62
信息安全中心安全沙龙 动态蜜网
既要保证诱饵的深度植入不能影响正常业务同时也必须对正常业务能否与诱饵
结合进行研究。这就需要采用与真实业务进行动态切换的方式来实现动态蜜网,
在蜜网提供的虚假服务中植入相应的诱饵作为操作行为的感知触手,当人员进行
正常的业务操作时,诱饵是不会被触发的,一旦攻击行为触发诱饵,诱饵会通知
蜜罐系统,将正常的业务系统替换为蜜罐的虚拟服务,以此来实现动态切换的效
果。
四、动态蜜网技术设计
基于 SDN 和 NFV 高仿真度诱捕场景构建和快速重构
一方面, 软件定义网络( S D N ) 中控制与转发分离, 网络资源抽象及
可编程的特征与优势正是 N F V 所需要的,S D N 在 N F V 的基础设施资源
( 包括物理资源和虚拟资源) 的编排中起到重要作用, 配合 N F V 实现网络
互联和带宽业务的配置和开通、运营自动化、策略控制等。
另一方面, S D N 也可以从 N F V 引入的诸如虚拟基础设施管理与编排等
核心功能中获益, 假定 S D N 控制器运行于虚拟机之上, 这样 S D N 控制器
可以与其他虚拟网络功能( V N F ) 一同视为业务链一部分。S D N 控制器也
可以作为 V N F 实现, 从而获得 N F V 带来的弹性、可靠性方面的优势。
基于虚拟化技术和机器学习技术构建诱捕场景
其一, 通用服务器性能是否能完全替代专有硬件网络设备。N F V 技术可
以将路由器、防火墙、负载均衡、I D S 、I P S 等任何类型的网络功能运行在
共享的通用服务器上, 并按需划分虚拟机软件实例, 提升自动化运维能力。
其二, 服务链是根据既定的顺序要求, 网络流量通过服务节点( 如防火
墙、负载均衡、I D S 等) 形成的链条。为了实现各种业务逻辑, 服务链可编
程实现灵活组合, 结合 S D N ,服务链的重要性凸显。可通过编排器智能构建
属于自己的业务流处理方式, 形成智能化的诱捕场景。
基于 AI 的诱饵蜜标智能生成技术
从实际业务环境中采集真实业务环境数据、自动学习其特征分布、自动生成
高仿真诱饵蜜标的方法,既确保这些诱饵蜜标对于攻击者的真实性、又与实际业
务系统的真实数据有所区别, 以避免出现信息泄露。为此, 拟先采用无监督学
习进行初始化, 通过循环神经网络( R N N ) 的优化模型长短期记忆神经网
络( L S T M ) 、G R U 训练语言模型, 训练得到语言模型后给予随机初始
值生成该网络和系统的内容特征; 对于特征中先后顺序无相关性的部分, 采用
卷积神经网络和字符卷积网络的变分自编码器(VA E ) 学习其分布。使用上文
技术得到初始的生成器后, 再使用对抗生成网络( G A N ) 与检测器进行对
抗训练, 以增强生成器生成诱饵蜜标的多样性和伪装性。