2. 程式人生 > >企業安全建設之搭建開源SIEM平臺

企業安全建設之搭建開源SIEM平臺

阿新 • • 發佈：2019-04-01
流式處理 one 形式 blob 庫服務器 foreach 1.0 \n 安裝

https://www.freebuf.com/special/127172.html

https://www.freebuf.com/special/127264.html

https://www.freebuf.com/articles/network/127988.html

前言

SIEM（security information and event management），顧名思義就是針對安全信息和事件的管理系統，針對大多數企業是不便宜的安全系統，本文結合作者的經驗介紹下如何使用開源軟件搭建企業的SIEM系統，數據深度分析在下篇。

SIEM的發展

對比Gartner2009年和2016年的全球SIEM廠商排名，可以清楚看出，基於大數據架構的廠商Splunk迅速崛起，傳統四強依托完整的安全產品線和成熟市場渠道，依然占據領導者象限，其他較小的廠商逐漸離開領導者象限。最重要的存儲架構也由盤櫃（可選）+商業數據庫逐漸轉變為可橫向擴展的大數據架構，支持雲環境也成為趨勢。

技術分享圖片

技術分享圖片

開源SIEM領域，比較典型的就是ossim和Opensoc，ossim存儲架構是mysql，支持多種日誌格式，包括鼎鼎大名的Snort、Nmap、 Nessus以及Ntop等，對於數據規模不大的情況是個不錯的選擇，新版界面很酷炫。

技術分享圖片

完整的SIEM至少會包括以下功能：

  • 漏洞管理
  • 資產發現
  • 入侵檢測
  • 行為分析
  • 日誌存儲、檢索
  • 報警管理
  • 酷炫報表

其中最核心的我認為是入侵檢測、行為分析和日誌存儲檢索，本文重點集中討論支撐上面三個功能的技術架構。

Opensoc簡介

Opensoc是思科2014年在BroCon大會上公布的開源項目，但是沒有真正開源其源代碼，只是發布了其技術框架。我們參考了Opensoc發布的架構，結合公司實際落地了一套方案。Opensoc完全基於開源的大數據框架kafka、storm、spark和es等，天生具有強大的橫向擴展能力，本文重點講解的也是基於Opensoc的siem搭建。

技術分享圖片

上圖是Opensoc給出的框架，初次看非常費解，我們以數據存儲與數據處理兩個緯度來細化，以常見的linux服務器ssh登錄日誌搜集為例。

數據搜集緯度

數據搜集緯度需求是搜集原始數據，存儲，提供用戶交互式檢索的UI接口，典型場景就是出現安全事件後，通過檢索日誌回溯攻擊行為，定損。

技術分享圖片

logtash其實可以直接把數據寫es，但是考慮到storm也要數據處理，所以把數據切分放到logstash，切分後的數據發送kafka，提供給storm處理和logstash寫入es。數據檢索可以直接使用kibana，非常方便。數據切分也可以在storm裏面完成。這個就是大名鼎鼎的ELK架構。es比較適合存儲較短時間的熱數據的實時檢索查詢，對於需要長期存儲，並且希望使用hadoop或者spark進行大時間跨度的離線分析時，還需要存儲到hdfs上，所以比較常見的數據流程圖為：

技術分享圖片

數據處理緯度

這裏以數據實時流式處理為例，storm從kafka中訂閱切分過的ssh登錄日誌，匹配檢測規則，檢測結果的寫入mysql或者es。

技術分享圖片

在這個例子中，孤立看一條登錄日誌難以識別安全問題，最多識別非跳板機登錄，真正運行還需要參考知識庫中的常見登錄IP、時間、IP情報等以及臨時存儲處理狀態的狀態庫中最近該IP的登錄成功與失敗情況。比較接近實際運行情況的流程如下：

