< >
- 需求背景
- 方案簡介
- 方案價值
需求背景
近年來,在國內商業銀行數字化轉型的整體背景下,“開放銀行”因其規?;纳虡I價值和普惠化的社會價值,受到各方的重點關注。開放銀行是一種利用開放API技術實現銀行與第三方之間數據共享,從而提升客戶體驗的平臺合作模式。API是數字時代的流量連接器,是目前金融數據和服務在平臺內和平臺之間共享的主要手段,API經濟以開放式、跨界、價值重塑等特點,助力銀行業在同業間和跨界平臺、跨界企業中釋放服務能力和數據價值,給消費者提供更好的服務體驗,并在新的生態體系中創造新的價值。
近些年,API安全在安全領域越來越多的被業界和學術界提及和關注。OWASP在2019年就將API安全列為未來最受關注的十大安全問題。事實上隨著應用程序驅動的普及,API接口已經是Web應用、移動互聯網以及SaaS服務等領域的重要組成部分。由于對API接口的訪問與控制伴隨著數據的傳輸,其中不乏大量的用戶隱私數據以及重要文件數據,因此越來越多的非法黑客將API接口作為攻擊的目標,并通過非法控制和使用API接口竊取數據等。所以沒有安全的API服務,就會帶來生產生活上的巨大不便和潛在風險。
近些年,API安全在安全領域越來越多的被業界和學術界提及和關注。OWASP在2019年就將API安全列為未來最受關注的十大安全問題。事實上隨著應用程序驅動的普及,API接口已經是Web應用、移動互聯網以及SaaS服務等領域的重要組成部分。由于對API接口的訪問與控制伴隨著數據的傳輸,其中不乏大量的用戶隱私數據以及重要文件數據,因此越來越多的非法黑客將API接口作為攻擊的目標,并通過非法控制和使用API接口竊取數據等。所以沒有安全的API服務,就會帶來生產生活上的巨大不便和潛在風險。
方案簡介
深信服API檢測方案會運用統計學習、機器學習、聯邦學習等新型技術手段,通過人工智能模型與規則引擎相結合的創新方法,開展API異常行為識別感知研究,應對包括API特定拒絕服務攻擊、BOT攻擊、登錄攻擊和敏感數據泄露等在內的各種安全威脅。底層首先執行會話關聯、內容解析、特征抽取聚合、序列聚合等數據預處理步驟,解析的特征和數據存放到對應中間表之后,上層“異常分析”層執行基礎的異常模型分析,包括“請求源信譽度分析”、“內容異常分析”、“統計量異常分析”、“訪問序列異常分析”等。將檢出的異常事件結果輸入到“關聯分析”層,通過“組合邏輯”和“主體風險評分”進一步執行異常事件的關聯分析,挖掘出高可疑的安全風險事件,并按照IP/API和時間維度對風險事件做聚合排序,最終結果將交由前端來呈現。

