本文来源于:2021第二届中小金融机构数智化转型优秀案例评选,作者:无锡农商行

无锡农商行:基于国产化的安全大脑平台

2021-06-16 关键词:农信/农商行3263

一、项目背景及目标


现如今,信息基础设施已成为现代社会的根基,我国在各领域的信息化建设,受到国外核心技术和产品的渗透,棱镜门、中兴、华为事件、中美贸易战等众多事件的发生,恰好证明了网络安全、国家安全正在面临严峻挑战。


习总书记指出,网络安全的核心是技术安全。网络安全要技术安全,网络安全要求是非传统安全,所以自主可控是前提,是必要条件。无论是中兴事件还是华为事件,重要的一点就是核心技术必须掌握在自己手里,所以要以“国产化替代”,实现“安全可控”。实现软硬件产品的国产化是保障信息安全的重要条件,“自主可控”增强国家核心竞争力。


银行系统是我国的关键基础设施之一,对于保障国家安全、经济运行和社会生活有着至关重要的作用。习总书记指出,防范化解金融风险特别是防止发生系统性金融风险,是金融工作的根本性任务。要加快金融市场基础设施建设,稳步推进金融业关键信息基础设施国产化。在此背景下,自主可控关乎国家战略,在国际竞争中发挥着举足轻重的作用。


目前中小型银行普遍建立起由传统安全设备组成的安全防御体系,包括防火墙、入侵检测、防病毒、抗DDOS、WAF、漏扫等,覆盖了网络层、主机层、应用层以及数据层防护。这些安全设备将会持续产生大量安全日志,对日常安全运营产生大量负担。具体表现为:


1、海量安全事件日志。银行在面对各类安全设备输出的大量、异构、不确定的安全事件时,常常很难更准确的筛选出可信告警,往往淹没在大量的安全数据中,风险处理效果较低。


2、数据孤岛。为更准确分析外部攻击、内部威胁,往往需要登录多个系统,关联查询安全事件、操作日志、安全合规、威胁情报、自然人信息、资产信息、业务信息、配置信息等信息,各平台独立管理数据,安全数据呈现碎片化、分散化特点,导致安全分析准确性较低。


3、缺少有效分析手段。单独安全设备针对风险的分析往往局限于识别风险方法、部署位置、单一目标等原因,管理者需要面对误报、漏报、片面等问题;同时,异构数据之间缺乏有效关联,无法深度分析出安全数据之间的内在联系、挖掘出隐藏在正常状态下的安全隐患、精确定位安全问题,以至于不能实现安全数据价值大化。


4、数据自身问题。安全数据来源多、数据结构复杂,难以通过统一维度视角进行分析,缺乏自动化数据融合手段,整理为集成度、价值性较高融合安全数据;同时,安全风险分析结果还存在误报率偏高、可信度较低,缺乏灵活交互、智能分析手段,以支撑安全分析决策。


5、缺乏联动。由于快速增加的企业资产规模、越发复杂的企业网络结构,难以仅通过事件数据精准、快速的定位风险资产,串联消息通知、威胁处置等安全运营工作。


针对以上问题,亟需建设基于国产化的安全大脑,一方面可推动国家、金融行业信息安全自主可控,加快国产替代进程与发展,另一方面提升银行安全能力,能够全面掌控金融系统运行过程中的安全态势和运行情况,构建行业安全分析、防护体系。


二、创新点


1、安全可信,主动安全防护

使用可信免疫的计算模式与结构,采用安全可信的系统架构,完善可信可控的高效安全防护能力。


2、汇聚、融合多源数据,集成多种监测能力

全面采集企业IT、风险、日志等相关数据,大程度的将企业信息安全管理 工作通过数据实现可视化,支撑上层风险分析需求;


集成全流量监测、漏洞监测、网站监测、日志审计等多种监测能力;


3、多角度、更深入的数据分析能力

通过深度理解、挖掘各类安全数据间相关度、关联方式、逻辑关系,帮助提升安全风险输出的可信度,站在整体视角综合分析,支持实时、离线输出更精准、更可信的安全风险;


支持智能分析,包括基线学习、安全引擎等深度分析能力。


4、建立安全指挥、运营、管理框架

实践安全运营管理工作,基于安全防御、响应体系,针对发现风险,实现一键处置、处置返回、处置复查、风险加固。


三、技术实现特点


安全大脑贯穿银行安全生态建设体系,站在更宏观视角,提供全面的数据汇聚能力,智能的安全风险分析及威胁感知能力,高效的数据检索、威胁溯源能力,精准的风险、资产研判能力,精美的可视化态势展示能力,灵活的安全协同响应处置能力,以及灵活、高效的分析、可视化、SOAR策略配置能力。


1、自主可控

全面兼容飞腾、鲲鹏、龙芯、申威、海光、兆芯等国产CPU;

完美适配中标麒麟、银河麒麟、统信等安全可信操作系统;

采用国产自主知识产权的技术产品。


2、数据融合

全面采集企业IT、风险、日志等多源相关数据;

