基于 DREAD 模型的漏洞等级计算

栏目: 编程工具 · 发布时间: 5年前

内容简介:去年,写过一篇《漏洞运营规范化》,当时有些朋友问,无论是使用cvss,dread,owasp,或者是现有国内各大src的评级标准,能不能有一套可以减少争议,能够自动化实现的方法呢?在这一年中,和团队成员不断的探索中,进行了关于漏洞评级的模型选型,标准化,自动化计算,以及根据实际情况的小范围内测和公测,探索了一套基于DREAD模型的漏洞计算模式。这套模式仍在不断摸索中,欢迎感兴趣的朋友,一起进一步沟通和探讨。

去年,写过一篇《漏洞运营规范化》,当时有些朋友问,无论是使用cvss,dread,owasp,或者是现有国内各大src的评级标准,能不能有一套可以减少争议,能够自动化实现的方法呢?

在这一年中,和团队成员不断的探索中,进行了关于漏洞评级的模型选型,标准化,自动化计算,以及根据实际情况的小范围内测和公测,探索了一套基于DREAD模型的漏洞计算模式。

这套模式仍在不断摸索中,欢迎感兴趣的朋友,一起进一步沟通和探讨。

一、选型

基于 DREAD 模型的漏洞等级计算

如前文所述,已知的漏洞计算模型包括cvss,dread,owasp,还有各大src现在应用的方式,真正准备进行标准化前针对各个模型进行了初步的调研。

调研前首先明确,这套模型需要明确几个概念:

  1. 目标对象

    是用在SRC收集漏洞上,而不是单纯的内部扫描器稳定产出的结果,这就意味着收到的漏洞可能场景更复杂,更难以按照类型单一标准化。

  2. 目标人群

    外界的白帽子是第一优先用户,内部安全工程师是第二用户,内部的各个业务方包括开发运维测试是第三用户。也就是说,这里面大部分的用户都是非企业安全建设的用户。

  3. 漏洞等级的定义

    依据是——“可能带来的影响”。可能带来的影响,既不是指某类漏洞的危害(这里指漏洞的等级不止需要考虑该漏洞本身,同时要考虑这个类型的漏洞实际影响的业务等多个维度),也不是已经带来的影响(已经带来影响的,可能已经是安全事件了)。

  4. 漏洞类型的范围

    除了传统的Web安全漏洞,系统网络安全漏洞和移动客户端的安全漏洞,可能还需要包括业务安全、业务逻辑,第三方平台信息泄露等,因为随着安全的发展,出现的各种新型安全问题越来越多,也超出了原本技术漏洞的范畴,是更广义上的漏洞。

几个定义明确了之后,那哪个更适合应用在SRC呢?

基于 DREAD 模型的漏洞等级计算

结合以上应用场景,以及各个评分标准下,如果想在SRC进一步进行标准化,那么DREAD成为了优选的对象。

二、等级计算

基于 DREAD 模型的漏洞等级计算

由于历史原因,SRC的漏洞危害,包括忽略的情况下,一共分为5个大类,11个小类,分别是

等级大类

等级小类

严重

10

严重

9

高危

8

高危

7

高危

6

中危

5

中危

4

中危

3

低危

2

低危

1

忽略

0

由于后续的积分体系,奖励体系都是依照这个等级规则来的,在等级不变的情况下,想与DREAD模型进行匹配,就需要进行一定的适配。

DREAD模型的计算方式:等级=危害性+复现难度+利用难度+受影响用户+发现难度

已有的等级计分分数标准,结合DREAD的等级计算方式,最终适配出来的分数是:

等级[忽略(0),严重(10)]=(危害性[0,4]+复现难度[0,4]+利用难度[0,4]+受影响用户[0,4]+发现难度[0,4])/2

其中,

  1. 危害性、复现难度、利用难度任意一个值为0,总分即为0;

  2. 等级为0总分除以2后取整。

三、等级定义

基于 DREAD 模型的漏洞等级计算

1.危害性(Damage)

危害性Damage,即how bad would an attackbe?(来源于维基百科,下同)意指:如果被攻击了,会造成怎样的危害?这里根据系统受危害程度,泄露信息的数据敏感性,资损,系统受危害程度等方面来衡量危害。

首先是数据敏感性。各公司一般会数据根据敏感程度分等级,可以是对外公开,内部公开,秘密数据,机密数据等

其次,对于资金的损失,可以按照实际的金额的某些区域进行划分,也可以按照某个比例计算

再次,对于系统的破坏包括但不限于,上面说的数据泄露、资金损失外,能够完全获得权限、执行管理员操作、非法上传更为严重。

由此可参考以下等级划分:

0分:未泄露敏感信息,不涉及资金损失

1分:泄露内部公开的数据,或存在较少资金损失

2分:泄露秘密数据,或存在一定资金损失

3分:泄露机密数据,或资金损失较大

4分:获取完全验证权限,或执行管理员操作,或非法上传文件,或资金存世巨大

2.复现难度 R eproducibility)

复现难度R eproducibility ,即 how easy is it to reproduce theattack?意指,复现这个攻击的难易程度是怎样的?重点在于这个漏洞是不是容易复现成功,有难度和概率问题。

(注意,有的地方的翻译是, 攻击后恢复运营的简易度,经过几番考察,这里不是恢复运营的简易度,reproduce指的是复现,即把这个漏洞重复演示,而不是恢复运营,国内有的地方按照恢复运营翻译是有问题的 )。

0分:非常困难或者不可能复现,即时对于应用管理员

1分:很难复现,复现成功率较低,需要多种因素限制并对技术有较高要求

2分:可以复现,但有时间或其他因素限制

3分:容易复现,需要一步或两步,可能需要变成授权用户

4分:非常容易复现,仅仅一个浏览器和地址栏就ok,不需要身份认证

3. 利用难度( Exploitability

利用难度 Exploitability ,即 how much work is it to launch theattack?意指,需要什么才能利用这个漏洞?这里特指的是,使用什么才能实现这个攻击,这里关注的重点是具体使用的工具。

