API防护+高效解密,某市大数据局护航“最多跑一次”改革

安全
某市大数据局在积极推动“互联网+政务”深度融合、政府数字化转型的过程中,广泛依托API接口实现各级各部门信息系统的互联互通。其中对外部的应用开放,这其中暗藏了巨大的数据安全隐患。为此,该市大数据局通过与奇安信合作,以API安全为核心,兼顾加密流量威胁,构建起了覆盖 API 资产可视化、API 风险可视化、行为可视化、数据安全事件可视化、加密流量可视化的全闭环数据安全保护体系。

    “现在去政府办事,越来越简单方便了!”刚刚给公司办完工商审批手续的行政小王如此感叹,企业工商数据已经全部联网同步,一个窗口全部搞定。

小王感受到的改变,要归功于全国各地推广的“最多跑一次”改革。所谓“最多跑一次”,就是通过“一窗受理、集成服务、一次办结”的服务模式创新,让企业和群众到政府办事实现“最多跑一次”的行政目标。更通俗的说,就是“数据多跑路、群众少跑腿。”

路上出行会存在交通事故的风险,同样在“数据多跑路”的过程中,由于海量的公民个人信息、企业商业数据等在各个部门和系统中流转和分享,甚至对外开放,就带来了不可忽视的数据泄露、黑客攻击等安全风险。这其中,作为数字世界中的信息高速公路”,API数据接口服务可以说是首当其冲。

某市大数据局在积极推动“互联网+政务”深度融合、政府数字化转型的过程中,广泛依托API接口实现各级各部门信息系统互联互通。其中对外部的应用开放,这其中暗藏了巨大的数据安全隐患。为此,该市大数据局通过与奇安信合作,以API安全为核心,兼顾加密流量威胁,构建起了覆盖 API 资产可视化、API 风险可视化、行为可视化、数据安全事件可视化、加密流量可视化的全闭环数据安全保护体系。

数据在“高速公路”狂奔,安全风险伴随而来

据介绍,该市大数据局主要职责是组织、指导、协调全市公共数据和电子政务发展管理工作,深化“最多跑一次”改革,落实支撑改革相关的信息系统建设任务,推进“互联网+政务”深度融合、政府数字化转型工作。为此,大数据局内部部署了市公共数据共享系统、市公共数据系统、市多云管控系统、市经济运行监测分析数字化系统、市公用事业信息化监管服务系统、市住房公积金信息管理系统等多个业务系统

API作为应用连接、数据传输的重要通道,在该市公共数据和电子政务发展管理的数字化转型中被广泛应用。依托API数据接口服务,全市各部门机构可以轻松获取和利用各种数据资源,方便地共享数据,实现信息流动和互联互通,进而提高运营效率,优化决策和服务,促进创新和发展。

然而,API带来便捷性和灵活性的同时,其暗藏的安全风险也伴随而来。国际权威咨询机构Gartner曾预测,2022年,API滥用将成为导致企业Web应用程序数据泄露的最常见攻击媒介。到2024年,API滥用和相关数据泄露将几乎翻倍。从全球范围来看,2023API安全事件频发,威胁愈发严重,涉及多家知名企业。在国内,各地不断出现数据泄露事件,包括某知名大学的学生信息泄露等等,很多都是由 API接口安全问题导致。奇安信研究显示,开放的业务能力越多API使用范围越广泛,API暴露的攻击面也就越大

这对这些情况,该市大数据局通过和奇安信合作,系统梳理了当前存在的主要API安全风险,具体集中在以下几个方面:

第一是API资产梳理不清,无法提前洞察潜在风险。由于业务系统的分期上线以及安全部门与业务部门职责不同,导致了安全部门无法实时掌握当前系统有多少API、哪些是长期不活跃的API、哪些是已下线的API、哪些是僵尸API、业务系统对外暴露了哪些API、以及是否存在未经审批登记的API等一系列问题,用户对API资产情况掌握不清晰,更无法提前洞察潜在的数据风险。

第二是数据泄露无感知,安全事件总是后知后觉。攻击者可以通过利用API接口存在的脆弱性批量获取企业敏感信息,且数据在传输的过程中未对敏感信息进行处置,例如公民身份证号、电话、联系地址等信息,这样就导致大量数据在悄无察觉的情况下,被大量窃取。

第三是漏洞攻击无防护,成为攻击者最大突破口。API由于设计者或历史遗留等原因存在逻辑缺陷、配置错误等安全漏洞,恶意攻击者常常利用API漏洞进行攻击。针对API漏洞利用攻击行为,如何进行防范、如何精确控制访问行为;针对漏洞攻击、高频访问等异常行为如何进行快速安全防护,成为了困扰当前企业安全建设的难点。

第四是缺乏溯源响应机制,攻防对抗中限于被动。数据被窃取后,大数据局往往无法快速定源或响应,很容易造成被通报处罚等事件,严重影响政府声誉,尤其在近年的实战攻防演习中,总是出于被动局面。。

最后是对链路加密检测无手段,存在威胁监控盲区。该市大数据系统内部全部采用Https加密方式进行传输,过去无解密手段,无法感知加密流量中夹带的攻击与威胁,这就造成了威胁监控的盲区。根据国外机构调研报告显示,超过95%企业表示遭遇过由于加密流量引起的安全事件。因此,对API传输的数据进行高效解密是安全保护的基础

高效解密+API全闭环防护,为数字政务系上“安全带”