针对不同格式数据内容进行标准化解析;

支持数据范式化、过滤、补全、归并等模块化数据处理。


3、数据智能分析

提供实时分析、离线计算分析能力;

支持关联分析能力;

提供数据基线学习分析,支持交互式配置、sql模式配置;

内置多种安全分析引擎,针对应急场景快速响应。


4、威胁可视

多维度态势分析场景; 

多视角风险感知大屏; 

灵活可视化交互配置。


5、协同响应

网络威胁自动化协同响应与应急处置; 

工作流程SOAR自动化编排与响应。


四、项目过程管理


1、需求分析阶段

此阶段时间段为2021年1月初至2021年1月中旬,其间主要完成了业务需求分析、业务功能和技术构架的高层设计。提交了现状需求分析报告、各功能模块的高层设计、技术构架和接口的高层设计等文档。


2、系统详细设计阶段

此阶段起始时间为2021年1月中旬至2020年2月初,其间主要完成了系统详细设计工作,提交了安全大脑详细设计说明书等文档。


3、系统编码、测试

此阶段起始时间为2021年2月初至2021年2月中旬,其间完成了安全大脑的编码、测试,提交了安全大脑测试报告、上线方案、系统设置等文档。


4、国产化配置

此阶段起始时间为2021年2月中旬至2021年3月初,其间安全大脑完成多款国产化CPU与操作系统的适配工作。


5、上线准备阶段

此阶段起始时间为2021年3月初至2021年4月初,其间完成了资源准备、现场设备部署调试、日志接入、分析模型构建等工作。


6、试点行上线阶段

此阶段起始时间为2021年4月初至2021年5月中旬,其间完成了安全大脑的试运行工作,并对安全大脑的策略进行调优。并完成自动化封禁部署、大屏调试等工作。


五、运营情况


1、数据汇聚与分析


【数据融合】

支持各类、多种数据采集汇聚,对采集数据进行数据标准化,并面向不同需求,存储到相应存储单元中。


【日志标准化】

根据不同的日志格式定制相应范化规则 (正则表达式),进行数据内容标准化解析;

系统内置大量原始日志解析规则,快速应对数据准备、数据接入阶段;

支持数据范化、过滤、补全、归并、映射等模块化数据处理功能,让各类数据易用性更高、更标准,从而进一步提升数据分析效率、准确性、灵活性;


【数据分析】

基于汇聚的标准日志、事件、IT基础、情报等多源数据,提供实时计算分析、离线计算分析能力,并支持关联分析、数据基线、分析引擎等图形化交互、SQL、导入等分析配置功能,帮助用户在理解数据的基础上快速配置、获取数据分析能力,高效应对不断迭代、发现的企业网络安全风险问题,并输出高可信风险告警。


2、威胁感知与监测

基于宏观视角,展示整体安全情况,能清楚的了解当前网络安全状况、评级分数、爆发的重大事件等,并能评估防御不足还是内部威胁,决策哪里需要加固。


【全流量监测】

全流量监测探针基于核心交换旁路镜像流量数据模式,在不影响正常业务的情况下,获取全流量数据,支撑流量数据审计、风险分析、溯源检索需求。


【漏洞监测】

基于主动和被动两种模式, 基于场景精细化扫描,自启发式漏洞检测, 实现对网络内主机系统、网络设备的漏洞信息进行收集和管理,并将相关数据采集结果发送到安全大脑进行综合分析。


【威胁情报】

基于阿里海量威胁情报来源、技术支持,提供更丰富、更高效、更及时的国际***威胁情报数据,有力支撑智能分析,持续性提升安全风险感知与处置能力。


【安全资产中心】

构建统一面向安全的资产中心,基于安全大脑汇聚银行数据优势,解决银行资产数据不统一、维护属性差异大、未知资产存在安全隐患等问题,管理资产及其属性,重点关注各类安全属性。


【追踪溯源】

利用安全大数据处理技术,基于贝叶斯网络分析、马尔科夫预测分析、稀疏干涉分析等算法,结合伪造地址的IP追踪 技术、跳板攻击溯源技术、匿名通信系统追踪等技术,在发现高级威胁、未知威胁的同时,减少流量溯源、事件溯源、playload载荷溯源、终端溯源所需时间,及时定位攻击源,追溯、串联、构建攻击过程数据。


3、智能运营


【协同响应】

安全风险闭环作为安全运营的重要管控工作流程,以态势感知网络威胁可视化作为安全分析与管控的入口,在安全分析、精准定位风险后,对风险进行快速的协同响应及应急处置,后续用户需要通过人工方式、线下方式等进行相应的处置反馈、处置复查等工作。


【SOAR】

支持SOAR安全编排、自动化与响应,通过拖拽方式,基于态势感知强大的安全风险分析能力,进行安全风险分析与响应的定 义、构建,按照定义的标准工作流程驱动执行安全风险协同响应工作。帮助企业串联多种安全管控能力,规范化、流程化安全 管控工作,捋顺安全合规管理基础,降低企业安全运营成本,支撑企业整体安全运营。