技術分享圖片

具體判斷邏輯舉例如下，實際中使用大量代理IP同時暴力破解，打一槍換一個地方那種無法覆蓋，這裏只是個舉例：

技術分享圖片

擴展數據源

生產環境中，處理安全事件，分析入侵行為，只有ssh登錄日誌肯定是不夠，我們需要盡可能多的搜集數據源，以下作為參考：

  • linux/window系統安全日誌/操作日誌
  • web服務器訪問日誌
  • 數據庫SQL日誌
  • 網絡流量日誌

簡化後的系統架構如下,報警也存es主要是查看報警也可以通過kibana，人力不足界面都不用開發了：

技術分享圖片

storm拓撲

storm拓撲支持python開發，以處理SQL日誌為例子：

假設SQL日誌的格式

"Feb 16 06:32:50 "	"127.0.0.1" "root@localhost" "select * from user where id=1"

一般storm的拓撲結構

技術分享圖片

簡化後spout是通用的從kafka讀取數據的，就一個bolt處理SQL日誌，匹配規則，命中策略即輸出”alert”:”原始SQL日誌”

核心bolt代碼doSQLCheckBolt偽碼

import storm

class doSQLCheckBolt(storm.BasicBolt):
    def process(self, tup):
        words = tup.values[0].split(" ")
         sql = word[3]
        if re.match（規則,sql）：
            storm.emit（["sqli",tup.values[0]]）

doSQLCheckBolt().run()

TopologyBuilder builder = new TopologyBuilder();        
builder.setSpout("sqlLog", new kafkaSpout(), 10);        
builder.setBolt("sqliAlert", new doSQLCheckBolt(), 3)
        .shuffleGrouping("sqlLog");

拓撲提交示例

Config conf = new Config();
conf.setDebug(true);
conf.setNumWorkers(2);

LocalCluster cluster = new LocalCluster();
cluster.submitTopology("doSQL", conf, builder.createTopology());
Utils.sleep(10000);
cluster.killTopology("doSQL");
cluster.shutdown();

logstash

在本文環節中，logstash的配置量甚至超過了storm的拓撲腳本開發量，下面講下比較重點的幾個點，切割日誌與檢索需求有關系，非常個性化，這裏就不展開了。

從文件讀取

input
    file {
        path => ["/var/log/*.log", "/var/log/message"]
        type => "system"
        start_position => "beginning"
    }
}

從kafka中訂閱

input {
    kafka {
        zk_connect => "localhost:2181"
        group_id => "logstash"
        topic_id => "test"
        reset_beginning => false # boolean (optional)， default: false
        consumer_threads => 5  # number (optional)， default: 1
        decorate_events => true # boolean (optional)， default: false
        }
    }

寫kafka

output {
    kafka {
        broker_list => "localhost:9092"
        topic_id => "test"
        compression_codec => "snappy" # string (optional)， one of ["none"， "gzip"， "snappy"]， default: "none"
    }
}

寫hdfs

output {
    hadoop_webhdfs {
        workers => 2
        server => "localhost:14000"
        user => "flume"
        path => "/user/flume/logstash/dt=%{+Y}-%{+M}-%{+d}/logstash-%{+H}.log"
        flush_size => 500
        compress => "snappy"
        idle_flush_time => 10
        retry_interval => 0.5
    }
}

寫es

output {
    elasticsearch {
        host => "localhost"
        protocol => "http"
        index => "logstash-%{type}-%{+YYYY.MM.dd}"
        index_type => "%{type}"
        workers => 5
        template_overwrite => true
    }
}

前言

SIEM（security information and event management），顧名思義就是針對安全信息和事件的管理系統，針對大多數企業是不便宜的安全系統，本文結合作者的經驗介紹如何使用開源軟件離線分析數據，使用攻擊建模的方式識別攻擊行為。

