小贝案语
Introduction
网络安全行业不缺框架和标准,但一个根本性的问题始终悬而未决。从Log4j2到云服务AK泄露,从Ray集群无认证暴露到AI智能体越狱,大量安全事件的根因不是安全合规工作做得不够多,而是缺乏一个本源视角来审视、度量和优化整个防御体系的有效性——这些框架所依赖的底层前提,本身能不能站住?
2024年,韦韬博士提出NbSP零越范式、OVTP可溯范式与ARCP攻击回报范式三大网络空间原生安全范式,并在系列行业大会上进行了宣讲。同年,本专栏发表了首篇《维度战争与NbSP零越范式》,在业界引发广泛讨论。今年,韦韬博士带来2026版的完整三篇,系统深化NbSP的形式化框架,并完整发布OVTP与ARCP两大范式——NbSP(机制层)回答门关不关得住,OVTP(策略层)回答过门查不查得清,ARCP(价值层)回答仗打不打得赢。三大范式层层递进、缺一不可,共同构成网络空间安全完整的原生范式体系。
本期为第「三」篇。
+推荐语+
网络安全从来不是单纯的技术问题。它表面上呈现为漏洞、攻击、防护与对抗,深层却关乎我们如何理解风险的发生机制,如何把复杂系统中的不确定性转化为可识别、可度量、可治理的安全能力。
韦韬长期深耕网络安全学术与产业一线,既有对真实攻防场景的深刻体感,也有对安全基础问题的持续追问。他提出的NbSP、OVTP、ARCP等安全基础范式,正是这种长期实践与系统思考相互淬炼的结果。在我看来,这些范式最可贵之处,不只是提出了一组新的概念,更在于它们试图回答网络安全领域一个根本性问题:安全风险究竟因何发生,我们又应当以怎样的底层逻辑去防控风险。
我个人非常认同并推崇这些安全基础范式。它们不是对具体安全工具或单点技术的经验总结,而是对网络安全风险成因的归因性思考,是对安全风险防控思想的高度凝练。对于今天的网络安全工作而言,这样的基础范式尤为重要。因为随着数字化、智能化不断深入,安全问题早已突破传统边界,单靠堆叠产品、补齐漏洞、响应事件,已经难以支撑复杂系统中的长期安全。我们更需要一套能够帮助从业者建立判断力、组织安全能力、指导工程实践的思想框架。
这组文章可以帮助更多人跳出”安全只是攻防技术”的狭窄理解,看到安全背后的逻辑、结构与方法论;也可以为安全从业者、技术管理者乃至数字化建设者提供一种更底层、更稳定的思考支点。
谭晓生
CCF YOCSEF秘书长
北京赛博英杰科技有限公司创始人
正奇学苑网络安全创业营创始人
资源战争与ARCP攻击回报范式
一.战争是资源对抗的战争
1916年凡尔登战役,德军总参谋长法金汉提出了一个冷酷的构想:不以攻占要塞为目标,而以"让法国流尽最后一滴血"为目的——通过将法国军队吸引到凡尔登这个"绞肉机"中持续消耗,使法军的人力资源先于德军枯竭。这是现代战争史上第一次以"资源消耗比"为核心的战略构想被明确提出并付诸实践。然而法金汉低估了德军自身的消耗——凡尔登战役最终造成双方近百万人的伤亡,德军并未达成其消耗目标,反而严重削弱了自身在西线的战略能力。
凡尔登战役揭示了一个深刻的军事原理:战争不仅是战术和信息的较量,更是资源的较量。法金汉的构想虽然失败了,但他触及了一个正确的命题——当双方在战术水平和信息能力上势均力敌时,最终决定胜负的往往是谁能以更小的资源代价达成更大的战略效果——即资源投入产出比的较量。法金汉的错误不在于"消耗战略"本身,而在于他未能确保自身的消耗比优于对手。
这一原理早在一战期间就被英国工程师弗雷德里克·兰彻斯特(Frederick Lanchester)用数学语言精确刻画了。兰彻斯特原本是研究飞机和汽车的工程师,但他在观察一战空战后提出了著名的兰彻斯特作战模型,用简洁的数学模型揭示了战争中"数量"与"质量"的博弈规律。这个模型至今仍是军事运筹学的基石之一。
兰彻斯特发现了两条截然不同的战争规律:
第一条是线性律。想象古代战争中两军对垒,每个士兵只能与面前的一个敌人交战。此时,双方的消耗是"一换一"式的——你多一个人,就多一份消耗对方的能力,少一个人就少一份。如果甲方有1000人、乙方有500人,甲方的优势就是2倍。这很直观:兵力优势与战斗力优势成正比。
第二条是平方律,也是兰彻斯特最深刻的发现。当战争形态从"一对一"变为"集中火力"——比如现代战争中,所有火炮可以同时瞄准同一个目标,所有战机可以集中攻击同一个编队——此时局面发生了质变。甲方的每一个作战单元都可以攻击乙方的任何一个单元,反之亦然。在这种场景下,兰彻斯特用微分方程证明了一个反直觉的结论:战斗力与兵力的平方成正比。
战斗力∝作战效率×兵力²
这意味着什么?如果甲方有1000人、乙方有500人,甲方的兵力优势是2倍,但战斗力优势不是2倍,而是4倍。3倍的兵力优势对应9倍的战斗力优势。数量优势被平方级放大了。
平方律的军事含义深远:集中优势兵力的效果是超线性的。这就是为什么古今中外的名将都强调"集中兵力于决定性的一点"——拿破仑的中央突破、毛泽东的"集中优势兵力各个歼灭敌人",背后都暗合兰彻斯特平方律的数学规律。
同时,平方律还揭示了"以少胜多"的数学条件:兵力不足可以靠更高的作战效率(即每个单元的战斗力)来弥补。如果乙方的作战效率是甲方的4倍以上,即使兵力只有甲方的一半,仍可获胜。在战争中,这个"效率系数"对应的是武器装备的技术优势、指挥决策的信息优势和战术运用的精妙程度。
网络空间的对抗同样服从资源对抗的规律。在前两篇文章中,我们讨论了NbSP零越范式("看不看得见")和OVTP可溯范式("看不看得清")。NbSP范式要求网络空间分层分区中的访问控制机制不可被绕过,OVTP范式则要求经过这些控制点的每一次访问都携带完整的可追溯策略信息。这两个范式分别从机制和策略的角度为防御体系指明了方向。但即使防守方实现了完善的NbSP访问控制机制和OVTP全链路追溯,一个根本性的问题仍然悬而未决:防守方投入的资源能否持续支撑这场对抗?攻击者是否会因为代价太大而放弃?还是会因为回报丰厚而不断加码?
