A. 知识普及-安全态势
随着网络规模和复杂性不断增大，网络的攻击技术不断革新，新型攻击工具大量涌现，传统的网络安全技术显得力不从心，网络入侵不可避免，网络安全问题越发严峻。
单凭一种或几种安全技术很难应对复杂的安全问题，网络安全人员的关注点也从单个安全问题的解决，发展到研究整个网络的安全状态及其变化趋势。
网络安全态势感知对影响网络安全的诸多要素进行获取、理解、评估以及预测未来的发展趋势，是对网络安全性定量分析的一种手段，是对网络安全性的精细度量，态势感知成已经为网络安全2.0时代安全技术的焦点，对保障网络安全起着非常重要的作用。
一、态势感知基本概念
1.1 态势感知通用定义
随着网络安全态势感知研究领域的不同，人们对于态势感知的定义和理解也有很大的不同，其中认同度较高的是Endsley博士所给出的动态环境中态势感知的通用定义：
态势感知是感知大量的时间和空间中的环境要素，理解它们的意义，并预测它们在不久将来的状态。
在这个定义中，我们可以提炼出态势感知的三个要素：感知、理解和预测，也就是说态势感知可以分成感知、理解和预测三个层次的信息处理，即：
感知：感知和获取环境中的重要线索或元素；
理解：整合感知到的数据和信息，分析其相关性；
预测：基于对环境信息的感知和理解，预测相关知识的未来的发展趋势。
1.2 网络安全态势感知概念
目前，对网络安全态势感知并未有一个统一而全面的定义，我们可以结合态势感知通用定义来对对网络安全态势感知给出一个基本描述，即：
网络安全态势感知是综合分析网络安全要素，评估网络安全状况，预测其发展趋势，并以可视化的方式展现给用户，并给出相应的报表和应对措施。
根据上述概念模型，网络安全态势感知过程可以分为一下四个过程：
1）数据采集：通过各种检测工具，对各种影响系统安全性的要素进行检测采集获取，这一步是态势感知的前提；
2）态势理解：对各种网络安全要素数据进行分类、归并、关联分析等手段进行处理融合，对融合的信息进行综合分析，得出影响网络的整体安全状况，这一步是态势感知基础；
3）态势评估：定性、定量分析网络当前的安全状态和薄弱环节，并给出相应的应对措施，这一步是态势感知的核心；
4）态势预测：通过对态势评估输出的数据，预测网络安全状况的发展趋势，这一步是态势感知的目标。
网络安全态势感知要做到深度和广度兼备，从多层次、多角度、多粒度分析系统的安全性并提供应对措施，以图、表和安全报表的形式展现给用户。
二、态势感知常用分析模型
在网络安全态势感知的分析过程中，会应用到很多成熟的分析模型，这些模型的分析方法虽各不相同，但多数都包含了感知、理解和预测的三个要素。
2.1 始于感知：Endsley模型
Endsley模型中，态势感知始于感知。
感知包含对网络环境中重要组成要素的状态、属性及动态等信息，以及将其归类整理的过程。
理解则是对这些重要组成要素的信息的融合与解读，不仅是对单个分析对象的判断分析，还包括对多个关联对象的整合梳理。同时，理解是随着态势的变化而不断更新演变的，不断将新的信息融合进来形成新的理解。
在了解态势要素的状态和变化的基础上，对态势中各要素即将呈现的状态和变化进行预测。
2.2 循环对抗：OODA模型
OODA是指观察（Oberve）、调整（Orient）、决策（Decide）以及行动（Act），它是信息战领域的一个概念。OODA是一个不断收集信息、评估决策和采取行动的过程。
将OODA循环应用在网络安全态势感知中，攻击者与分析者都面临这样的循环过程：在观察中感知攻击与被攻击，在理解中调整并决策攻击与防御方法，预测对手下一个动作并发起行动，同时进入下一轮的观察。
如果分析者的OODA循环比攻击者快，那么分析者有可能“进入”对方的循环中，从而占据优势。例如通过关注对方正在进行或者可能进行的事情，即分析对手的OODA环，来判断对手下一步将采取的动作，而先于对方采取行动。
2.3 数据融合：JDL模型
JDL（Joint Directors of Laboratories）模型是信息融合系统中的一种信息处理方式，由美国国防部成立的数据融合联合指挥实验室提出。