回顧系統架構

技術分享圖片

以數據庫為例，通過logstash搜集mysql的查詢日誌，近實時備份到hdfs集群上，通過hadoop腳本離線分析攻擊行為。

數據庫日誌搜集

常見的數據日誌搜集方式有三種：

鏡像方式

大多數數據庫審計產品都支持這種模式，通過分析數據庫流量，解碼數據庫協議，識別SQL預計，抽取出SQL日誌

技術分享圖片

代理方式

比較典型的就是db-proxy方式，目前百度、搜狐、美團、京東等都有相關開源產品，前端通過db-proxy訪問後端的真實數據庫服務器。SQL日誌可以直接在db-proxy上搜集。

技術分享圖片

客戶端方式

通過在數據庫服務器安裝客戶端搜集SQL日誌，比較典型的方式就是通過logstash來搜集，本文以客戶端方式進行講解，其余方式本質上也是類似的。

logstash配置

安裝

下載logstash https://www.elastic.co/downloads/logstash 目前最新版本5.2.1版

開啟mysql查詢日誌

技術分享圖片

mysql查詢日誌

技術分享圖片

配置logstash

input {

file {

type => "mysql_sql_file"

path => "/var/log/mysql/mysql.log"

start_position => "beginning"

sincedb_path => "/dev/null"

}

}

output {

kafka { broker_list => "localhost:9092" topic_id => "test" compression_codec => "snappy" # string (optional)， one of ["none"， "gzip"， "snappy"]， default: "none" }

}

運行logstash

bin/logstash -f mysql.conf

日誌舉例

2017-02-16T23:29:00.813Z localhost 170216 19:10:15 37 Connect

debian-sys-maint@localhost on

2017-02-16T23:29:00.813Z localhost 37 Quit

2017-02-16T23:29:00.813Z localhost 38 Connect debian-sys-maint@localhost on

2017-02-16T23:29:00.813Z localhost 38 Query SHOW VARIABLES LIKE ‘pid_file‘

切詞

最簡化操作是不用進行切詞，如果喜歡自動切分出數據庫名，時間等字段，請參考：

grok語法

https://github.com/elastic/logstash/blob/v1.4.2/patterns/grok-patterns

grok語法調試

http://grokdebug.herokuapp.com/

常見攻擊特征

以常見的wavsep搭建靶場環境，請參考我的另外一篇文章《基於WAVSEP的靶場搭建指南》

使用SQL掃描鏈接

技術分享圖片

分析攻擊特征，下列列舉兩個，更多攻擊特征請大家自行總結

特征一

2017-02-16T23:29:00.993Z localhost 170216 19:19:12   46 Query SELECT username, password FROM users WHERE username=‘textvalue‘ UNION ALL SELECT NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL#‘ AND password=‘textvalue2‘

使用聯合查詢枚舉數據時會產生大量的NULL字段

特征二、三

枚舉數據庫結構時會使用INFORMATION_SCHEMA，另外個別掃描器會使用GROUP BY x)a)

2017-02-16T23:29:00.998Z localhost    46 Query SELECT username, password FROM users WHERE username=‘textvalue‘ AND (SELECT 7473 FROM(SELECT COUNT(*),CONCAT(0x7171716271,(SELECT (CASE WHEN (8199= 8199) THEN 1 ELSE 0 END)),0x717a627871,FLOOR(RAND(0)*2))x FROM INFORMATION_SCHEMA.PLUGINS GROUP BY x)a)-- LFpQ‘ AND password=‘textvalue2‘

hadoop離線處理

hadoop是基於map，reduce模型

技術分享圖片

簡化理解就是：

cat data.txt | ./map | ./reduce

最簡化期間，我們可以只開發map程序，在map中逐行處理日誌數據，匹配攻擊行為。

以perl腳本開發，python類似

#!/usr/bin/perl -w

my $rule="(null,){3,}|information_schema|GROUP BY x\\)a\\)";

my $line="";

while($line=<>)

{

if( $line=~/$rule/i )

{

printf($line);

