Распознавание и отслеживание новых опасных червей при помощи разветвленной системы обнаружения вторжения

Распознавание и отслеживание новых опасных червей при помощи разветвленной системы обнаружения вторжения

Система dIDS в целом может легко распознавать, обнаруживать и отслеживать новых опасных червей, которые используют опасные техники для того, чтобы попытаться быть необнаруженными в течение долгого времени. Пользуясь dIDS системой, значительно легче предотвратить преступную установку зомбированной сети и, следовательно, предотвратить распределенные DoS атаки. Вследствие раннего обнаружения и анализа опасные черви будут выявлены прежде, чем они создадут огромную проблему или причинят крупные повреждения. А залог успеха - раннее обнаружение, которое защитит нас, да и каждого, в интернете.

Натан Айнвехтер

Черви становятся все более изощренными, поскольку новые методы бесконтрольного размножения и стэлс-техника непрерывно совершенствуются и внедряются. Так как черви совершенствуются, совершенствоваться должны и наши способности по обнаружению и отслеживанию червей. Одно из решений этой проблемы является использование разветвленной системы обнаружения вторжения (dIDS) для того, чтобы обнаруживать новых червей, которые используют новую опасную технику бесконтрольного размножения. В этой статье обсуждается, как и почему dIDS система способна распознавать и отслеживать червей, даже если они используют новые перспективные методы бесконтрольного размножения.

Обнаружение новых опасных червей

Чтобы понять возможные пути решения проблемы, мы, прежде всего, должны понять саму проблему, поэтому дадим два определения. Мы определим нового червя, как червя, который раньше не был известен или который внезапно появляется вместе с угрозой быстрого и обширного инфицирования. В дальнейшем, опасными червями будем называть таких, которые обычно труднее обнаружить или распознать, обычно из-за того, что они используют новые необычные (которых раньше не было) техники бесконтрольного размножения. Таким образом, опасный червь – это любой червь, который использует невидимые каналы и стэлс-технику, чтобы скрыть свою деятельность.

Итак, в соответствии с этим определением, червь Code Red, когда он появился, следовало бы назвать новым, но не опасным, т.к. его не трудно обнаружить или распознать. Новых неопасных червей обычно легко изловить традиционными методами, например, антивирусными программами. Новые опасные черви, которые раньше не появлялись, не могут быть обнаружены традиционными способами. В этом и заключается проблема, которую способен решить dIDS. Примером такого червя является W32.Leave.Worm, который мы подробно обсудим в этой статье.

Обзор dIDS

Чтобы понять, как разветвленная система обнаружения вторжения (dIDS) может помочь распознать и отследить новых опасных червей, полезно понять, что из себя представляет dIDS система, и как она работает. Следующая выдержка взята из введения в разветвленные системы обнаружения вторжения.

"Разветвленная IDS (dIDS) состоит из большого количества систем обнаружения вторжения (IDS) [или любых других сетевых датчиков] в обширной сети, связанных друг с другом или с центральным сервером, который осуществляет мониторинг в сети, анализирует пришествия и быстро определяет параметры атаки. Имея таких агентов, распределенных по сети, и аналитиков происшествий, служба безопасности способна дать обширный обзор того, что случилось в сети в целом.

dIDS также позволяет компании эффективно управлять своими ресурсами для анализа происшествий централизуя записи атак, давая аналитику быстрый и легкий способ распознавания случившихся изменений и выявления их причин а также определения угроз сети, которые обнаружены в в отдельных участках сети. "

Приведем несколько примеров коммерчески приемлемых dIDS систем. Наиболее практичной dIDS системой является Symantec Threat Management System (TMS), которая собирает данные от большого количества датчиков (IDS системы и т.д.). Эта система является практически совершенным примером, показывающим, как работает dIDS система. Работа состоит в том, что система собирает информацию из множества источников. Все это почти напоминает паутину или целую систему паутин, где центром паутины является сервер, который собирает данные и позволяет делать дальнейший анализ, а каждая узловая точка паутины представляет отдельную IDS или их набор. dIDS постоянно собирает эти данные и производит предварительный анализ, как в случае системы TMS.

