站!