用户与实体行为分析（UEBA）简介

用户与实体行为分析（User and Entity Behavior Analytics，简称 UEBA）是一种先进的安全分析方法，用于识别和响应潜在的安全威胁。它通过分析用户和系统的行为模式来检测异常活动，尤其是那些可能表明存在内部威胁或高级持续性威胁（APT）的情况。

一、UEBA的核心概念

1. 行为基线建立

• 定义正常行为：UEBA首先需要为每个用户、设备或其他实体建立一个“正常”的行为模式或基准线。这包括记录用户的日常活动，如登录时间、访问的资源类型、使用的应用程序等。
• 动态调整：这些基准线不是静态的，而是根据实际数据进行动态更新，以适应正常的业务变化。例如，员工的工作职责改变后，其行为模式也会随之变化。

2. 异常检测

• 偏差识别：一旦建立了行为基线，UEBA系统会实时监控并比较当前行为与基准线之间的差异。任何显著偏离正常模式的行为都会被标记为可疑。
• 多维度分析：UEBA不仅关注单个指标的变化，还会结合多个维度的数据进行综合评估，如地理位置、设备类型、时间段等。例如，如果某个账户突然从不常用的IP地址登录，并且访问了敏感数据，那么这种行为就会触发告警。

3. 风险评分

• 量化威胁程度：对于每一个检测到的异常行为，UEBA系统会计算出一个风险评分，表示该行为对组织构成的潜在威胁程度。高风险评分意味着需要立即采取行动。
• 优先级排序：基于风险评分，安全团队可以优先处理最严重的威胁，确保有限的资源得到高效利用。

4. 上下文关联

• 情境感知：UEBA不仅仅依赖于单一的数据源，而是整合了来自不同系统的日志和事件数据，提供更全面的情境信息。例如，结合身份管理系统（IAM）、网络流量分析（NTA）和终端检测与响应（EDR）的数据，可以更好地理解某个异常行为的背景。
• 攻击链分析：通过关联多个相关事件，UEBA可以帮助识别完整的攻击链条，揭示复杂的攻击路径，如横向移动或数据渗漏。

二、UEBA的应用场景

1. 内部威胁检测

• 恶意内部人员：UEBA能够发现员工或承包商的异常行为，如未经授权的数据访问、大量文件下载或频繁尝试登录失败等，这些都可能是内部人员企图窃取公司机密的迹象。
• 账户盗用：当合法用户的凭据被盗用时，UEBA可以通过对比当前行为与该用户的典型行为模式，快速识别出异常情况。

2. 外部威胁应对

• 高级持续性威胁（APT）：APT通常采用长期潜伏和低频次攻击的方式，传统的安全工具难以察觉。UEBA通过对长时间跨度内的行为模式进行分析，能够捕捉到细微的变化，及时发现潜在的APT活动。【理论上偏移基线的行为监控一定能发现未知威胁包括 APT，但实际上数据量巨大，正常行为基线相对固定但是异常基线千奇百怪，分析成本巨大】
• 钓鱼和社会工程攻击：通过监测用户点击恶意链接或打开可疑附件后的后续行为（如密码更改、异常登录），UEBA可以帮助防范这类社会工程攻击。

3. 合规性和审计支持

• 政策执行：UEBA有助于确保员工遵守公司的安全策略，如限制访问特定敏感数据或在非工作时间内禁止某些操作。
• 审计跟踪：生成详细的用户活动报告，便于内部审计和外部监管机构审查。

三、UEBA的技术实现

1. 大数据技术

• 海量数据处理：UEBA系统需要处理大量的日志和事件数据，因此通常依赖于大数据平台（如Hadoop、Spark）来存储和分析这些数据。
• 分布式计算：为了提高性能，UEBA系统往往采用分布式计算框架，能够在短时间内完成复杂的行为分析任务。

2. 机器学习算法

• 无监督学习：用于自动建立行为基线，无需预先定义哪些行为是正常的或异常的。常见的算法包括聚类分析（Clustering）、孤立森林（Isolation Forests）等。
• 有监督学习：用于训练模型识别已知类型的威胁，例如通过历史数据标注出恶意行为样本，然后使用分类算法（如随机森林、神经网络）进行预测。
  • 补充说明：
    • 无监督学习定义：机器学习算法只能从没有标记的数据中学习模式，事先不需要人工干预。
    • 监督学习定义：利用输入对象和期望输出值（这种输入输出是一种标记数据行为）训练模型的一种学习范式，通过对培训数据进行处理，构建一个新数据映射到期望输出值的函数。通常需要人工干预。

3. 可视化工具

• 直观展示：UEBA系统通常配备强大的可视化界面，帮助安全分析师快速理解复杂的行为模式和威胁情报。例如，通过图形化展示用户活动的时间序列图、地理分布图等，便于发现隐藏的趋势和模式。

四、UEBA的优势与挑战

1. 优势

• 早期预警：能够比传统安全工具更早地发现潜在威胁，减少损失。
• 减少误报：通过深入分析上下文信息，降低因单一规则触发而产生的误报率。
• 提升响应效率：基于风险评分的优先级排序，使安全团队能够集中精力处理最关键的问题。

2. 挑战

• 数据质量要求高：需要高质量的日志和事件数据作为输入，否则可能导致错误的分析结果。
• 实施成本较高：部署和维护UEBA系统涉及较高的技术和人力资源投入。
• 隐私问题：由于UEBA涉及对个人行为的深度分析，可能会引发隐私保护方面的担忧。

UEBA作为一种创新的安全分析方法，为企业提供了强大的工具来应对日益复杂的网络安全威胁。然而，成功实施UEBA需要综合考虑技术、流程和人员等多个方面的要求。

五、平台的 UEBA 实现

1. 行为告警配置流程

实体定义 --> 实体行为规则 --> 实体行为提取 --> 行为告警规则 --> 事件

2. 详细步骤

• 1. 定义实体（这个实体是什么样的实体，干什么用的）
• 2. 实体规则抽取（这个实体需要满足什么条件，或者具备的特性）【基于 topic】
• 3. 实体行为日志提取（匹配这个实体的行为，基于某一个 topic 下的日志特定字段特征等提取）
• 4. 行为告警（基于行为的异常判断，定义什么样的异常行为会告警生成事件。同时还想能关联各种处置动作）
  • 关联处置动作：生成工单 | 短信通知 | 邮件通知 | 自动封禁 | POC 扫描任务 | 终端隔离 | IP 断网 | 等

by 久违