0分:漏洞无法利用

1分:利用条件非常苛刻,如未披露的0day

2分:熟练攻击者可攻击,需自定制脚本或高级攻击工具

3分:中级攻击者能攻击,已存在可用 工具 或可被轻易利用

4分:初学者短期能掌握,仅需Web浏览器即可

4.受影响用户( Affected Users

受影响用户 Affected Users ,即 how many people will beimpacted?意指,多少用户会被影响到?实际应用的模型里,添加了业务的重要程度,以及多少算“多”的概念。

业务的等级,同现在大多数公司对于业务的概念,氛围核心、一般和边缘,这个由公司各业务主导业务定级,安全团队进行参考和微调

数量的概念,参考新颁布的网络安全法,如果是敏感数据超过50条即可判刑来看,只要敏感数据超过50条即可认为是大量。

0分:对用户无影响

1分:一般边缘业务的少量用户

2分:一般边缘业务的大量用户或核心业务的少量用户

3分:核心业务的大量用户

4分:所有用户或涉及多个核心业务的大量用户

5.发现难度( Discoverability

发现难度 Discoverability ,即 how easy is it to discover thethreat?意指,发现这个威胁的难以程度?实际应用做了一些具体场景化的举例。

当对已有应用进行安全审计时,“可发现性”将依照惯例被设置为4分,也就是默认此风险会被发现。

0分:非常困难,甚至不可能发现;需要源码或者管理员权限

1分:发现漏洞很困难,可以通过猜测或者监测网络活动来发现

2分:在私有区域(如内网),部分非可见(如有权限限制),有时间或其他因素限制,需要深入挖掘的漏洞

3分:容易发现,错误的细节已经在外部公共平台上披露,而且可以用搜索引擎轻易发现,攻击条件较易获得

4分:非常容易发现,信息在web浏览器的地址栏或者表单里可见(通常是外网)

四、问题和校正

基于 DREAD 模型的漏洞等级计算

在以上等级定义和计算下,经过一段时间的内测和小范围公测,也发现了一些问题。

  1. 问题:

    根据DREAD模型计算的5个维度的权重都是1,而通常情况下更多人更看重漏洞危害对等级的影响,或者有的只看重危害和利用难度,或者有的只看重危害+利用难度+影响用户,那么权重是不是需要调整呢,或者删掉一些维度呢?

    反馈:

    这个可能需要大量的数据和实践来支撑,目前DREAD模型的标准权重是1,这个是模型的理论基础,后续结合实际情况再看是否和如何调整。

  2. 问题:

    大部分时间计算下来的漏洞都是中危以上,基本上很难计算出来低危的漏洞,而实际上确实有低危的情况。

    反馈:

    1)方法一:这就要引入部分漏洞类型,当选择这些类型的时候,会默认给出一些参考值。

    2)方法二:调整漏洞等级的大分和小分的值,例如现有低危计算是1~2,可以调整为0.5~3.5都是低危。

  3. 问题:

    除了常见的5个维度,有些情况下,如果通盘考虑,除了传统意义上的安全风险,可能还有覆盖不全的?

    反馈:

    1)安全维度本身,有时候需要考虑触发条件等因素,可以酌情进行调整。

    2)公关风险和法律风险,可以作为加分项。

参考

  1. DREAD (risk assessment model)维基百科:

    https://en.wikipedia.org/wiki/DREAD_(risk_assessment_model)

  2. Threat Risk Modeling(OWASP翻译4)简书(侵删):

    https://www.jianshu.com/p/3534c30c0a83

  3. 6步教你搞定网络威胁建模(侵删)

    http://www.sohu.com/a/123809332_505884

  4. DREAD: 安全风险评估模型(侵删):

    http://www.aiuxian.com/article/p-1962153.html

特别感谢:

sixwhale小姐姐,一起探索模型并用 python 编写成了计算器;

IT小丑,Leej,松松_,hwan,一起测试优化;

M,友人A,HJK,在小范围公测中给予大量意见和建议。

p.s.以上是最近这段时间对于基于DREAD模型的研究,其中很多地方都有不成熟甚至错误的地方,还请大家多多讨论和指教,如果有好的意见建议和错误指正,会送上小礼物一份。

p.p.s 节前和晨晨小姐姐一起交流过,漏洞怎么样去重和审核更合适,感兴趣的小伙伴且看下回分解——漏洞去重。

基于 DREAD 模型的漏洞等级计算


以上所述就是小编给大家介绍的《基于 DREAD 模型的漏洞等级计算》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

来自圣经的证明

来自圣经的证明

M.Aigner、G.M.Ziegler / 世界图书出版公司 / 2006-7 / 39.00元

作为一门历史悠久的学问,数学有她自身的文化和美学,就像文学和艺术一样。一方面,数学家们在努力开拓新领域、解决老问题;另一方面他们也在不断地从不同的角度反复学习、理解和欣赏前辈们的工作。的确,数学中有许多不仅值得反复推敲理解,更值得细心品味和欣赏的杰作。有些定理的证明不仅想法奇特、构思精巧,作为一个整体更是天衣无缝。难怪,西方有些虔诚的数学家将这类杰作比喻为上帝的创造。 本书已被译成8种文字。......一起来看看 《来自圣经的证明》 这本书的介绍吧!

在线进制转换器
在线进制转换器

各进制数互转换器

Markdown 在线编辑器
Markdown 在线编辑器

Markdown 在线编辑器

正则表达式在线测试
正则表达式在线测试

正则表达式在线测试