}

}

在hadoop下運行即可。

生產環境

生產環境中的規則會比這復雜很多，需要你不斷補充，這裏只是舉例；

單純只編寫map會有大量的重復報警，需要開發reduce用於聚合；

應急響應時需要知道SQL註入的是那個庫，使用的是哪個賬戶，這個需要在logstash切割字段時補充；

應急響應時最好可以知道SQL註入對應的鏈接，這個需要將web的accesslog與SQL日誌關聯分析，比較成熟的方案是基於機器學習，學習出基於時間的關聯矩陣；

客戶端直接搜集SQL數據要求mysql也開啟查詢日誌，這個對服務器性能有較大影響，我知道的大型公司以db-prxoy方式接入為主，建議可以在db-proxy上搜集；

基於規則識別SQL註入存在瓶頸，雖然相對web日誌層面以及流量層面有一定進步，SQL語義成為必然之路。

後繼

前言

SIEM（security information and event management），顧名思義就是針對安全信息和事件的管理系統，針對大多數企業是不便宜的安全系統，本文結合作者的經驗介紹如何使用開源軟件離線分析數據，使用算法挖掘未知攻擊行為。上集傳送門

回顧系統架構

技術分享圖片

以WEB服務器日誌為例，通過logstash搜集WEB服務器的查詢日誌，近實時備份到hdfs集群上，通過hadoop腳本離線分析攻擊行為。

自定義日誌格式

開啟httpd自定義日誌格式，記錄User-Agen以及Referer

<IfModule logio_module>
      # You need to enable mod_logio.c to use %I and %O
      LogFormat "%h %l %u %t \"%r\" %>s %b \"%{Referer}i\" \"%{User-Agent}i\" %I %O" combinedio
    </IfModule>
    CustomLog "logs/access_log" combined

日誌舉例

180.76.152.166 - - [26/Feb/2017:13:12:37 +0800] "GET /wordpress/ HTTP/1.1" 200 17443 "http://180.76.190.79:80/" "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.21 (KHTML, like Gecko) Chrome/41.0.2228.0 Safari/537.21"
180.76.152.166 - - [26/Feb/2017:13:12:37 +0800] "GET /wordpress/wp-json/ HTTP/1.1" 200 51789 "-" "print `env`"
180.76.152.166
 - - [26/Feb/2017:13:12:38 +0800] "GET 
/wordpress/wp-admin/load-styles.php?c=0&dir=ltr&load[]=dashicons,buttons,forms,l10n,login&ver=Li4vLi4vLi4vLi4vLi4vLi4vLi4vLi4vLi4vLi4vZXRjL3Bhc3N3ZAAucG5n
 HTTP/1.1" 200 35841 "http://180.76.190.79:80/" "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.21 (KHTML, like Gecko) Chrome/41.0.2228.0 Safari/537.21"
180.76.152.166 - - [26/Feb/2017:13:12:38 +0800] "GET /wordpress/ HTTP/1.1" 200 17442 "http://180.76.190.79:80/" "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.21 (KHTML, like Gecko) Chrome/41.0.2228.0 Safari/537.21"

測試環境

在wordpress目錄下添加測試代碼1.php，內容為phpinfo

技術分享圖片

針對1.php的訪問日誌

[root@instance-8lp4smgv logs]# cat access_log | grep ‘wp-admin/1.php‘
125.33.206.140
 - - [26/Feb/2017:13:09:47 +0800] "GET /wordpress/wp-admin/1.php 
HTTP/1.1" 200 17 "-" "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) 
AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 
Safari/537.36"
125.33.206.140 - - [26/Feb/2017:13:11:19 +0800] 
"GET /wordpress/wp-admin/1.php HTTP/1.1" 200 17 "-" "Mozilla/5.0 
(Macintosh; Intel Mac OS X 10_12_3) AppleWebKit/537.36 (KHTML, like 
Gecko) Chrome/50.0.2661.102 Safari/537.36"
125.33.206.140 - - 
[26/Feb/2017:13:13:44 +0800] "GET /wordpress/wp-admin/1.php HTTP/1.1" 
200 17 "-" "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) 
AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 
Safari/537.36"
127.0.0.1 - - [26/Feb/2017:13:14:19 +0800] "GET 
/wordpress/wp-admin/1.php HTTP/1.1" 200 17 "-" "curl/7.19.7 
(x86_64-redhat-linux-gnu) libcurl/7.19.7 NSS/3.14.0.0 zlib/1.2.3 
libidn/1.18 libssh2/1.4.2"
127.0.0.1 - - [26/Feb/2017:13:16:04 
+0800] "GET /wordpress/wp-admin/1.php HTTP/1.1" 200 107519 "-" 
"curl/7.19.7 (x86_64-redhat-linux-gnu) libcurl/7.19.7 NSS/3.14.0.0 
zlib/1.2.3 libidn/1.18 libssh2/1.4.2"
125.33.206.140 - - 
[26/Feb/2017:13:16:12 +0800] "GET /wordpress/wp-admin/1.php HTTP/1.1" 
200 27499 "-" "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) 
AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 
Safari/537.36"
[root@instance-8lp4smgv logs]#