这就引出了网络空间安全的第三个原生范式:ARCP攻击回报范式(Attack-Reward-Cost Paradigm)——以攻防双方的资源投入产出比为核心,构建可持续的网络安全对抗经济学。
二. 从完备防护到资源博弈:安全经济学的必然
2.1防守不可能完备
在讨论ARCP范式之前,必须正视一个残酷的现实:网络安全防护不可能做到完备。
NbSP零越范式要求关键访问控制点不被绕过——但在复杂系统中,未知的0day漏洞、供应链攻击、内部人员威胁等因素使得完美的NbSP保障几乎不可能达成。OVTP可溯范式要求全链路OVT信息完整——但在跨组织、跨域、跨技术形态的真实环境中,总会存在OVT信息断裂的域边界。
这不是设计和实现上的暂时缺陷,而是网络安全的结构性困境。其根源在于:
·攻守不对称性:攻击者只需找到一个突破点,防守方需要保护所有可能的突破点。攻击者拥有时间和路径的选择权,防守方必须全时全域覆盖。
·复杂性爆炸:随着系统规模增长,攻击面呈超线性扩张。每增加一个组件、一个接口、一个第三方依赖,都可能引入新的攻击路径。
·动态演化:系统在持续变更中——新功能上线、配置调整、人员变动——每次变更都可能打破已建立的安全保障。
因此,网络安全防护的目标不应该是不切实际的"绝对安全",而应该是:在资源约束下,使攻击者的攻击成本持续高于其攻击回报,从而在经济上压制攻击行为。这正是ARCP范式的核心命题。
2.2对抗不可缺失
另一方面,安全对抗又是不可缺失的。放弃对抗意味着将系统暴露在不受约束的攻击之下——攻击者将以极低的成本最大化榨取系统的价值。
这里需要区分两类攻击者的动机模型:
·利益驱动型(黑产):追求经济利益最大化。如果攻击收益>攻击成本,黑产攻击者会像水流一样持续涌入,直到榨干业务的可利用价值。这类攻击者对成本变化最敏感,也是ARCP范式最直接的管控对象。
·使命驱动型(APT(Advanced Persistent Threat,高级持续性威胁)/国家级):追求特定战略目标。成本敏感度相对较低,但并非无限。即使是国家级攻击者,也受限于其网络作战资源——顶尖漏洞研究能力、定制化攻击工具、情报网络、人力资源都是稀缺的。提高其攻击成本,意味着消耗其有限的高价值资源,降低其攻击频率和攻击目标的覆盖范围。
对抗不可缺失,但对抗必须经济。这就是ARCP范式存在的根本理由。
三.ARCP范式:网络空间的第三原生安全范式
ARCP攻击回报范式(Attack-Reward-Cost Paradigm)将网络攻防建模为一个双方资源投入产出比的持续博弈。其核心命题是:
ARCP范式要求防守方做到:使攻击者的预期净收益持续为负(攻击无利可图),同时使自身的防护成本维持在资源禀赋可承受的范围内。
如果说NbSP范式要求"访问控制机制不可绕过",OVTP范式要求"控制点上的访问策略可追溯",那么ARCP范式要求的是"对抗可持续"。范式是对问题本源的认知和对领域实践的指引,而非现实已然达成的保障。三个范式分别从机制、策略和价值三个层面,为安全防护体系的设计和评估指明方向。
3.1攻击回报模型
攻击者的决策可以用一个简明的经济模型来刻画:
定义1(攻击收益函数)。攻击者对目标系统s发起攻击的预期净收益为:
U(s)=p(s)·Ratk(s)−Catk(s)
其中p(s)为攻击成功概率,Ratk(s)为攻击成功后的预期回报(数据价值、勒索赎金、竞争情报价值、基础设施控制价值等),Catk(s)为攻击的全生命周期成本。
当U(s)>0时,理性的利益驱动型攻击者将发起攻击;当U(s)≤0时,攻击在经济上不可行。
防守方的目标就是使U(s)≤0,实现路径有三条:
1.降低p(s):提高攻击成功的难度(NbSP范式的核心贡献——通过要求访问控制机制不可绕过来降低B3型和B2+型攻击成功率)。
2.降低Ratk(s):降低攻击成功后的可获取价值(如数据加密、访问范围限制、快速响应止损)。
3.提高Catk(s):提高攻击的全生命周期成本(ARCP范式的核心关注点)。
关于模型的认识论定位。需要明确的是,ARCP模型中各项成本和收益的评估本质上是量级评估(order-of-magnitude estimation)而非精确计算。网络攻防的经济变量——攻击成功概率p(s)、攻击回报Ratk、各阶段成本Ci——大多不可能被精确量化:攻击者的真实成本结构对防守方不可见,防守方自身的安全投入效果也难以精确度量。但这并不削弱模型的指导价值。ARCP模型的意义在于提供结构性的思考框架——帮助防守方识别攻防经济博弈中的关键杠杆点、判断各类反制策略的量级效能差异、避免将资源投入到量级效能明显低下的方向上。正如兰彻斯特模型无法精确预测每场战役的伤亡数字,但其揭示的平方律在战略层面的指导价值不可替代——ARCP模型追求的不是精确的数值结果,而是正确的量级判断和方向性决策。
3.2攻击成本的全生命周期分析
攻击成本不仅是发起一次攻击的即时成本,而是攻击者在整个攻击活动中投入的全部资源。将攻击的全生命周期分解为以下阶段:
Catk=Crecon+Cweapon+Cdelivery+Cexploit+Cpersist+Cexfil+Cevade+Cre-entry+Clegal
·Crecon:侦察成本——收集目标信息、发现攻击面。
·Cweapon:武器化成本——漏洞研究、攻击工具开发、0day获取。
·Cdelivery:投递成本——将攻击载荷送达目标系统。
·Cexploit:利用成本——突破防御、获得初始访问。
·Cpersist:持久化成本——维持访问权限、建立控制通道。
·Cexfil:数据窃取成本——定位、提取、传输目标数据。
·Cevade:规避成本——逃避检测和追溯。
