白山ATD團隊及YUNDUN安全團隊梳理了目前上百家游戲客戶安全事件，統計出目前游戲客戶主要面臨如下應用層安全威脅：

       1）賬號撞庫攻擊：隨著近年頻繁出現的數據庫泄露事件，撞庫正在成為主流的盜號方式；

       2）DDoS攻擊：除最常見的DDoS外，針對游戲接口的CC攻擊似乎更具有技術含量，這種攻擊見不到真實源IP，見不到特別大的異常流量，但能導致服務器無法進行正常連接；

       3）道具交易的量化攻擊：黑客通過分布式爬蟲爬取游戲道具價格等交易數據，再利用不同服務區信息不對等，在第三方平臺購買后加價賣出，賺取差價；

       4）外掛：通過改變游戲正常數據、破壞游戲平衡，極大影響游戲運營。

       目前大多數游戲客戶的安全防護體系還主要依靠威脅情報中心、設備指紋識別、策略&規則等方式，在滯后性、誤判誤報率、未知威脅識別等方面依然存在技術瓶頸。同時，大量安全設備采用串行/嵌入模式，不僅接入復雜、存在延遲，還具有服務中斷后影響正常業務的可能。

       

       

       

       白山ATD團隊針對客戶的普遍安全問題，從基于AI技術的UEBA用戶行為分析、軟件云化旁路部署、支持內核態旁路阻斷三個維度打磨下一代安全產品，為游戲安全提供新思路。

       

       一、下一代安全

       1、基于AI技術的UEBA用戶行為分析

       1）以用戶為視角

       UEBA（用戶行為分析）的前提條件是轉換思維，以用戶為視角，從基于規則分析到關聯分析、行為建模、異常分析，彌補傳統SIEM（安全信息和事件管理）的不足，通過用戶實體行為異常分析來檢測各種業務與安全風險。

       2）以行為建模為核心

       白山基于六元組模型，即：時間、地點、人/ID、作用域、動作和結果，定義行為概念，進行行為建模；并采用無監督學習算法，利用個群對比、聚類分析、規律學習，解決大量樣本標記及場景多樣化的難題。

       3）系統越來越聰明

       在實際使用過程中，系統識別出的未知威脅還可以結合人工標注，安全專家定期針對少量異常行為進行標記，利用Active Learning（主動學習）算法，允許用戶進行有限標注，通過CNN（卷積神經元網絡）訓練少量樣本模型，進而通過模型串接，修正原有算法分析結果，最終算法可以更貼合企業業務場景、提升算法準確率。

       2、軟件云化旁路部署

       根據游戲客戶需求，ATD支持公有云、私有云兩種云化部署方式，私有化采用旁路部署，實現業務“零”影響。并支持日志或流量兩種方式接入，以及純內網運行或公網聯動運行，為業務構建安全最后一道防線。

       3、內核態旁路阻斷

       目前游戲行業常用的外部阻斷模式主要依靠硬件防火墻或Nginx返回403、401。但通過實驗我們發現：通過對比不做防護的情況下Nginx返回200與使用防護時Nginx返回403，后者將比前者多消耗10-20%的Nginx服務器資源。在這種情況下，如果攻擊者利用CC攻擊去打Nginx自動防護，服務器負載均衡比不做防護更容易被打垮。

       為實現對業務的“零”影響，ATD率先采用了旁路部署模式。對比發現：在同樣并發攻擊下，Nginx 403、Nginx 499與ATD旁路攔截器的性能具有較大差距，旁路部署下的CPU Idle達99%。

             

       

       二、游戲安全新思路

       1、撞庫攻擊              

       

       撞庫攻擊中，攻擊者常用方式是使用偽造User Agent不斷更換User ID進行撞庫，并破解簽名算法，獲取到正確的簽名。從流量角度分析日志，其訪問行為是合法請求（UI、特征、請求地址、請求構造、參數等均合法）；并且訪問頻率不高，平均每小時數百次訪問，甚至更低。但當我們對其進行實頻率轉換時，通過傅立葉變換轉變成頻率行為，我們可以看到其訪問行為具有周期性，通過頻域個群對比，最終確認是撞庫攻擊。

       2、CC攻擊       

       

       

       一般游戲客戶的登錄接口的性能都較低，部分攻擊者會偽造Firefox User Agent對登錄接口發起CC攻擊。我們通過特征泛化將用戶行為歸一化，經過多維度建模，發現攻擊者在每分鐘請求數、平均返回長度、請求響應時間、UA集合空間、UA最大相似占比等多個關鍵維度與正常用戶群體存在差異。

       3、道具交易量化攻擊

       攻擊者利用接碼平臺與人機交互，并采用大量真實IP地址，以超低頻率不斷爬取道具交易信息，傳統安全系統難以有效攔截。通過UEBA，我們可以看到攻擊者的行為與正常用戶訪問路徑不同，從而幫助客戶發現未知威脅。

       4、游戲外掛         

       

       我們對訪問日志通過時間軸線行為建模分析24小時行為走勢，分析其熵和時間軸方差，發現其中一些訪問行為與大部分用戶相比，熵和時間軸方差都較小，并且整體行為尤其是夜間行為不同于正常用戶。通過個群對比，向客戶反饋后發現了游戲外掛。

       

       三、巨人網絡——ATD經典實踐

       白山目前已服務上百家游戲客戶，以巨人網絡為例，ATD有效幫助其解決了撞庫、掃號、批量注冊、CC攻擊、外掛等游戲安全問題。

       巨人網絡已經建立完整的安全體系，前期白山ATD團隊與巨人網絡安全團隊多次溝通，結合實際業務情況，最終梳理出客戶主要需求如下：

       • 業務數據敏感度高，不使用公有云安全產品

       • 部門結構分散，不更改網絡

       • 使用過傳統安全硬件，需要定制規則，安全團隊人力有限

       • 遭遇過CC攻擊，需要提升應用層安全能力

       • 發現未知問題

       使用ATD后，幫助客戶每天識別并攔截攻擊次數超過1000萬次，其中90%為針對登陸系統的撞庫和掃號攻擊；每天有效攔截近10萬個攻擊源的攻擊，有效降低80%系統報警；并通過機器學習算法解放安全人員人力。

       白山ATD團隊平臺，正在幫助更多的游戲客戶構建完整安全防護體系。

       關注白山微信公眾號（baishancloud），獲取更多ATD資訊，有關下一代安全更多案例，將持續發布。