威脅情報，設備之外的安全能力

網絡攻擊手法日趨純熟及精密并具破壞性。從網絡安全商角度來看，為眾多每天受到攻擊的單位解決問題成為日益嚴峻的挑戰(zhàn)。

除硬件安全設備以外，一些看不見的安全能力，無疑也是網絡安全防御中不可或缺的，這就是威脅情報。

獲得即時及準確預測威脅情報比所想困難，背后需要一個強大的研發(fā)部門，包括以下幾個重要組成部分：

1.分而治之。利用傳統(tǒng)手法打擊網絡犯罪分子已經沒有效果。根據筆者經驗，有效威脅研究部門應由多個小隊組成，而每個團隊都會專注于特定類型的威脅。這樣可以重點提升專業(yè)水平和競爭能力，從而提升效率并識別更多威脅，縮短客戶面對威脅的時間。

2.保持團隊靈活性。威脅研究團隊必須靈活應對。網絡威脅變化只需一天、數小時甚至數分鐘。團隊必須能夠調整自己的優(yōu)先次序，集中注意力。比如，Fortinet會根據威脅形勢演變預測更新研究計劃。在確定新方向后，挑選最適合的研究人員加入指定團隊，深入評估新出現的威脅。最近威脅例子包括物聯網、勒索軟件和自主惡意軟件。

3.綜觀全局。單位應鼓勵研究人員大處著眼按其興趣工作，即使其興趣范疇與公司產品沒有直接聯系。例如，物聯網漏洞研究可以加深單位安全供應商對威脅環(huán)境趨勢的影響 。

4.提升直覺力。研究團隊的領隊必須培訓其團隊對威脅識別的敏銳度，以確保攻擊在發(fā)生前已經可以辨識該潛在威脅。例如Mirai僵尸網絡入侵物聯網，專業(yè)網絡威脅研究員已于多年間作出物聯網漏洞將是下一個重大威脅警告。威脅發(fā)展迅速和多變， 如果網絡安全商在安全研究上滯后，客戶的網絡就會受到威脅。

5.收集數據。威脅研究團隊獲得越多數據，研究成果就越顯著。如Fortinet除了利用遍布全球的300萬個感應器外，還會積極地透過網絡威脅聯盟(Cyber Threat Alliance)與國際刑警組織(INTERPOL)、KISA及其他網絡安全商交換威脅情報。

6.研究技術的投入。有效的研究團隊需要先進工具協助分析每秒接收的龐大數據。雖然現時我們有內容模式識別語言(CPRLs：Content Patteren Recognition Languages)，幫助識別成千上萬的當前、未來病毒變體。在不久的將來，我們將會依靠大數據分析和人工智能(AI)等技術進行分析，AI 將幫助網絡安全不斷適應持續(xù)增長的攻擊面。未來，一套成熟的人工智能系能夠自動完成這些復雜的決策。

無論AI發(fā)展得多先進，甚至全自動化，讓機器自行作出所有決定的也是不可能的，人為干預仍是必需的。大數據和分析平臺可以預測惡意軟件的發(fā)展，卻不能防止惡意軟件突變。

基本上惡意軟件會隨著互聯網的發(fā)展，及技術應用演變。例如，如果在未來幾年，無人駕駛車和可攜式物聯網裝置被廣泛使用，網絡犯罪分子將會一如既往地尋找方法攻擊這些汽車和設備。同樣地，如果加密貨幣在今年內繼續(xù)維持高利率水平，將會吸引黑客入侵。

自動化概念為網絡犯罪分子開拓很多新可能性，對單位威脅加劇。由于黑客在惡意軟件中加強其自動化攻擊能力，這些程序化設計不但加快攻擊速度，還縮短從發(fā)動攻擊到造成損害之間的時間，同時具有避開偵測的能力。單位需要在分布式網絡生態(tài)系統(tǒng)中，從物聯網到云端層面，透過協調一致的方式進行實時回應。現時未有太多單位有能力作出如此措施，這正是IT總監(jiān)們應該開始著手改善的事情。