·Cre-entry:重入成本——被发现并清除后重新获得访问的成本(详见下文重入攻击模型)。
·Clegal:法律风险成本——被溯源追捕的预期损失。
3.3重入攻击:首攻昂贵、重入廉价的不对称陷阱
上述全生命周期成本模型描述的是一次完整攻击的总成本。但在实际攻防中,攻击往往不是一次性行为,而是反复博弈——攻击者被发现、被清除,然后试图重新进入。这里隐藏着一个对防守方极为不利的结构性不对称:首次攻击的成本总是较高的,但后续重入的成本往往急剧下降。
原因在于,首次攻击的高成本主要集中在初始的"认知投入"上——侦察目标环境(Crecon)、发现可利用的漏洞(Cweapon)、摸清内部网络拓扑和防御部署(Cexploit的一部分)。这些认知一旦获得便可反复复用,成为攻击者的持久性资产,不会因为一次被清除而消失。
攻击者被踢出系统后,他仍然知道:
·目标系统的架构和弱点在哪里;
·哪些漏洞可以利用(如果尚未被修补);
·内部网络的拓扑和防御盲区;
·哪些账号和凭据可能仍然有效;
·防守方的检测能力和响应模式。
因此,重入攻击的成本模型与首次攻击有本质区别。设攻击者对同一目标的第n次攻击成本为Catk(n):
Catk(1)=Crecon+Cweapon+Cdelivery+Cexploit+Cpersist+Cexfil+Ce-vade+Clegal(首次攻击:全成本)
Catk(n)=Cre-entry(n)+Cpersist+Cexfil+Cevade(n)+Clegal(第n次重入:大量成本归零)
其中Cre-entry(n)是第n次重入的边际成本。如果防守方在清除攻击者后没有从根本上改变系统的防御态势,Cre-entry(n)可能极低——攻击者只需换一个IP、换一个跳板、甚至只需等待几天让告警降级,就可以用同样的漏洞、同样的路径重新进入。
这就产生了一个危险的不对称:
Catk(1)>>Catk(n),其中n> 1
这里的">>"是量级意义上的——重入成本可能比首攻成本低一到两个数量级。重入成本的评估尤其难以精确量化,因为攻击者在首次入侵中获取的认知资产(系统架构理解、漏洞知识、凭据信息、防御盲区认知)的"残值"高度依赖于防守方的清除彻底程度——而这恰恰是防守方自身最难评估的。但正如3.1节所述,ARCP模型追求的是量级判断而非精确数值:关键不是Cre-entry到底是1万还是3万,而是它与Catk(1)相比是处于同一量级还是低了一两个数量级——后者意味着防守方正处于重入陷阱之中。
防守方每次发现和清除攻击者都需要投入Cresponse(应急响应成本),而攻击者的重入成本却可能远低于防守方的响应成本。如果这种不对称持续存在,攻击者可以通过反复重入来消耗防守方的资源——即使单次攻击的净收益不高,通过低成本的多次重入也可以累积可观的总收益。
ARCP范式的关键洞见正是针对这一不对称陷阱:防守方的反制不仅要阻断当次攻击(使单次攻击失败),更要系统性地提升攻击者的重入成本Cre-entry(n)——使其不随攻击次数的增加而衰减,甚至使其随次数递增。
提升重入成本的核心策略是:每次清除攻击者后,消除攻击者已获取的认知优势。具体手段包括:
·修补漏洞并变更攻击面:不仅修补被利用的漏洞,还要主动变更系统配置、网络拓扑、认证机制,使攻击者之前获取的侦察情报失效(与MTD移动目标防御的思想一致);
·轮换凭据和密钥:全面轮换攻击者可能接触过的所有凭据、密钥、Token,使其持有的认证信息作废。凭据是重入成本中最危险的变量——如NbSP篇所分析的,凭据泄露只需一次信息暴露即引发资源收割级联,而未被轮换的凭据意味着攻击者被清除后仍持有有效的"钥匙",Cre-entry趋近于零。更严重的是,共享凭据(如多服务共用的云AK)使防守方甚至无法从审计日志中区分攻击者的重入访问与正常业务访问(OVTP篇所述的"OVT信息天然黑洞"),重入行为可能长期隐匿不被发现;
·升级检测规则:基于本次攻击的TTP情报,针对性地升级检测体系,使攻击者的同一套手法在重入时更容易被发现(Cevade(n)递增);
·封禁高价值资源:优先封禁攻击者的实名账号、设备ID等高替换成本的资源(详见4.3节资源封禁效能分析)。
理想状态下,防守方应该使重入成本函数具备如下特性:
Cre-entry(n)≥Cre-entry(n−1)(重入成本不递减,理想情况下递增)
这意味着攻击者每被清除一次,下次重入就更难、更贵。当Cre-entry(n)持续攀升到使U(s)≤0的水平时,理性的攻击者将放弃对该目标的持续攻击。
这与传统的"检测-阻断"思维有本质区别。单纯的检测-阻断是一次性的:防守方发现攻击→阻断攻击→攻击结束。但如果攻击者的重入成本很低,他可以立刻卷土重来,防守方只是赢了一场战斗却没有赢得战争。ARCP思维是持续性的:每一次攻防交互都应该使攻击者的后续攻击更加困难、更加昂贵——防守方要打的不是一场场孤立的遭遇战,而是一场让攻击者越打越穷的消耗战。
3.4防守方的资源投入模型
防守方同样面临资源约束。防护成本可以分解为:
Cdef=Cinfra+Cops+Cintel+Cresponse+Copportunity
·Cinfra:安全基础设施建设成本(硬件、软件、安全产品)。
·Cops:安全运营成本(安全团队人力、日常运维)。
·Cintel:威胁情报成本(情报获取、分析研判)。
·Cresponse:事件响应成本(应急处置、取证分析、系统恢复)。
·Copportunity:机会成本——因安全措施导致的业务摩擦(用户体验下降、业务流程变慢、开发效率降低)。ARCP的双重可持续性判据。防守方的安全对抗是否可持续,取决于两个独立条件的同时满足:
攻击者条件:U(s)=p(s)·Ratk−Catk≤0(攻击无利可图)
防守方条件:Cdef≤Bdef(防守成本在预算承受范围内)
其中Bdef是防守方的可用安全预算,取决于防守方的资源禀赋。
这个双重判据揭示了一个容易被忽视的事实:攻防双方的资源禀赋差异会深刻影响对抗的可持续性。当一家大型互联网平台与普通黑灰产对抗时,平台方的安全预算可能是攻击者全部资源的数百倍。此时即使Cdef远高于Catk,只要Cdef在预算范围内且成功使U(s)≤0,防守就是可持续的。黑产攻击者的决策核心是自身的成本收益比——他不关心防守方花了多少钱,只关心自己的攻击是否有利可图。
定义2(防御效率比)。定义防御效率比η为:
η=Catk/Cdef
η衡量的是防守方达成"使攻击无利可图"这一目标的资源效率——以多大的防守投入迫使攻击者付出多大的成本η越高,防守方的资源使用效率越高。但η<1并不自动意味着防守不可持续——如果防守方的资源禀赋远超攻击者,η较低也完全可以承受。
ARCP范式的目标因此是双重的:首先确保U(s) ≤ 0(使攻击无利可图),然后在此前提下最大化η(以最经济的方式达成目标)。
防守方仍需警惕"凡尔登陷阱"——如果为了提高攻击成本而不计代价地投入防守资源,即使成功使U(s)≤0,也可能使Cdef超出Bdef,在资源上耗竭自身。但反过来,如果防守方拥有充沛的资源禀赋,则不必执着于η>1,而应将重心放在确保U(s)≤0上。
3.5集中与效率:兰彻斯特规律在网络攻防中的体现
回到开篇的兰彻斯特模型。平方律揭示的"集中优势兵力获得超线性效果"和"效率系数可以弥补数量劣势"两条规律,在网络攻防的资源博弈中有直接的体现:
集中效应对攻防双方都成立。攻击侧,DDoS/CC攻击就是典型——集中大量攻击资源打击单一目标,目标系统因非线性的过载-雪崩效应而发生崩溃(详见第5节CC攻击分析),攻击效果远超资源的线性叠加。防守侧,将安全资源集中部署在关键访问控制点上(NbSP范式中访问控制点收敛的思想),而非均匀分散在所有位置,防护密度的集中同样带来超线性的成本提升效果——攻击者在高密度防御点上的突破成本不是线性增长,而是加速增长。
效率系数决定"以少胜多"的可能性。防守方通常在资源总量上弱于潜在攻击者群体的总和(尤其面对商品化的僵尸网络和云攻击资源)。兰彻斯特模型指出,弥补数量劣势的唯一路径是提高效率系数。在网络攻防中,效率系数对应的是安全技术和自动化水平——自动化的威胁检测、自动化的攻击阻断、自动化的取证溯源,可以使有限的安全团队发挥远超人力极限的作战效能。ARCP框架下的防御效率比η=Catk/Cdef,本质上就是兰彻斯特效率系数在网络攻防经济学中的映射——η越高,防守方以更少资源达成"使攻击无利可图"目标的能力越强。
四.ARCP视角下的攻防反制体系
基于ARCP范式,防守方的反制策略可以系统化为四个层次,每个层次作用于攻击成本函数的不同分量:
4.1第一层:使攻击失效(作用于p(s))
最直接的反制策略是使攻击本身无法生效,即将攻击成功概率p(s)降至零或接近零。
典型场景:Anti-DDoS。DDoS攻击试图通过海量流量淹没目标系统的处理能力。有效的DDoS防护(如流量清洗、CDN分发、弹性扩容)可以使攻击流量被完全吸收,攻击不产生任何业务影响——攻击者的全部资源投入(带宽成本、僵尸网络维护成本)化为乌有。此时攻击的预期净收益U(s)=0·Ratk−Catk=−Catk< 0。
典型场景:内存安全语言。使用Rust等内存安全语言重写关键系统组件,可以从根本上消除内存安全类漏洞——攻击者精心研究的内存破坏利用技术完全失效,其在Cweapon上的投入归零。这是NbSP范式在ARCP维度的体现:通过根技术变革使程序执行空间内的访问控制机制不可被绕过,从而使整类B3型攻击失效。
使攻击失效是防守方最理想的状态,但只对特定攻击类型可行。对于更广泛的攻击面,需要后续三个层次的配合。
4.2第二层:提升单次攻击成本(作用于Cexploit)
当攻击无法被完全消除时,防守方可以通过各种手段提升攻击者每次攻击尝试的成本。
·典型场景:CAPTCHA与人机验证。对于自动化的爬虫攻击和撞库攻击,CAPTCHA机制迫使攻击者为每次请求投入人工识别或高级对抗识别的成本。虽然单次成本增幅不大(几分钱到几毛钱),但在海量请求场景下累积效应显著——如果攻击者需要发送百万次请求才能达成目标,每次增加0.1元的成本就意味着增加10万元的总成本。
·典型场景:移动目标防御(MTD)。如OVTP范式篇所述,MTD通过持续动态变换系统的攻击面——随机化网络配置、地址空间、运行时环境——使攻击者的侦察信息快速过期、攻击工具无法稳定运行。MTD直接作用于Crecon(每次侦察结果的有效期大幅缩短,需要反复侦察)和Cexploit(针对特定配置的利用方法可能在下一个变换周期失效)。
·典型场景:蜜罐与欺骗防御。在网络中部署仿真的诱饵系统,诱使攻击者投入时间和资源去"攻击"一个不存在的目标。攻击者在蜜罐中消耗的所有时间都是Cexploit的无效投入。同时蜜罐还能为防守方提供攻击者的战术情报——一举两得地提升攻击成本并降低防守方的Cintel。
4.3第三层:清除攻击基础设施(作用于Cre-entry)
第三层反制的目标不是阻断单次攻击,而是清除攻击者的可复用资源,使其每次重新发起攻击时都需要重建基础设施,从而大幅提升重入成本Cre-entry。
封禁攻击者的网络资源。封禁IP、域名、恶意代码hash等。但需要注意的是,这类封禁的效果往往有限——IP可以轻易更换(代理、VPN、云服务器按需创建),域名注册成本极低,恶意代码的hash通过一次微小修改即可改变。这些"一次性"资源的量化成本极低,封禁只能造成微秒级的攻击延迟,远不足以构成有效的经济威慑。