hadoop離線處理

hadoop是基於map，reduce模型

map腳本

localhost:work maidou$ cat mapper-graph.pl 
#!/usr/bin/perl -w
#180.76.152.166 - - [26/Feb/2017:13:12:37 +0800] "GET /wordpress/ HTTP/1.1" 200 17443 "http://180.76.190.79:80/" "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.21 (KHTML, like Gecko) Chrome/41.0.2228.0 Safari/537.21"
my $line="";
while($line=<>)
{
if( $line=~/"GET (\S+) HTTP\/1.[01]" 2\d+ \d+ "(\S+)"/ )
{
my $path=$1;
my $ref=$2;
if( $path=~/(\S+)\?(\S+)/  )
{
$path=$1;
}
if( $ref=~/(\S+)\?(\S+)/  )
                {
                        $ref=$1;
                }
if( ($ref=~/^http:\/\/180/)||( "-" eq $ref  )  )
{
my $line=$ref."::".$path."\n";
#printf("$ref::$path\n");
print($line);
}
}
}

reducer腳本

localhost:work maidou$ cat reducer-graph.pl 
#!/usr/bin/perl -w
my %result;
my $line="";
while($line=<>)
{
if( $line=~/(\S+)\:\:(\S+)/ )
{
unless( exists($result{$line})  )
{
$result{$line}=1;
}
}
}
foreach $key (sort keys %result)   
{   
if( $key=~/(\S+)\:\:(\S+)/ )
        {
                my $ref=$1;
                my $path=$2;#這裏是舉例，過濾你關註的webshell文件後綴，常見的有php、jsp，白名單形式過濾存在漏報風險;也可以以黑名單形式過濾你忽略的文件類型
                if( $path=~/(\.php)$/  )
                {
                        my $output=$ref." -> ".$path."\n";
                        print($output);
                }
        }       
 
}

生成結果示例為：

- -> http://180.76.190.79/wordpress/wp-admin/1.php
- -> http://180.76.190.79/wordpress/wp-admin/admin-ajax.php
- -> http://180.76.190.79/wordpress/wp-admin/customize.php
http://180.76.190.79/wordpress/ -> http://180.76.190.79/wordpress/wp-admin/edit-comments.php
http://180.76.190.79/wordpress/ -> http://180.76.190.79/wordpress/wp-admin/profile.php
http://180.76.190.79/wordpress/ -> http://180.76.190.79/wordpress/wp-login.php
http://180.76.190.79/wordpress/ -> http://180.76.190.79/wordpress/xmlrpc.php

