经典阅读：Lockheed Martin 之“情报驱动防御”模型

Lockheed Martin 公司的《Intelligence-Driven Computer Network Defense Informed by Analysis of Adversary Campaigns and Intrusion Kill Chains》^[1]，除了大家耳闻能详的杀链模型，更多在介绍如何利用杀链进行安全分析和情报能力建设。这部分内容之前介绍不多，于是根据自己的理解形成一则读书笔记在此分享。

背景

文章发表于2011年，时值 APT 兴起。文中认为，传统“以漏洞为中心”的防御机制失效。同时传统的事件响应方法也并不适用，原因在于传统方法有两个错误的前提假设：响应只会发生在失陷之后（对应杀链模型，需要在入侵前期进行响应），且失陷由可修补的缺陷导致（对应APT中采用0-day）。因此，针对 APT 入侵的事件响应，需要在分析方法、流程以及技术上的演进。甚而希望基于对威胁的理解，能预计到并能缓解未来的入侵风险。

在此背景下，三位作者提出了以杀链为分析框架，并进一步阐述如何分析攻击对手，如何生成和应用情报，如何进行动态检测、防御和响应，建立“情报驱动的网络防御（Intelligence-driven Computer Network Defense 或 Intelligence Driven Defense）”。

所谓情报驱动防御，文中认为是一种以威胁为中心的风险管理战略，核心是针对对手的分析，包括了解对方的能力、目标、原则以及局限性，帮助防守方获得弹性的安全态势（resilient security posture），并有效指导安全投资的优先级（比如针对某个战役识别到的风险采取措施，或者高度聚焦于某个攻击对手或技术的安全措施）。情报驱动防御必然是一个持续、迭代的过程，通过分析、协同发现指标，利用“指标”去检测新的攻击活动，在调查过程又获得更丰富的指标。所谓弹性，是指从完整杀链看待入侵的检测、防御和响应，可以通过前面某个阶段的已知指标遏制链条后续的未知攻击；针对攻击方技战术重复性的特点，只要防守方能识别到、并快于对手利用这一特点，必然会增加对手的攻击成本。

下面先简要介绍杀链在整个情报驱动防御模型中的作用，然后重点介绍情报驱动的安全分析以及情报能力的建设。

杀链（Intrusion/Cyber Kill Chain）

作者认为，在APT 场景下需要对入侵有一个全新的理解，也即入侵是攻击者分阶段的进展而不局限于单次事件。于是他们将美国军方的 Kill Chain 概念（F2T2EA模型）应用到信息安全领域，用七个阶段结构化整个入侵过程：踩点（Reconnaissance）、组装（Weaponization）、投送（Delivery）、攻击（Exploitation）、植入（Installation）、控制（C2）、收割（Actions on Objectives）。对应入侵每一阶段，防守方通过对入侵信息的了解，分析提炼出描述入侵信息的指标（Indicator）形成情报，并映射为相应的行动步骤（courses of action，CoA ），起到检测、缓解以及响应的作用。

除了阶段性的解构，杀链模型有如下两个重要价值，在动态攻防对抗中，使防守方可能具备优势。

“chain”的概念，意味着攻击方需要完成上述七个阶段的步骤才能达成目标，而防御方在某个阶段采取相应措施后就可能破坏整个链条、挫败对手。
APT攻击的特点，对手会反复多次进行入侵，并根据需要在每次入侵中进行技战术调整。考虑经济性，多次入侵中技战术必然有重复性和连续性。只要防守方能识别并快于攻击方利用好这一特点，必然迫使对手进行调整、从而增加其攻击成本。

情报驱动的安全分析

关于情报驱动的安全分析，文中介绍了两类重要的方法：入侵重构（Intrusion Reconstruction ）和战役分析（Campaign Analysis ）。

入侵重构（Intrusion Reconstruction ）

杀链分析用于指导分析师完整地理解入侵过程。在这种新的分析模型下，分析师需要尽可能多地发现每阶段的属性，而不局限于单点信息。文中介绍了两种入侵重构的分析场景例子。一种是检测到入侵后期的活动，分析师需要完成针对之前所有阶段的分析。第二种检测发生在入侵前期，则需要对后续阶段做分析。

第一种情况，如下图所示，在C2控制阶段检测到某次入侵。分析师必须认为攻击者在之前所有阶段都已成功，并需要对此进行还原分析。举例来说，如不能复现入侵的投送阶段，那么就不可能在同一对手下次入侵的投送阶段采取有效的行动。而攻击方考虑经济性，一定会重用工具和架构，防守方在杀链中应用这类情报，将迫使对手在后续入侵中进行调整。

入侵后期检测分析.png

源： ^[2]