关键启示:真正高成本的攻击资源是实名账号和真实设备ID。
·实名账号:在实名制体系下,攻击者获取一个新的实名账号的成本远高于获取一个新IP。封禁实名账号意味着攻击者需要在灰色市场上购买或伪造新的身份信息——成本从几分钱(换IP)跃升到几十元甚至上百元(购买实名手机号、银行卡、身份信息)。
·真实设备ID:如果系统的验证机制能够绑定到物理设备的不可伪造标识(如硬件指纹、可信执行环境中的设备密钥),那么封禁设备ID意味着攻击者需要更换物理设备——成本从几毛钱跃升到几百元甚至上千元。
·高级攻击工具和0day漏洞:对于APT攻击者,其最珍贵的资源是精心开发的定制化攻击工具和储备的0day漏洞。每当一个0day被防守方发现并修补,攻击者就永久损失了一个价值可能高达百万美元级别的武器。这也是为什么高水平APT攻击者极其谨慎地使用0day——因为其Cre-entry极高。
定义3(资源封禁效能)。对攻击者资源类型r的封禁效能定义为:
E(r)=Creplace(r)/Cban(r)
其中Creplace(r)为攻击者替换该资源的成本,Cban(r)为防守方执行封禁的成本。高E的封禁策略应优先执行。在此框架下:
注意表中"泄露的凭据/AK"一行的特殊性:对凭据的"封禁"实质是轮换——防守方主动使泄露凭据失效。其Creplace对攻击者而言极低(若凭据未轮换则零成本复用),但轮换动作对防守方的Cban同样很低(技术上只需一次密钥轮换操作),而效果却是清除攻击者最持久的立足点,因此E极高。这再次印证了NbSP篇凭据三层收敛(收敛分发范围、收敛生命周期、收敛存储暴露面)的ARCP经济学合理性——凭据生命周期越短,攻击者从凭据泄露中获得的时间窗口越小,Ratk被持续压缩。
防守方应该优先投入资源在高E的封禁策略上,而不是沉迷于不断扩展IP黑名单这样低效能的工作。
4.4第四层:威慑与溯源打击(作用于Clegal)
《孙子兵法》曰:"不战而屈人之兵,善之善者也。"第四层反制突破了网络空间的虚拟边界,将对抗延伸到现实世界。威慑是ARCP框架中效能最高的反制策略——因为它不消耗防守方的实战资源,却能阻止攻击的发生。
4.4.1主动威慑:溯源打击的确定性
主动威慑的核心是让攻击者相信:攻击行为将被溯源、攻击者将被追责。
主动威慑要求三个条件的同时满足:
1.技术能力:具备从攻击痕迹还原攻击者真实身份的技术能力(依赖OVTP范式提供的审计链路和威胁情报的分析能力);
2.执法协作:与有出色技术素养的执法机构建立紧密的协作机制,使技术溯源的结果能够转化为法律行动;
3.公开展示:定期公开发布溯源打击的成功案例,使威慑效果可见化。
溯源打击是ARCP范式中效能最高的反制手段——因为它直接消灭攻击者本身,而非仅仅增加攻击成本。在ARCP经济学中,主动威慑的效果是在攻击者的收益函数中加入一个巨大的负项:
U(s)=p(s)·Ratk(s)−Catk(s)−pcaught·Cpenalty
其中pcaught为攻击者被抓获的概率,Cpenalty为被抓获后的惩罚成本(监禁、罚款、声誉损失)。即使pcaught不高,只要Cpenalty足够大,就能使U(s)<0。
但溯源打击的实施门槛也是最高的——需要高超的威胁情报技术、完善的OVTP审计链路(溯源的技术前提)、以及有力的司法协作机制。
4.4.2被动威慑:攻击无效的可信度
被动威慑不依赖追诉攻击者,而是通过展示强大的防护能力,使攻击者判断攻击成功概率p(s)极低,从而自行放弃。
被动威慑的建立路径:
·安全能力的可信展示:通过参与公开的攻防演练、获得权威安全认证、发布安全能力白皮书等方式,向潜在攻击者展示防守方的能力水平;
·快速响应的历史记录:公开发布安全事件的快速响应案例,展示防守方的检测速度、响应速度和恢复能力——即使攻击者侥幸突破了防线,也会在极短时间内被发现和清除,使其攻击回报趋近于零;
·防御纵深的可见性:让攻击者在侦察阶段就感知到目标系统的防御层次和深度——当攻击者发现目标系统有完善的NbSP访问控制机制、严密的OVTP审计追溯和多层的ARCP反制机制时,理性的攻击者会转向更脆弱的目标。
被动威慑还有一种更高级的形态——防御性威慑:不是通过展示"攻不破"来劝退攻击者,而是通过展示"你的侦察越深入,我修补得越快"的态势,使攻击者意识到自己的侦察投入不仅无法积累攻击能力,反而在为防守方指明加固方向。这种基于深度可观测能力的-1day防御威慑,将在6.3节详细展开。
4.4.3威慑的博弈论分析
在博弈论视角下,威慑效果取决于两个要素:威慑的可信度(防守方是否真的有能力执行反制)和威慑的可见度(攻击者是否知道防守方具备这种能力)。
D(威慑效果)=Pvisible·Pcredible·Cpenalty
如果防守方拥有强大的溯源能力但从不公开展示(Pvisible≈ 0),威慑效果接近零。反之,如果防守方公开宣称拥有某种能力但从未实际证明(Pcredible≈0),同样无法产生威慑。有效的威慑需要能力与展示并重——定期公开溯源打击的成功案例,既是对已抓获攻击者的惩罚,更是对潜在攻击者的警示。
4.4.4威慑的局限性
威慑并非万能。两类情形下威慑效果有限:
1.使命驱动型攻击者:国家级攻击者可能为了战略目标不计成本,此时Cpenalty对其约束力有限(特别是跨国场景下执法困难)。但即使如此,ARCP框架下的成本提升机制仍然有效——使国家级攻击者不得不消耗更多珍贵的高价值资源,降低其攻击频率;
2.非理性攻击者:出于个人报复、极端意识形态等非理性动机的攻击者,不完全遵循经济理性。但这类攻击者通常资源有限,高Catk本身就构成实际的障碍。