圖算法

講生成數據導入圖數據庫neo4j，滿足webshell特征的為：

入度出度均為0

入度出度均為1且自己指向自己

neo4j

neo4j是一個高性能的,NOSQL圖形數據庫，它將結構化數據存儲在網絡上而不是表中，因其嵌入式、高性能、輕量級等優勢，越來越受到關註。

技術分享圖片

neo4j安裝

https://neo4j.com/ 上下載安裝包安裝，默認配置即可

ne04j啟動

以我的mac為例子，通過gui啟動即可，默認密碼為ne04j/ne04j，第一次登錄會要求更改密碼

技術分享圖片

GUI管理界面

技術分享圖片

python api庫安裝

sudo pip install neo4j-driver

下載JPype

https://pypi.python.org/pypi/JPype1

安裝JPype

tar -zxvf JPype1-0.6.2.tar.gz 
cd JPype1-0.6.2
sudo python setup.py install

將數據導入圖數據庫代碼如下：

B0000000B60544:freebuf liu.yan$ cat load-graph.py 
import re
from neo4j.v1 import GraphDatabase, basic_auth
nodes={}
index=1
driver = GraphDatabase.driver("bolt://localhost:7687",auth=basic_auth("neo4j","maidou"))
session = driver.session()
file_object = open(‘r-graph.txt‘, ‘r‘)
try:
for line in file_object:
matchObj = re.match( r‘(\S+) -> (\S+)‘, line, re.M|re.I)
if matchObj:
path = matchObj.group(1);
ref = matchObj.group(2);
if path in nodes.keys():
path_node = nodes[path]
else:
path_node = "Page%d" % index
nodes[path]=path_node
sql = "create (%s:Page {url:\"%s\" , id:\"%d\",in:0,out:0})" %(path_node,path,index)
index=index+1
                        session.run(sql)
#print sql
if ref in nodes.keys():
                                ref_node = nodes[ref]
                        else:
                                ref_node = "Page%d" % index
                                nodes[ref]=ref_node
sql = "create (%s:Page {url:\"%s\",id:\"%d\",in:0,out:0})" %(ref_node,ref,index)
                                index=index+1
                                session.run(sql)
#print sql
sql = "create (%s)-[:IN]->(%s)" %(path_node,ref_node)
session.run(sql)
#print sql
sql = "match (n:Page {url:\"%s\"}) SET n.out=n.out+1" % path
                        session.run(sql)
                        #print sql
                        sql = "match (n:Page {url:\"%s\"}) SET n.in=n.in+1" % ref
                        session.run(sql)
                        #print sql
finally:
     file_object.close( )
session.close()

生成有向圖如下

技術分享圖片

技術分享圖片

查詢入度為1出度均為0的結點或者查詢入度出度均為1且指向自己的結點，由於把ref為空的情況也識別為”-”結點，所以入度為1出度均為0。

技術分享圖片

優化點

生產環境實際使用中，我們遇到誤報分為以下幾種：

主頁，各種index頁面（第一個誤報就是這種）

phpmyadmin、zabbix等運維管理後臺

hadoop、elk等開源軟件的控制臺

API接口

這些通過短期加白可以有效解決，比較麻煩的是掃描器對結果的影響（第二個誤報就是這種），這部分需要通過掃描器指紋或者使用高大上的人機算法來去掉幹擾。

後記

使用算法來挖掘未知攻擊行為是目前非常流行的一個研究方向，本文只是介紹了其中比較好理解和實現的一種算法，該算法並非我首創，不少安全公司也都或多或少有過實踐。篇幅有限，我將陸續在企業安全建設專題其他文章中由淺入深介紹其他算法。算法或者說機器學習本質是科學規律在大數據集集合上趨勢體現，所以很難做到精準報警，目前階段還是需要通過各種規則和模型來輔助，不過對於挖掘未知攻擊行為確實是一支奇兵。

企業安全建設之搭建開源SIEM平臺

相關推薦

企業安全建設之搭建開源SIEM平臺

流式處理 one 形式 blob 庫服務器 foreach 1.0 \n 安裝 https://www.freebuf.com/special/127172.html https://www.freebuf.com/special/127264.html https:/

網際網路企業安全建設之路：網際網路企業為什麼要做安全？

 我決定寫一篇關於網際網路企業安全建設的文章。 一來是把自己之前做過的和目前正在做的一些事情以及想法總結一下，二來是希望可以幫助對網際網路企業安全建設感興趣或是有這方面需求的朋友。 整篇文章分為三大部分： 一、網際網路企業為什麼要做安全 二、網際網路企業需要什麼樣的安全 三、網際網路企業如何做好安