六、项目成效


在日常安全运营中,基于实战化、强攻防对抗要求,通过安全大脑集中分析行内各类安全数据、智能联动行内多台安全设备、统筹行内安全支撑人员,实现威胁快速识别、威胁精准研判、威胁自动处置、安全管理闭环的目标,有效扭转攻守双方实力不对称的局面。


在重大保障期间,按照网络和信息安全“高度负责、高度认真”的指导思想,通过安全大脑及安全值守人员,针对行内重点业务系统开展网络安全重保运营管理工作。能够满足持续监测网络攻击威胁、及时发现与评估安全风险、重大威胁应急响应、确信风险快速处置等要求,做好行内安全风险防控管理工作。


未来将基于“智能、有效、融合、协同”的先进安全理念,利用精湛可信的技术经验沉淀,通过持续优化的组织管理,建设银行系统可信网络,打造行业安全运营管理标杆。


七、经验总结


国产化安全大脑具备安全、可控的核心自主研发能力,对于加快推进国产化进程,打造关键的国际竞争力至关重要。


现阶段,国产化安全大脑帮助银行梳理、整合已建设各种安全能力,汇聚、融合多源风险分析结果,建立安全数据中心,站在综合、多维视分析企业险态势,并串联多种安全响应手段,构建企业安全分析、防护体系。


未来,国产化大脑在推动国产化的进程中砥砺前行,为加快数字中国建设的步伐提供有力保障,同时,将持续聚焦国产化生态建设,全面打造金融行业适配解决方案。

本网站案例,除特殊标明来源的,版权归金科创新社所有,未经许可不得转载,否则将视为侵权,对于不遵守此声明或者其他违法使用本文内容者,本网站依法保留追究权。另,本网站部分案例、观点文章来源于网络素材,如有侵权,请邮件联系 fenglei@fintechinchina.com 处理!
特别提示: 本网站免费为广大金融企业提供IT选型咨询服务,详情点击 【 需求提交 】

推荐阅读

更多

河南农信:基于大数据平台的智能审计管理信息系统

随着河南省农村信用社各项业务的飞速发展及信息化建设的不断深入,创新性金融产品和金融服务不断涌现,业务数据和业务流程复杂程度不断提高,交易信息和管理信息不断膨胀。

2018第二届农村中小金融机构科技创新优秀案例评选 河南农信 2021-06-16

安徽农信:基于人工智能的滨湖数据中心基础设施能效优化

数据中心基础设施能耗巨大,数据中心节能能够带来显著的经济和社会效益。而在数据中心基础设施中,空调能耗又占到全部能耗的70%,本项目通过将人工智能应用到数据中心基础设施空调系统运行控制中,为安徽省联社乃至金融行业数据中心基础设施节能降耗探索一条智能化创新的道路。

2018第二届农村中小金融机构科技创新优秀案例评选 安徽农信 2021-06-16

湖北农信:智慧学习平台

智慧学习平台的建设广泛运用互联网新媒体技术,集教、学、练、考评等要素,通过数字化学习运营将其打造为兼容、开放、共享、规范的多元一体化学习载体,成为全省农商行系统的学习中心,考试中心、直播中心、制度图书中心、员工交流中心,有效地提高了员工学习的时效性、便捷性和覆盖面,成为全省农商行“智慧银行”的建设重要载体。

第五届农村中小金融机构科技创新优秀案例评选 湖北农信 2021-06-16

江西农信:“百福快贷”项目

网络信贷项目依托互联网技术,采用全流程“不落地”线上操作模式,以大数据应用为基础,实现贷款申请受理、审批、放款、回收和贷后管理全部在线完成,整个贷款审批流程无需人工参与,实现了系统几分钟内自动产生审批结果,真正意义上达到了可足不出户就可完成贷款申请和收到贷款的目标。

2018第二届农村中小金融机构科技创新优秀案例评选 江西农信 2021-06-16

江苏省联社:风险偏好与限额管理系统

本项目旨在建设统一风险数据集市,打通风险管理相关数据,建立风险偏好与限额管理系统,提高各类风险识别、计量、监测和数据分析的能力,并提供给农商行风险管理相关的数据支撑,以帮助农商行进行合理的业务拓展与风险管理决策。

第五届农村中小金融机构科技创新优秀案例评选 江苏省联社 2021-06-16

重庆农商行:基于数据决策的全线上零售信贷产品“渝快贷”

“渝快贷”是重庆农商行推出的基于数据决策的个人全线上信用消费贷款产品。

2018第二届农村中小金融机构科技创新优秀案例评选 重庆农商行 2021-06-16

案例库

金融行业全面的数字金融创新案例,涵盖历届“鑫智奖·金融机构数智化转型优秀案例评选”、“农村金融机构科技创新优秀案例评选”、“城市金融服务同业案例征集活动”等科技创新参评案例

  • 农信/农商行

微信
咨询

微信咨询

扫码添加金科小助手微信号
咨询案例和解决方案相关信息
或联系对应机构