JDL模型将来自不同数据源的数据和信息进行综合分析，根据它们之间的相互关系，进行目标识别、身份估计、态势评估和威胁评估，融合过程会通过不断的精炼评估结果来提高评估的准确性。
在网络安全态势感知中，面对来自内外部大量的安全数据，通过JDL模型进行数据的融合分析，能够实现对分析目标的感知、理解与影响评估，为后续的预测提供重要的分析基础和支撑。
2.4 假设与推理：RPD模型
RPD（Recognition Primed Decision）模型中定义态势感知分为两个阶段：感知和评估。
感知阶段通过特征匹配的方式，将现有态势与过去态势进行对比，选取相似度高的过去态势，找出当时采取的哪些行动方案是有效的。评估阶段分析过去相似态势有效的行动方案，推测当前态势可能的演化过程，并调整行动方案。
以上方式若遇到匹配结果不理想的情况，则采取构造故事的方式，即根据经验探索潜在的假设，再评估每个假设与实际发生情况的相符度。在RPD模型中对感知、理解和预测三要素的主要体现为：基于假设进行相关信息的收集（感知），特征匹配和故事构造（理解），假设驱动思维模拟与推测（预测）。
三、态势感知应用关键点
当前，单维度的网络安全防御技术手段，已经难以应对复杂的网络环境和大量存在的安全问题，对网络安全态势感知具体模型和技术的研究，已经成为2.0时代网络安全技术的焦点，同时很多机构也已经推出了网络安全态势感知产品和解决方案。
但是，目前市场上的的相关产品和解决方案，都相对偏重于网络安全态势的某一个或某几个方面的感知，网络安全态势感知的数据分析的深度和广度还需要进一步加强，同时网络安全态势感知与其它系统平台的联动不足，无法将态势感知与安全运营深入融合。
为此，太极信安认为网络安全态势感知平台的建设，应着重考虑以下几个方面的内容：
1、在数据采集方面，网络安全数据来源要尽可能的丰富，应该包括网络结构数据、网络服务数据、漏洞数据、脆弱性数据、威胁与入侵数据、用户异常行为数据等等，只有这样态势评估结果才能准确。
2、在态势评估方面，态势感评估要对多个层次、多个角度进行评估，能够评估网络的业务安全、数据安全、基础设施安全和整体安全状况，并且应该针对不同的应用背景和不同的网络规模选择不同的评估方法。
3、在态势感知流程方面，态势感知流程要规范，所采用的算法要简单，应该选择规范化的、易操作的评估模型和预测模型，能够做到实时准确的评估网络安全态势。
4、在态势预测方面，态势感知要能支持对不同的评估结果预测其发展趋势，预防大规模安全事件的发生。
5、在态势感知结果显示方面，态势感知能支持多种形式的可视化显示，支持与用户的交互，能根据不同的应用需求生成态势评测报表，并提供相应的改进措施。
四、总结
上述几种模型和应用关键点对网络安全态势感知来讲至关重要，将这些基本概念和关键点进行深入理解并付诸于实践，才能真正帮助决策者获得网络安全态势感知能力。
太极信安认为，建设网络安全态势感知平台，应以“业务+数据定义安全”战略为核心驱动，基于更广、更深的数据来源分析，以用户实际需求为出发点，从综合安全、业务安全、数据安全、信息基础设施安全等多个维度为用户提供全面的安全态势感知，在认知、理解、预测的基础上，真正帮助用户实现看见业务、看懂威胁、看透风险、辅助决策。
摘自 CSDN 道法一自然
B. 现在的网络安全问题很多，态势感知可以保障网络安全吗
态势感知可以对保障网络安全起到很好的监测并提早预防的作用，都是仅凭态势感知还远远不够，还需要很多网络安全技术和管理措施，如密码加密技术、身份认证、访问控制等
C. 大数据与大规模网络安全感知技术初探
大数据与大规模网络安全感知技术初探