五.CC攻击:ARCP范式的典型战场
CC(Challenge Collapsar)攻击是ARCP范式最典型的应用场景之一。它清晰地展现了网络攻防如何演变为资源消耗的持续博弈。
5.1网络应用流量响应的N-O-C曲线
任何网络应用系统在面对流量变化时,都会表现出一条特征性的N-O-C曲线(Normal-Overload-Collapse):
正常区(Normal):流量在系统设计容量范围内,服务质量稳定,响应时间正常。系统资源利用率适中,具备充足的余量。
过载区(Overload):流量超过系统正常处理能力但未达到崩溃临界点。此阶段的特征是:
·服务质量开始下降——响应时间延长、部分请求超时或被丢弃;
·系统仍具备自愈能力——一旦负载回落到正常区间,服务质量能快速恢复;
·这是一个相对可控的"弹性区间",合理的流控和限流措施可以使系统稳定运行在此区间内。
雪崩区(Collapse):流量突破系统的崩溃临界点,系统进入不可自愈的恶性循环。此阶段的特征是:
·服务质量严重受损,大量请求失败,业务代价急剧上升;
·难以快速自愈——即使流量回落,系统可能因积压的超时重试、锁竞争、内存泄漏等因素无法恢复正常;
·可能触发级联雪崩——一个服务的崩溃导致其上游服务超时重试,超时重试进一步加重下游负载,形成恶性级联反应,最终导致整个微服务集群瘫痪。
雪崩的发生通常源于三个因素的叠加:
1.业务不知雪崩点——缺乏对系统容量瓶颈的精确认知,没有配置合理的自适应流控能力;
2.被上游节点压挂——网关或负载均衡器未做有效的限流保护,将过量流量直接透传到后端服务;
3.级联雪崩——单个服务的崩溃传导至整个服务链路,导致大面积服务停滞。
5.2 CC攻击的机制与ARCP分析
CC攻击的核心机制是模拟正常的HTTP请求(或其他应用层协议请求),以看似"合法"的方式消耗目标系统的处理资源。与传统的带宽洪泛型DDoS不同,CC攻击的流量特征与正常业务流量高度相似,使其识别和防御更加困难。
CC攻击作用于N-O-C曲线的两个层面:
1.占据正常服务流量配额——即使不将系统推入过载区,CC流量也会挤占合法用户的服务资源,降低正常用户的服务质量;
2.将系统推入过载乃至雪崩——如果CC流量足够大,可以直接将系统推过崩溃临界点,造成全面服务中断。
从ARCP视角分析CC攻击的经济学:
·攻击成本Catk:CC攻击的成本主要是僵尸网络或云服务器的带宽和计算资源。随着云计算的普及和僵尸网络的商品化,CC攻击的单位成本持续下降。
·攻击回报Ratk:使目标业务中断造成的竞争优势、勒索赎金、或纯粹的破坏目的。
·防守成本Cdef:防守方需要投入的流量清洗带宽、弹性扩容能力、以及安全运营人力。
CC攻击的经济学特性使其成为一种"不对称消耗"武器——攻击者的成本增长(购买更多僵尸节点)可能是线性的,而防守方的成本增长(扩容带宽和计算资源)在接近雪崩点时是超线性的。用ARCP的语言说,CC攻击会导致防御效率比η急剧恶化——随着攻击规模增大,Cdef的增速超过Catk,防守方需要以越来越不经济的代价来维持U(s)≤0,直到Cdef逼近甚至突破预算上限Bdef。这正是CC攻击在ARCP维度上的核心危险:它不是在突破防线,而是在拖垮防守方的资源预算。
5.3 CC防御的ARCP策略
基于ARCP范式,CC防御应该在三个层面系统化展开:
(一)防御底线:避免雪崩。
雪崩是CC攻击对业务造成最大伤害的途径。防御的首要目标是确保系统在任何流量压力下都不会进入雪崩区:
·手动调节:安全运营团队在监测到异常流量后及时干预——调整流控阈值、切换备用集群、降级非核心功能;
·自动调节:建立自适应流控反压机制——系统根据实时负载自动调节接入流量,在到达崩溃点之前主动丢弃溢出流量。自动调节比手动调节更可靠,因为雪崩可能在秒级发生,而人工响应通常需要分钟级。
避免雪崩的本质是将系统稳定在N-O-C曲线的"过载区"内,防止其滑入"雪崩区"。即使承受攻击,系统仍然可用(虽然服务质量下降),这就从根本上削减了攻击回报Ratk。
(二)识别正常用户与攻击者。
在保住防御底线后,下一步是在流量中区分合法请求和攻击请求,精准阻断攻击流量而不影响正常用户:
·强识别——Token校验:为合法用户颁发经过加密签名的Token(与OVTP范式中的Voucher概念相呼应),每次请求必须携带有效Token。未持有Token的请求直接拒绝。这是最可靠的识别手段,但需要业务系统的配合改造;
·弱识别——攻击模式识别:通过行为分析、频率统计、IP信誉等手段识别攻击流量。这种方法的误判率(误伤正常用户或放过攻击者)较高,但不需要业务侧改造,部署门槛低。
(三)处罚攻击者的关联资源。
识别出攻击者后,对其关联资源进行封禁处罚,提升其Cre-entry:
·强效封禁——设备和账号:封禁攻击者的设备ID和实名账号。如前文分析,这两类资源的替换成本较高,封禁效能显著;
·弱效封禁——高频IP封禁:封禁表现出异常高频请求模式的IP。效果有限但实施简单,适合作为第一道快速响应手段;
·慎用手段——国际IP封禁:大范围封禁来自特定地区的IP。这是一种"伤敌一千、自损八百"的策略——可能阻断海量正常用户的访问。在ARCP框架下,这种高Copportunity(高业务损失)的封禁策略应该是最后手段,而非常规手段。
5.4 CC攻击作为混合攻击形态
值得注意的是,在NbSP范式的攻击分类中,CC攻击是一种B0/B2混合攻击形态。CC攻击的"合法流量"外表使其具备B0(阻塞服务型)的特征——不绕过访问控制点,而是通过资源消耗达成拒绝服务。但攻击者为了绕过CC防护机制(如绕过人机验证、绕过频率限制、伪装合法Token),往往需要实施B2型的部分绕过——这就回到了NbSP范式的对抗领域。