Обнаружение/распознавание червей с помощью dIDS

Сейчас, когда мы выяснили, как разветвленная система обнаружения вторжения (dIDS) работает, мы можем выяснить причины, в силу которых она идеально подходит для распознавания новых опасных червей. Мы также можем обсудить, как такие черви могут быть распознаны, и почему их трудно распознать с помощью, например, одной обычной IDS. Мы также приведем соответствующие примеры.

Системы dIDS являются единственными, которые обеспечивают широкий обзор того, что происходит в большом количестве компьютеров или компьютерных устройств. Эти сведения приходят от множества участков сети из большого количества географических зон. Это позволяет совершенной системе обнаруживать новых опасных червей и определять методы атаки, поскольку дает аналитику службы безопасности много информации из многих географически различных источников, которая может быть проверена на коррелируемость, что нельзя сделать, если бы у нас была одна IDS. Существенно то, что обнаружение одного – двух событий в логах одной IDS не выявит процесс сканирования, в отличие от корреляционного анализа событий от множества IDS. Например, если бы система dIDS не установлена, а несколько датчиков отметили особый вид атаки или зонд, аналитики, прочитав логи каждого датчика, смогли бы только сказать, что активность атак – нормальная. Если бы эти логи были объединены и проанализированы, аналитику легче было бы узнать о необычной атаке или изменении ситуации. После этого аналитик смог бы провести корреляционный анализ данных атак и показать, что во всей большой сети произошло специфическое изменение ситуации.

Когда цепь событий распознана, аналитик может распознать характеристики атак/зондов и, поэтому может начать исследование, основанное на богатой информации, которое обязательно приведет к раскрытию червя. Скоррелированные данные обеспечивают очевидность того, что замеченные небольшие атаки (на разных датчиках) не будут совпадать (если они некоррелированы). Эта способность коррелировать данные от большого количества IDS позволяет обнаруживать новых опасных червей. То, что может показаться нормальной активностью для данной IDS, для dIDS, из-за ее широкого обзора, может быть быстро определено, как процесс сканирования.

Отслеживание червей при помощи dIDS

После обнаружения червя перед аналитиком встает задача анализа специфических характеристик или особых свойств этого червя, открытие файлов, из которых червь состоит, и отслеживание червя, для того, чтобы определить степень заразности и способ его действия. Также важно отслеживать нового червя, для выяснения того, куда червь проник, а куда – нет. Это нужно для того, чтобы быстро уничтожить его.

Ввиду разветвленности dIDS, аналитик может проследить движение червя по интернету или данной сети, пользуясь той же техникой объединения данных и их корреляционного анализа, которая использовалась для обнаружения червя в первом месте. Эта техника может дать аналитику карту мест, где червь появляется. В зависимости от размера dIDS, движение червя может быть отслежено в одной или в большем количестве подсетей интернета. Знание того, где и когда атаки происходили, позволяет аналитику определять степень заразности и распознавать некоторые характеристики процесса сканирования червя и его перемещение. С помощью большой сети dIDS также может быть определено приблизительное число зараженных хостов и какие именно хосты заражены. dIDS также позволяет аналитику выследить автора червя (или его окружение), просмотрев начальные стадии его появления. Также можно вычислить автора червя по попыткам связи с зараженными машинами при помощи секретных способов.

Пример: червь W32.Leave.Worm

Червь W32.Leave.Worm чрезвычайно тщательно сканировал блоки большой сети, отыскивая хосты ранее зараженные Sub7 Trojan, известного также, как Backdoor.SubSeven. Когда зараженный хост обнаруживался, файлы червя загружались, после чего начиналось заражение компьютера червем. Затем червь прекращал дальнейшее заражение бездействовавшего Sub7 Trojan и останавливал остальных атакующих от проникновения в систему. После этого зараженная система синхронизировала часы системы хоста с временем сервера обсерватории Навал в США, принимала зашифрованную веб-страницу, которая, по всей видимости, содержала инструкцию для червя. Фактически происходило перезаражение хостов, ранее зараженных Sub7, поэтому червя трудно бы было обнаружить удобными средствами, и он бы уходил незамеченным до первой серьезной атаки. Когда информация относительно червя стала известна и циркулировала среди различных членов индустрии безопасности, применение методов размножения (у червя) свелось к менее опасным методам использующим размножение через электронную почту. Для дальнейшей демонстрации способностей dIDS успешно решить задачу по распознаванию и отслеживанию опасных червей, этот пример вскрывает две главных задачи о распознавании/открытии и об отслеживании (или первичном анализе), о которых говорилось ранее.