快速发展的互联网技术不断地改变人们的生活方式，然而，多层面的安全威胁和安全风险也不断出现。对于一个大型网络，在网络安全层面，除了访问控制、入侵检测、身份识别等基础技术手段，需要安全运维和管理人员能够及时感知网络中的异常事件与整体安全态势。对于安全运维人员来说，如何从成千上万的安全事件和日志中找到最有价值、最需要处理和解决的安全问题，从而保障网络的安全状态，是他们最关心也是最需要解决的问题。与此同时，对于安全管理者和高层管理者而言，如何描述当前网络安全的整体状况，如何预测和判断风险发展的趋势，如何指导下一步安全建设与规划，则是一道持久的难题。
随着大数据技术的成熟、应用与推广，网络安全态势感知技术有了新的发展方向，大数据技术特有的海量存储、并行计算、高效查询等特点，为大规模网络安全态势感知的关键技术创造了突破的机遇。本文将对大规模网络环境下的安全态势感知、大数据技术在安全感知方面的促进做一些探讨。
对于一个大规模的网络而言，面临的风险也是巨大的，可分为广度风险和深度风险。从广度上讲，以中国移动的CMNET网络为例，所辖IP地址超过3000万个，提供对外服务的网站数千个，规模大、节点类型丰富多样，伴随其中的安全问题随网络节点数量的增加呈指数级上升。从深度上讲，下一代移动互联网安全威胁主要表现在传统攻击依然存在且手段多样、APT（高级持续性威胁）攻击逐渐增多且造成的损失不断增大。而攻击者的工具和手段呈现平台化、集成化和自动化的特点，具有更强的隐蔽性、更长的攻击与潜伏时间、更加明确和特定的攻击目标。以上造成了下一代安全威胁具有更强的杀伤能力与逃避能力。结合广度风险与深度风险来看，大规模网络所引发的安全保障的复杂度激增，主要面临的问题包括：安全数据量巨大；安全事件被割裂，从而难以感知；安全的整体状况无法描述。
网络安全感知能力具体可分为资产感知、脆弱性感知、安全事件感知和异常行为感知4个方面。资产感知是指自动化快速发现和收集大规模网络资产的分布情况、更新情况、属性等信息；脆弱性感知则包括3个层面的脆弱性感知能力：不可见、可见、可利用；安全事件感知是指能够确定安全事件发生的时间、地点、人物、起因、经过和结果；异常行为感知是指通过异常行为判定风险，以弥补对不可见脆弱性、未知安全事件发现的不足，主要面向的是感知未知的攻击。
一个相对完整的网络安全感知的能力模型与架构设计如下图所示：
随着Hadoop、NoSQL等技术的兴起，BigData大数据的应用逐渐增多和成熟，而大数据自身拥有Velocity快速处理、Volume大数据量存储、Variety支持多类数据格式三大特性。大数据的这些天生特性，恰巧可以用于大规模网络的安全感知。首先，多类数据格式可以使网络安全感知获取更多类型的日志数据，包括网络与安全设备的日志、网络运行情况信息、业务与应用的日志记录等；其次，大数据量存储与快速处理为高速网络流量的深度安全分析提供了技术支持，可以为高智能模型算法提供计算资源；最后，在异常行为的识别过程中，核心是对正常业务行为与异常攻击行为之间的未识别行为进行离群度分析，大数据使得在分析过程中采用更小的匹配颗粒与更长的匹配时间成为可能。
中国移动自2010年起在云计算和大数据方面就开始了积极探索。中国移动的“大云”系统目前已实现了分布式海量数据仓库、分布式计算框架、云存储系统、弹性计算系统、并行数据挖掘工具等关键功能。在“大云”系统的基础上，中国移动的网络安全感知也具备了一定的技术积累，进行了大规模网络安全感知和防御体系的技术研究，在利用云平台进行脆弱性发现方面的智能型任务调度算法、主机和网络异常行为发现模式等关键技术上均有突破，在安全运维中取得了一些显着的效果。
大数据的出现，扩展了计算和存储资源，提供了基础平台和大数据量处理的技术支撑，为安全态势的分析、预测创造了无限可能。
D. 态势感知技术盘点，安全态势感知与管控平台评测
众所周知，态势感知的“前世”是应用在军事领域的。而时至今日，态势感知却已然是网络安全的基本和基础性工作，是在实现安全态势“理解”和“预测”之前的重要阶段。
现阶段，为应对网络安全挑战，弥补传统防御手段的不足，大多企业都在逐步构建一套网络安全分析及管控平台，用以整合企业信息安全的事件响应、技术平台、管理流程，实现总部、分支范围内安全风险的集中监控、安全事件的集中处置、安全策略的合规检查以及安全态势的统一展示，将信息安全管理和技术进行有机结合，完善提升企业的的信息安全保障体系 。