企業安全建設之終端防毒

概述 （終端感染熊貓燒香病毒時的場景） 2007年一款名為熊貓燒香的病毒肆虐網際網路，它主要通過下載的檔案傳染，是一款擁有自動傳播、自動感染硬碟能力和強大的破壞能力的病毒，它不但能感染系統中exe，com，pif，src，html，asp等檔案，它還能中止大量的反病毒軟體程序並且會刪除GHOST的

企業安全建設之淺談辦公網安全

前言 在大多數網際網路公司，安全建設的主要精力都投入在業務網安全上，辦公網往往成為短板。為避免教科書式的理論說教，本文以攻防的角度，以中型網際網路公司為例，討論下辦公網安全建設。這裡的辦公網是狹義的辦公網，僅包括員工辦公的網路區域，支撐辦公的erp、郵件等系統不包含在內。 辦公網滲透思路 辦公網通

安全建設之平臺搭建

一、資訊蒐集類 基礎資訊 基礎資訊蒐集包括ip，域名，埠，框架，元件資訊。Ip、域名甲方可通過運維同事獲取，其他獲取方式仁者見仁智者見智。埠，需要我們根據獲取的域名、ip進行埠掃描，這裡推薦masscan、nmap，寫排程指令碼入庫處理，記錄並對比是一個持久的工作，並對埠做服務探測，有時會有不一樣的收穫。

互金企業安全建設總結

建立 烏雲 original 收集 邏輯架構 安全管理 文件 images png 一、概述 首先，把要說的重點總結下，時間就是金錢，剩下的都是廢話圍繞這些去說的。（PS。本文所說的甲方安全，全部指一個或者兩三個普通人的小團隊，非大佬團隊，非互聯網航母企業） 安全一定要由

企業網站建設之殤：如何打造品牌化企業網站

    如今品牌意識已經漸漸進入企業營銷中，品牌不是一個獨立的部分，其與企業的利潤，企業的市場環境，企業的內外資源是息息相關的。自網路營銷代替傳統營銷後，網路品牌建設也成為提高營銷效率的途徑，網路品牌的形成是所有網路營銷的體現，是需要長時間營銷形成的效果。    網路

B2B創業型企業的安全運營建設之路

作者簡介： 卞軍軍 找鋼網 高階資訊保安工程師 2015年年底加入找鋼網，負責應用安全評估、滲透測試、運維安全基線建設、安全運營等。 前攜程高階安全運營工程師（2012.7—2015.9)，主要從事原始碼安全審計、安全漏洞測試，安全產品運營。 前言 本文大致分為以下三點： 找鋼網的背景和問題；

OnlineJudgeFE之前端二次開發 青島大學開源OJ平臺搭建

之前我們在這篇文章青島大學開源OJ平臺搭建 講了關於它的安裝和部署。 今天我們討論如何對其進行二次開發。首先談談前端的二次開發。 如果想要對青島大學的OJ專案進行二次開發，目前我覺得要滿足這麼幾個要求？ 第一、前端使用的是Vue.js，你需要對Vue.js畢竟熟悉； 第二、nodejs和webpac

企業信息安全專題之如何避免信息泄漏探討---活動總結

信息安全 網絡安全 互聯網 防火墻 信息部 這是應國內某知名IT論壇相邀，作為嘉賓來參加互聯網安全的交流活動話題的總結，最後感謝大家的參與，活動已經圓滿活動結束，由於時間關系，只能每天23:00到01:00期間跟大家交流，但是還是抵不過大家的熱情，提出了N個問題，本次總結文章應彭總要求，隨

