近日，國際研究機構Gartner®發布了《如何建設實施網絡檢測與響應》(How to Architect Network Detection and Response Implementation)報告。報告旨在為安全技術人員提供有關網絡檢測和響應(NDR)實施計劃的架構指導，其概述了一個結構化的方法，供安全架構師有效規劃和準備NDR實施。報告列舉了全球29家NDR代表廠商(representative NDR vendors)，騰訊雲憑借旗下NDR産品的多層檢測引擎、全流量分析建模、長周期威脅回溯等核心能力，入選全球代表廠商之列。
在報告中，Gartner對NDR的定義為：“網絡檢測和響應(NDR)産品通過将行為分析應用于網絡流量數據來檢測異常系統行為，它們不斷分析内部網絡(東西向)和内部和外部網絡(南北向)之間的原始網絡數據包或流量元數據。”
報告表示，“網絡檢測和響應(NDR)通常被用作補充工具，以解決更廣泛的安全武器庫中的能力差距。然而，盡管NDR技術具有強大的優勢，但其實施的複雜性對其采用構成了挑戰。”
“資源分配不足加上非最佳架構是NDR實施中的一個常見陷阱。” Gartner指出。因此，在報告中，Gartner提出NDR實施的指導框架，包括一個準備階段和三個不同的步驟。
準備階段：與利益相關者合作，确定能力差距和相關NDR用例。
步驟1-架構師：根據确定的用例和網絡拓撲設計一個高級架構。與網絡團隊合作，為NDR制定流量攝入策略(例如負載平衡、直接路由、鏡像)。
步驟2-選擇：制定選擇标準并進行POC，以評估産品尺寸和運營契合度。
步驟3-規劃：通過分配網絡和人力資源來準備基礎設施，并為實施和未來的增強制定路線圖。
騰訊雲NDR是騰訊自研的高級威脅檢測(APT檢測)、分析、溯源和響應一體化解決方案，具備檢測場景全、響應快、檢測能力強、阻斷率高(可達99.99%)四大優勢。其符合Gartner在“網絡檢測和響應市場指南”的“市場描述”部分中強調的定義和要求，因而入選本次報告的代表供應商列表，且連續三次獲得Gartner《指南》的認可和推薦。
具體而言，在檢測場景方面，騰訊雲NDR基于雲端協同的全流量檢測，覆蓋公有雲上、線下機房全流量檢測場景，勒索病毒、郵件安全、密碼安全等九大安全專題，開箱即用，通過安全專題将威脅聚焦，結合可視化分析幫助客戶針對性解決風險問題;在檢測能力方面，AI算法+威脅情報+哈勃沙箱+規則引擎+全流量溯源五大領先利器，強力對抗攻擊繞過和0day漏洞;在響應速度上，騰訊雲NDR具備全面的互聯網漏洞檢測機制及國内領先的威脅情報庫，能實現實時聯動，快速響應最新漏洞和事件;在阻斷效果上，騰訊雲NDR采用非侵入式旁路阻斷攻擊行為，閉環處置事件，阻斷成功率高達99.99%。
同時，在多雲和複雜的IT環境、人工智能的應用、與其他産品集成中，騰訊雲NDR均有創新舉措與應用案例。
針對多雲和複雜的IT環境，騰訊雲NDR支持在公有雲原生接入鏡像流量和線下機房。提供對互聯網出口流量、負載均衡、NAT網關等南北向流量，和子網内、容器間等東西向流量做檢測，實時發現資産風險、入侵事件、内部滲透攻擊事件等能力。同時，留存原始報文和流量日志方便事後做溯源分析。通過雲沙箱和靜态文件檢測能力，騰訊雲NDR能發現惡意文件傳輸，洞察惡意文件的一切行為，發現未知威脅。
在部署方式上，騰訊雲NDR兼容了不同企業IT環境的需求，能根據客戶流量規模的需求，結合企業自身的IT架構進行靈活部署。騰訊雲NDR一方面與騰訊雲做強結合，在服務好雲上客戶的同時，在技術層面上更多地與雲底層去結合，提供多雲、混合雲場景的流量安全運營體系和部署方案。
在AI的應用上，NDR根據正常流量創建了用戶行為基線模型，通過機器學習等方式，幫助企業在海量數據裡發現偏離模型的異常流量，發現潛在高危威脅。與單純基于統計或設置阈值的檢測方法相比，無監督的AI模型可以更完美地貼合客戶的環境，并且不需要操作人員通過長期的阈值報警觀察來手動調整報警阈值。另外，通過有監督的檢測模型，提升SQL注入、XSS攻擊、Webshell傳輸等攻擊手法的檢出率，有效應對變種攻擊。
在與其他産品集成上，NDR提供幾十個開放API和便捷的數據獲取方式，方便用戶根據自己的需要，快速做接入聯動和數據分析，融入當前已有的運營流程。目前NDR阻斷能力API已被國内多家主流檢測廠商和客戶接入，形成自動化檢測響應流程，大幅提升企業的威脅處置效率和能力。
目前，騰訊雲NDR已經擴展到多個新的應用場景，成功為工業、政務、金融、關基單位在重保期間的網絡安全保駕護航，幫助客戶快速發現網絡威脅、響應安全事件，智能化部署網絡安全防禦體系。在2024年的大型攻防演練中，騰訊雲NDR幫助某大型銀行阻斷了近20億次攻擊，保障了100多個系統、近6000個服務器正常運轉，實現演練零事故。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