本次我们挑选的产品是来自南京聚铭网络的安全态势感知与管控平台。据悉，该平台是由聚铭网络自主开发的基于大数据技术的安全态势感知与管控平台，可以统一采集各类结构化和非结构化的数据，包括各类设备、应用日志以及网络流量和各种脆弱性，通过实时分析、离线分析、关联分析、统计分析、机器学习、规则库、专家经验库以及强大的安全情报源碰撞进行多方位风险分析。
现在，就让我们具体操作体验下，一探究竟。
平台概览
首先，我们通过账号信息登录进入这款产品的界面。
我们可以看到，在这款产品的首页界面上左边是一个整体安全态势感知概览模块，然后是从南北向东西向三个方向的 威胁和风险访问的大屏展现，还有脆弱性、违规行为的态势展现大屏。中间还有一个动态3D的全球威胁态势感知，动态展现全球 的情况，画面看上去十分有科技感。
整体环顾下来，产品的界面给我们的感觉就是风格比较简约明了，内容上基本体现了安全的整体情况，画面上所罗列的功能也很全面，符合市场上各企业对于态感产品的需求，产品放在企业的安全监控大屏上将会有很好的视觉效果。整体环顾下来，产品的界面给我们的感觉就是风格比较简约明了，内容上基本体现了安全的整体情况，画面上所罗列的功能也很全面，符合市场上各企业对于态感产品的需求，产品放在企业的安全监控大屏上将会有很好的视觉效果。
数据采集
首先我们来看下数据采集情况，目前我们的采集数据量大概每秒有近6000条数据，算下来一天就会有5亿条的数据量，还是挺恐怖的。从界面操作查询来看，感觉也非常流畅，没有感觉到卡顿不适的现象，这个在做溯源查询的时候就会非常方便了。另外，这个产品采集数据的兼容能力也是比较亮眼，能支持近500种类型第三方设备日志的接入和处理，这点相当不错。
现在我们可以看到采集的数据都在这里，看起来的确如同之前对厂家的了解一样，他们这款态感产品的数据采集能力相对其他平台而言，在采集的广度和深度上更为全面一些，一般我们接触的此类产品主要是通过流量维度来进行分析，很少有能有同时内置流量、日志、漏洞扫描和配置合规检测能力的，这一点确实是在我们接触的同类产品中很少见，值得夸赞一番，说明这家厂商至少在态势感知这一块考虑的点是相当全面的。
接下来我们就看看，对于采集到的这么多类型的数据，这款态感产品又分析的怎么样，能不能实现精准的分析呢？
风险分析
从失陷分析维度的场景来看，通过查看分析的过程和数据情况，对服务器日志、安全设备日志、流量分析等数据综合分析的结果，展现了设备整个安全生命周期的过程，另外也从漏扫维度佐证了此问题的发现。
我们可以看到，产品呈现的分析的结果还是比较准确全面的，充分利用了现有安全建设的资源，又结合了产品本身的分析能力和威胁情报能力，较全面展现了企业和设备风险情况。从这一点看来，这款由聚铭网络厂商打造的态感产品，是完全可以符合企业态势感知建设需求的。
今天，我们对于这款态感产品的测试也就先到这里，除了采集和分析能力外，其他的合规审计、基线检查等功能就不再一一介绍。
总结
总体上来讲，这款态势感知与管控平台是完全可以满足企业对于态感平台建设的基本需求的。这款态感产品能完成网络安全分析及管控平台框架的搭建，对总部、分支、专业安全系统重要数据进行接入，实现总部-分支范围内安全风险的集中监控、安全事件的集中处置、安全态势的统一展示，而且不用再做任何额外的开发。
值得一提的是，根据我们对厂商的侧面了解，他们使用的是“腾讯+聚铭”的双情报库模式，在各类威胁检测方面非常全面精准，这一点也在我们本次评测中和其他同类产品对比测试中也得到了验证。
另外，不足的地方可能就是在产品界面操作上引导性还有改进空间，产品经理请拿小本本记下来。
综合而言，这款产品无论是在日志、流量等数据采集方面的广度和深度，还是分析能力以及和情报库的结合等方面的核心能力上，在我们以往测评产品中都可以算是相当突出的。
以上就是本次评测的所有内容，仅供业界同仁参考，今天的内容就到这里，更多安全产品体验我们后期再见。