在API接口越来越频繁受到攻击、成为数据安全核心隐患的情况下,奇安信为该市大数据局提供了“API安全卫士+流量解密编排器(SSLO)”的整体解决方案。此方案帮助客户看见加密流量威胁的同时,进一步基于API检测设备,通过API资产识别、API敏感数据传输识别、API漏洞攻击检测与防护、API访问控制等技术解决企业当中API资产不清、API漏洞利用攻击无防护手段,API敏感数据泄露无感知、API通信行为无审计等一系列API安全问题。

第一是高效流量解密,让隐藏威胁无所遁形。

针对该大数据局系统内部全部采用Https加密方式进行传输的情况。奇安信通过在用户南北向核心交换机上透明串接奇安信流量解密编排器(SSLO)解密设备做代理解密,再对多个Https业务进行解密策略配置,解密设备对两侧密文进行解密操作后,将解密后的明文进行复制并转发到镜像口,最终通过镜像口将明文传递给旁路的流量分析设备进行安全检测,检测完成后将流量日志和告警日志上传至API安全分析与管理系统。

API安全分析与管理系统拿到解密后的明文流量后,可帮助大数据局实现全面API资产梳理、API资产脆弱性检测等操作,管理和保护API资产。

图:该市大数据局API安全卫士联动流量解密编排器的部署

       第二是全面的资产梳理,形成可视化资产清单。

资产梳理市API安全卫士的重要功能,它可以通过内置规则自动识别API类型及公共组件通过自动打标并进行分类统计,全面管理API资产。在该项目中,奇安信通过API安全卫士帮助某大数据局全面梳理了API资产,发现未知API、僵尸API,最终形成可视化API资产清单。

第三是风险可视化管理,并实现精细化策略管控。

通过API安全卫士帮助某大数据局发现内部API各种自身逻辑缺陷。主要包括未授权访问的问题、弱认证问题、过度数据暴露问题、高敏感接口问题、以及接口误暴露问题等。

其中,奇安信通过API安全卫士帮助某大数据局发现异常高频访问、文件批量下载、敏感数据批量爬取、以及接口参数遍历等API异常访问行为,发现潜在的API安全风险,将风险前置。并通过API安全卫士帮助某大数据局分析“谁通过什么方式的API,传输了什么类型的敏感数据,传输了多少”的效果,实现敏感信息的数据传输分析。

在运营分析方面,通过API安全卫士帮助某大数据局分析“什么人(攻击者)通过哪个接口,什么攻击方式手法,攻击了谁(受害者),攻击结果是什么”的效果,极大提升运营人员的分析效率。

在风险管控方面,通过API安全卫士帮助该大数据局在发现安全风险后,通过精细化策略管控避免恶意攻击者通过恶意请求、DDoS攻击等手段对API进行攻击,导致系统瘫痪、数据泄露等的严重后果。

第四是满足企业业务合规审查

合规是企业经营的底线和生命线,大数据局也同样需要遵循《数据安全法》、《个人信息保护法》等相关法律法规的要求。在该项目中,大数据局业务通过API来实现数据的交互,而API应用因为其设计的独特性,更多的业务逻辑是在客户端执行,服务端往往会直接将包含的所有数据(其中包含很多敏感数据)发送给客户端,由客户端来按需使用。通过部署API安全卫士快速识别和审查 API 请求/响应的内容,进而满足该大数据局安全合规的要求。

结束语:

奇安信数据安全专家认为,某市大数据局在API数据共享面临的安全困局,也是数据安全最为典型的问题之一。在技术变革快,安全风险复杂,合规性要求越来高的背景下,数据安全存在着面临“难看清”、“难管好”、“难防住”等困境。在这种情况下,奇安信推出了“奇安天盾”数据安全保护系统(简称:奇安天盾),用“六全”框架实现“三能”:风险能看清,内鬼能管好,攻击能防住;将“事件监测、风险分析、策略调整、访问控制”融为一套完整闭环体系,弥补了对于数据保护一体化能力的缺失

国际市场研究与咨询机构Gartner指出,“无论产品形态如何,API都存在自己独特的风险,如API资产清单不全、API漏洞等。因此,用于网络、应用或者数据的安全产品并不能简单地复用于基于业务的API风险管控。”作为Gartner《中国API管理市场指南》中API安全领域的代表性供应商,奇安信认为,API安全是数据安全保护中最重要的一环,也是奇安天盾体系化能力的核心组件。该市大数据局在以API安全为核心的数据安全实践,无疑为各省市大数据局数字化改革中的数据安全体系化建设,探索出一条可被广泛借鉴和复制的标杆示范。

责任编辑:鸢玮 来源: 奇安信
相关推荐

2020-07-09 20:12:20

百度知道

2023-06-07 07:31:04

PC端app脱壳技巧

2013-10-21 16:30:43

大数据

2012-06-04 11:00:45

大数据SQLServer20微软

2013-10-22 09:22:07

Hadoop 2大数据

2020-07-30 13:30:11

勒索病毒

2015-07-14 09:05:05

戴尔PowerEdge

2016-10-19 13:18:28

数据驱动分析

2020-11-16 16:38:35

信息安全大数据互联网

2015-07-14 10:34:42

ViewModel代码高效

2017-07-12 15:50:52

智慧医疗电子化智能化

2015-09-10 14:07:44

大数据管理共享

2011-06-28 10:41:50

DBA

2020-10-24 13:50:59

Python编程语言

2021-12-27 10:08:16

Python编程语言

2016-07-22 13:17:37

2015-08-24 09:18:58

大数据

2016-12-07 15:25:55

2022-04-07 07:30:47

InnoDBMySQL数据

2018-07-11 10:24:33

数据恢复数据删除
点赞
收藏

51CTO技术栈公众号