第二种情况，则是指针对失败入侵的分析也同样重要。文中提出了一种叫合成分析（Synthesis）的方法，如下图所示。防守方需要对已检测和防御到的入侵活动、尽可能全面地收集和分析数据，合成出未来入侵中可能绕过当前有效防御机制、在后续阶段采用的技战术。文中举例说明，基于已知指标，阻断掉了一次定向恶意邮件。通过杀链分析，发现在后续阶段会用到新的exploit或者后门。防守方针对该分析结果，比攻击方更快采取措施，则可继续保持战术优势。

入侵早期检测分析.png

源： ^[3]

文章第四节有一个实际案例分析，针对第一次入侵，应用情报防御了一个已知 0-day。通过每一次入侵的完整分析，获得更多指标。最后针对第三次入侵，通过投送阶段的已知指标（downstream IP地址：216.abc.xyz.76）遏制住了本次入侵后续阶段的未知0-day攻击。

实际案例.png

源： ^[4]

战役分析（Campaign Analysis ）

上面入侵重构主要基于杀链的完整分析，而基于多次入侵的横向关联分析则可以识别彼此共性和重叠指标。上升到战略级别，防守方可以识别或定义战役（Campaigns ），将多年的活动与特定的持续威胁联系起来。通过战役分析，可以确定入侵者的模式与行为、技战术以及过程（TTP），旨在检测他们是“如何”操纵的、而不仅仅是他们做了“什么”。对于防守方的价值在于，基于逐个战役评估自身的安全能力，并基于单个战役的风险评估，制定战略行动路线弥补差距。战役分析的另一核心目标在于理解对手的攻击意图和目标，从而可能高度聚焦于针对某个攻击对手或技术的安全措施。

文中抽象出了两种战役分析方法。下图中左边的两次入侵，在杀链各阶段具有高度相关性，通过里面共性指标（白色）可以确认它们同属一个战役。右边的三次入侵，则具有不同程度的关联性。其中相对稳定、保持一致性的白色拐点指标，可被识别为关键指标，也即很大程度在同一战役的后续入侵中会被重复使用到的指标。这于防守方而言是可利用的有利条件。

战役分析.png

源：^[5]

介绍了这篇文章中核心的情报驱动分析方法，势必会提出对情报能力的要求。情报能力建设本身是一个比较大的话题，下面仅介绍文中作者提出的理论。

情报能力的建设

文中定义指标（Indicator）为“情报”的基本要素，用于客观描述入侵的信息，具体分为三类：

原子指标（Atomic）：为保持其在入侵语境下的意义、不能再做分拆的指标，如IP地址、email地址以及漏洞编号。
计算指标（Computed）：从事件中所涉及数据派生出的指标。常用计算指标包括Hash值和正则表达式。
行为指标（Behavioral）：计算和原子指标的集合，通常受到指标数量和可能组合逻辑的限制。举例来说，可能是一段类似这样的描述，“入侵者最初使用后门，匹配“正则表达式”以某“频率”访问某个“IP地址”，一旦访问建立，就会用另一后门（MD5 hash值）进行替换。”

如前所述，情报驱动防御必然是一个持续、迭代过程，分析师通过分析、协同发现指标，将其应用到工具中做进一步完善，再将这些指标用于检测新的入侵活动。在针对这项活动的调查过程中，分析师通常又会获得更多的指标，而这些指标将受到同一套活动和指标状态的约束。这一行动周期和相应的指标状态形成了下图所示的指标生命周期。

指标生命周期和状态迁移.png

源：^[6]

关于指标的有效性，需要考虑如下几种可能：

通过某些IOC识别到攻击团伙，回到杀链的其他阶段做进一步分析，可能提取到更多关于对手新的IOC。
随着某个攻击团伙使用的技战术或工具被曝光以后，可能为他人所用，那么这类IOC在分析时就不再具备唯一性和排他性。
应用自身的变化可能导致IOC的失效，比如原来用的都是标准端口，但可能后面会变化、使用一些非标端口。

小结

综上，这篇文章最主要阐述了三个主题：

安全形势变化下安全观念的转变，催生了情报驱动防御模型。
杀链提供了一个攻击对手视角的分析框架。在杀伤链模型中存在防守方可利用的两个有利条件。
在杀链分析框架下，只有情报和安全分析能力作为基石，防守方可利用的有利条件才可能转化为防守优势，形成弹性防御。

最后想说，其实这篇文章不但是威胁情报领域的经典，也更深地阐述了弹性防御这种较主动防御更高阶的防御方式。

Eric M. Hutchins, Michael J. Cloppert, Rohan M. Amin, "Intelligence-driven Computer Network Defense Informed by Adversary Campaigns and Intrusion Kill Chains", Lockheed Martin Corporation, URL: https://www.lockheedmartin.com/content/dam/lockheed/data/corporate/documents/LM-White-Paper-Intel-Driven-Defense.pdf
同上
同上
同上
同上
同上