大數據Hadoop學習之搭建Hadoop平臺（2.1）

穩定版 發的 log tar sshd scheduler 文件夾 三種 rest 　　 關於大數據，一看就懂，一懂就懵。 一、簡介 　　Hadoop的平臺搭建，設置為三種搭建方式，第一種是“單節點安裝”，這種安裝方式最為簡單，但是並沒有展示出Hadoop的技術優勢，適

PHP 雜談《微信H5棋牌牛牛源碼搭建租售平臺》之 重新組織你的函數

調用方法 本體 微信 分享圖片 味道 rep color 一段 常用 微信H5棋牌牛牛源碼搭建租售平臺原文地址：http://h5.fanshubbs.com 聯系方式Q1687054422思維導圖 點擊下圖，可以看大圖。 介紹 我把我比較喜歡的和比較關註的地方寫下來和大

案例丨互聯網金融企業數據安全建設啟示

同時 產品 實現數據審計 完整性 專業 特征 數據訪問 責任 解決方案 當今互聯網已經延伸出一系列新興的金融服務模式，雲計算、大數據、人工智能等新技術的應用在深刻改變金融服務的同時，也會帶來系統風險等安全問題。數據安全逐漸成為互聯網金融行業的重要議題，而信息安全關乎用戶的信

dubbo框架Demo之dubbo-admin管理平臺和zookeeper註冊中心搭建

inf 啟動 路徑 class lin 3.4 $path 修改 -m dubbo框架Demo之dubbo-admin管理平臺和zookeeper註冊中心搭建 一、安裝環境 系統軟件環境 單機 系統Centos7.3 java: jdk1.8.0_181 maven:

交友相親網站建設開發，交友互動平臺，婚戀平臺搭建

我們的優勢：新一代建站技術-多屏適配:電腦/平板/手機/微信站一步到位。我們公司以技術為本，針對客戶行業和企業形象及需求,定製高質量、高要求網站，我們長期建站以來，積累了許多模板案例，工期短，費用少。 業務範圍：1、網站建設：包括企業官-網 外貿網站建設品牌網站 購物商城 分銷型網站等2、移動應用：手機網站

客戶故事 | 北京銀行自動化運維平臺建設之路

近年來，國內外金融行業環境複雜多變，技術發展更是迅猛。許多網際網路企業以餘額理財為切入點，基於P2P網貸業務、第三方支付平臺和社會平臺來積累使用者資源，以此拓展其他消費金融業務。更有甚者，發起設立民營銀行。 在此環境下，為了應對市場變化，傳統銀行將更多金融服務類產品投入市場當中。這些新的業務在為

Lepus搭建企業級數據庫慢查詢分析平臺

gsl 手動 test history 選擇 tmp uri post socket 前言 Lepus的慢查詢分析平臺是獨立於監控系統的模塊，該功能需要使用percona-toolkit工具來采集和記錄慢查詢日誌，並且需要部署一個我們提供的shell腳本來進行數據采集。該

docker筆記之搭建LNMP平臺(wordpress)

建立mysql資料庫容器 [[email protected] web]# docker run -itd --name lnmp_mysql -p 3308:3306 -e MYSQL_ROOT_PASSWORD=123456 mysql --character-set

《資料庫安全應用指南》重磅釋出 幫助企業資料安全建設選型

隨著資料規模的TB級增長，通過釋放資料價值來完成業務轉型與增長，已經成為各行業數字化轉型的基本方向。作為資料儲存的主要技術手段，資料庫系統在整個IT架構中的重要地位不言而喻。然而，伴隨網際網路技術的飛速發展，資料庫被逐漸暴露在更開放、更復雜的網路環境中，傳統網路安全體系已不再適用於雲端計算、多連線等環

DevOps驅動的人保微服務平臺建設之路

轉載本文需註明出處：EAWorld，違者必究。 引言： 2018年，我們在人保壽險進行了微服務平臺建設。針對保險行業，微服務建設有哪些需求，我們又是如何應用DevOps理念的，本文我就和大家分享一下我們在人保壽險的微服務建設之路。希望通過本文，大家能夠撥雲見日，真正的使DevOps成為企業