Распознавание/открытие

Червь W32.Leave.Worm был впервые замечен в системе dIDS и был назван myNetWatchman. Автор этой статьи добровольно занялся анализом и отслеживанием этого червя. Червь был обнаружен из-за необычно большого количества сканирований Sub7, которые начали случаться в блоках сети, принадлежащей компании AOL Inc. Действительно, было так много атак с разными IP адресами, исходящих от блоков сети AOL, что в начале показалось что это были атаки RST DoS против сети AOL. Это казалось верным, потому что AOL был единственным провайдером, который наблюдал так много сканирований Sub7.

Однако эта теория лопнула, когда мы решили проверить графики сканирования Sub7 во времени на корреляцию. В первом графике(рис.1), который мы построили, мы сравнили данные из базы данных с общим количеством проникновений Sub7 за каждый час на протяжение восьми дней.

Рис. 1

Когда этот график был нарисован, стало понятно, что имеется большая корреляция между зондированиями AOL и теми, которые имели другие ISP в базе данных. Это показывало, что вторжение более разветвлено, чем это думалось вначале. Также на этом графике видна связь во времени, когда две линии как бы следуют теми же путями, что, по всей видимости означало, что зондирования производились в течение одного часа в день, возможно для того, чтобы скрыть зондирования среди другого трафика, в течение наиболее напряженного периода рабочего дня.

При помощи этого графика был построен другой, который указал все ISP из базы данных, из которых происходило сканирование Sub7 в течение этого промежутка времени(с 9 до 12). Этот график, изображенный на рис.2, опять показывает корреляцию: только в этот период корреляция имеется на протяжении дней. Также на графике видна эволюция червя, с того момента, когда он внедрился. Также видно, что червь начал свои действия в районе 7 июня

Рис. 2

Из этих двух графиков легко обнаружить, что это не было простой атакой RST DoS, использующей поддельные адреса AOL. Сейчас очевидно, что мы имели дело с более значительной проблемой – с червем.

Начальный анализ и отслеживание

Собранные данные, полученные от dIDS системы, позволили продолжить начальный анализ и отслеживание развития червя в сети в реальном времени. Это было возможно из-за того, что dIDS состояла примерно из 1,500 датчиков в Интернете, расположенных во многих блоках сети, в различных географических зонах.

Одними из результатов предварительного анализа, представленного системой dIDS, явились определение степени заразности и определение зараженных хостов. Распознав зараженные хосты, мы смогли быстро определить владельцев системы или блоков, в которых червь находился, что позволило держать ситуацию в руках. Позволив нам определить инфицированные хосты, система dIDS, используя собранные данные, дала возможность отслеживать новые передвижения червя. В результате мы получили возможность создать отчеты, чтобы видеть, какие другие атаки обнаружены из зараженных хостов, какие согласованные атаки могут произойти и какие новые методы размножения могут быть использованы.

Выводы из изучения частного случая

Хотя система dIDS не использовалась на заключительном этапе определения автора червя, она дала возможность определить и проследить развитие червя в интернете. Это очень важно практически, когда мы имеем дело с незаметными способами заражения, которые червь использует. Если бы система dIDS не была установлена, червь мог бы продолжать внедряться еще некоторое время до обнаружения. Наконец, червь был пойман в “honeypot”, который был установлен в сети, а затем проанализирован.

Заключение

Система dIDS в целом может легко распознавать, обнаруживать и отслеживать новых опасных червей, которые используют опасные техники для того, чтобы попытаться быть необнаруженными в течение долгого времени. Пользуясь dIDS системой, значительно легче предотвратить преступную установку зомбированной сети и, следовательно, предотвратить распределенные DoS атаки. Вследствие раннего обнаружения и анализа опасные черви будут выявлены прежде, чем они создадут огромную проблему или причинят крупные повреждения. А залог успеха - раннее обнаружение, которое защитит нас, да и каждого, в интернете.

Тени в интернете всегда следят за вами

Станьте невидимкой – подключайтесь к нашему каналу.