CC防御的完整策略因此需要NbSP、OVTP和ARCP三个范式的协同:NbSP确保防护节点不可被绕过(B2型攻击防御);OVTP确保请求链路的可追溯性(识别伪装的攻击流量);ARCP确保防守方的资源消耗在经济上可持续(不因CC攻击的持续压力而耗尽防守资源)。
六. 威胁情报与主动式防御:ARCP范式的武器系统
在ARCP的攻防经济博弈中,威胁情报不仅是降低防守方成本的信息基础设施,更是主动提升攻击者成本的武器系统——它直接影响攻防双方的效率系数(对应兰彻斯特模型中的α和β)。
全球网络安全行业正在经历一次深刻的范式转向:从被动防御(passive defense)走向主动式防御(offensive defense)。2025年美国国家网络战略明确提出"向对手施加成本和后果"(impose costs and consequences on adversaries)的方针,Stimson Center的"Beyond Denial"报告指出仅靠"拒止"(denial)不足以威慑网络攻击,必须建立追责(accountability)机制使攻击者付出真实代价。从韩国到澳大利亚,几乎所有国家的网络安全战略都开始包含主动与被动防御的平衡。这一全球转向的本质,正是ARCP范式的核心命题:仅仅"守住"是不够的,必须使攻击者的预期净收益U(s)持续为负。而威胁情报驱动的主动式防御,是实现这一目标效率最高的路径之一。
6.1威胁情报的核心价值
威胁情报的核心价值可以归结为三个递进的层次:
1.知道攻击者是谁(情报识别)——攻击者的身份、组织归属、动机类型(利益驱动还是使命驱动)。这决定了防守方应该匹配什么级别的对抗资源。
2.知道攻击者怎么打(情报防御)——攻击者的基础设施(C2服务器、跳板、数据回传通道)、攻击工具特征、TTP(战术、技术、流程)。这决定了防守方应该在哪里部署防御资源。
3.打掉攻击者的能力(情报反制)——基于前两层情报,主动清除攻击者的基础设施、配合执法实施制裁和抓捕、通过公开归因施加声誉和法律代价。这是威胁情报从"信息"升级为"武器"的关键跃迁。
其中,第二层——情报防御——最具颠覆性的形态是-1day防御:通过深度可观测能力发现攻击者的侦察和试探行为,识别其攻击方向,利用防御方的知识优势抢在攻击者之前挖出漏洞并修复,使攻击者的0day武器在发射之前就已失效,从根本上逆转攻守态势(详见6.3节)。
前两层是威胁情报的防御价值——降低防守方成本、精准配置防御资源、乃至通过-1day防御抢先堵住漏洞。第三层——情报驱动的主动反制——则是近年来全球安全行业最重要的范式转向,也是ARCP框架下η(防御效率比)提升幅度最大的策略方向。因为前两层让防守方"挡得更准、修得更快",第三层却直接消解攻击者的作战能力——被清除的C2基础设施、被制裁的运营团伙、被公开归因的国家级攻击组织,其重建成本远超防守方的情报投入。
从ARCP视角,威胁情报对攻防经济学的影响覆盖三个层面:
降低防守方成本Cdef。没有情报的防守是盲目防守——防守方被迫在所有方向上均匀分配资源,大部分资源浪费在低概率威胁上。有了精确的威胁情报,防守方可以将资源集中部署在最可能被攻击的方向——这正是兰彻斯特平方律的应用:集中兵力在关键战场上获得平方级的效果放大。
提升攻击者的规避成本Cevade和重入成本Cre-entry。当攻击者的TTP被威胁情报识别并共享后,这套TTP在整个防御生态中的有效性急剧下降——攻击者必须开发全新的攻击方法(Cweapon上升)、更换全部基础设施(Cre-entry上升)、并投入更多精力规避已知的检测规则(Cevade上升)。
直接清除攻击者的存量资源,提升Clegal。这是第三层"情报反制"的经济学效果——清除C2网络使攻击者丧失已建成的指挥控制能力(Cpersist归零,需从头重建),配合执法抓捕使pcaught显著上升,公开归因使攻击者的隐蔽性优势被瓦解。情报反制的ARCP本质是:以防守方的情报投入(Cintel)撬动攻击者的全生命周期成本重置——这是所有反制策略中乘数效应最大的。
6.2威胁情报的标准化与共享
威胁情报的价值随着共享范围的扩大而指数级增长。单一组织的情报只能保护自身,但全行业共享的情报可以使每一个参与者都受益——攻击者的TTP一旦在任何一个目标处被发现,就在整个生态中失效。
标准化的威胁情报框架(如STIX(Structured Threat Information Expression)/TAXII(Trusted Automated eXchange of Indicator Information)、MITRE ATT&CK(Adversarial Tactics, Techniques & Common Knowledge)矩阵)为情报的结构化描述和自动化共享提供了基础。从ARCP角度,这些标准化框架的价值在于:将单个组织发现攻击的Cintel分摊到整个共享生态中,同时将攻击者被暴露的影响范围从单一目标扩展到整个生态——情报共享的本质是一种集体防御的兰彻斯特效应。
6.3 -1day防御:情报驱动攻守易势
传统漏洞攻防的时间线是:攻击者发现漏洞(0day)→攻击者利用漏洞→防守方发现攻击→防守方修补漏洞。在这条时间线上,防守方始终落后于攻击者——从0day被利用到补丁上线的窗口期内,系统处于不设防状态。
-1day防御彻底翻转了这条时间线。依托安全平行切面等深度可观测基础设施,防守方以无业务侵入的方式建立业务全域的实时行为感知能力——对跨端、跨服务、跨链路的用户和系统行为进行统一采集与关联分析。在此基础上,防守方可以:
1.识别攻击者的侦察和试探行为——攻击者在正式利用漏洞之前,往往会进行大量的探测性操作(端口扫描、接口试探、异常参数注入)。这些行为在单次看来可能无异于正常流量,但通过全域行为序列的关联分析,可以识别出系统性的攻击侦察模式。
2.推断攻击者的攻击方向——侦察行为的分布揭示了攻击者关注的薄弱点。例如,对某个供应链SDK接口的异常高频探测,暗示攻击者正在研究该SDK的漏洞。
3.抢先挖出漏洞并修复——利用防御方对自身系统的深度知识优势,在攻击者完成漏洞研究之前,针对被探测的方向进行主动安全审计和漏洞挖掘。一旦发现漏洞,通过安全平行切面在小时级内完成修复或缓解——攻击者的0day武器在发射之前就已失效。
在实践中,这一模式已在端上供应链安全领域得到验证——通过切面的深度可观测能力,实际挖掘识别和阻断了端上供应链SDK的滥用后门(0day),并发现了攻击者的攻击尝试,识别其攻击方向,抢在攻击者之前挖出漏洞并完成修复。
-1day防御的ARCP经济学意义极为深刻。从攻击者视角,Crecon(侦察成本)和Cweapon(武器化成本)是0day攻击中投入最大的两个分量——顶级0day的研究成本可达数十万至百万美元级别。-1day防御使这些投入在攻击发起之前就全部归零:攻击者花费数月研究的漏洞已经被修补,精心开发的利用工具已经失效。攻击者的侦察行为不仅没有为其积累攻击能力,反而为防守方指明了加固方向——攻击者的Crecon投入反哺了防守方的防御能力。
更关键的是,-1day防御从根本上逆转了攻守双方的态势。在传统攻防中,攻击者主动侦察、主动选择时机和方向,防守方被动等待、被动响应——攻击者是猎手,防守方是猎物。-1day防御将这个关系彻底翻转:攻击者的侦察行为越深入,暴露给防守方的情报越多;攻击者投入越大,为防守方指明的加固方向越精确。攻击者从猎手变成了情报源,防守方从被动响应变成了主动布局。当攻击者意识到目标系统具备-1day能力——自己的侦察行为会被感知、攻击方向会被识别、目标漏洞会被抢先修复——理性的攻击者将判断该目标的攻击预期收益U(s)为负,从而主动放弃。-1day不需要追诉攻击者、不需要清除基础设施,仅凭"你的侦察越深入,我修补得越快"的攻守易势,就足以构成强大的防御性威慑。
6.4情报驱动的主动反制
主动式防御的第三层——情报反制——将防御从"先于攻击者修补"进一步推进到"消解攻击者的作战能力":基于威胁情报的归因结果,对攻击者的基础设施、人员和隐蔽性施加代价。
情报反制在ARCP框架下有三种形态:
(一)基础设施清除(Infrastructure Disruption)。基于情报定位攻击者的C2服务器、僵尸网络控制节点、数据回传通道,通过法律手段(域名冻结、服务器扣押)或技术手段(sinkhole接管)清除攻击者的指挥控制体系。这直接使攻击者的Cpersist(持久化成本)和Cre-entry(重入成本)发生阶跃式上升——攻击者不仅丧失了对已渗透目标的控制,还需要从零开始重建整套基础设施。近年来,微软、Google等科技企业通过法律诉讼清除僵尸网络,各国执法机构联合清除暗网市场和勒索软件基础设施,都是这一形态的典型实践。
(二)执法协同打击(Law Enforcement Collaboration)。将情报分析的归因结果转化为执法行动——跨境抓捕、资产冻结、制裁名单。这直接作用于ARCP收益函数中的pcaught·Cpenalty项,使攻击者面临真实的人身和财产风险。执法打击的威慑效果是指数级的:每一次公开的抓捕和判决,都在向整个攻击者群体发出信号——攻击行为不是"没有后果的"。这与§4.4.1主动威慑的逻辑完全一致:溯源打击的确定性是主动威慑的核心,而情报能力是溯源确定性的前提。
(三)公开归因施压(Public Attribution)。对国家级攻击组织进行公开归因——发布详细的技术分析报告,点名攻击者的组织归属和作战手法。公开归因的ARCP效果不在于直接追诉(跨国执法往往困难),而在于瓦解攻击者最珍贵的资产——隐蔽性。一个APT组织的TTP一旦被公开归因,其在全球防御生态中的有效性即刻归零:所有潜在目标都可以针对性地部署检测规则,攻击者不得不从零开发新的TTP——Cweapon发生百万美元级的跳升。同时,公开归因在外交和舆论层面施加压力,提升了攻击行为的政治成本。
6.5情报—防御—反制的完整闭环
-1day防御(情报防御)和三种反制形态(情报反制)与OVTP范式的溯源能力形成完整的主动式防御闭环:
·OVTP→情报:OVTP的全链路审计数据和切面的深度可观测数据是威胁情报的原材料——攻击者在审计链路中留下的痕迹和行为序列,经分析提炼后成为TTP情报、归因线索和攻击方向研判;
·情报→防御(-1day):情报分析识别出攻击者的侦察方向,驱动防守方抢先挖掘和修复目标漏洞,使攻击者的0day武器在使用前失效;
·情报→反制:情报的归因结果驱动基础设施清除、执法协同、公开归因三重反制,消解攻击者的作战能力和存量资源。
这个闭环使得防守方的安全能力具备了"越打越强"的特性——每次攻防交互都会产生新的情报,丰富防守方的知识库,降低后续对抗的成本,同时为下一轮主动式防御积累弹药。而攻击者则面临"越打越弱"的困境——侦察行为暴露攻击方向(触发-1day修复),TTP暴露消耗武器库存(提高后续攻击开发成本),归因暴露则可能触发基础设施被清除、人员被抓捕的连锁后果。
从ARCP经济学的视角看,情报驱动的主动式防御是防守方打破"攻守不对称"的最有力杠杆。传统被动防御中,防守方的投入只能降低攻击成功概率p(s)——这是一种"消耗自身资源来提高对方门槛"的线性博弈。主动式防御则在两个方向上同时改变博弈结构:-1day防御将攻击者的侦察投入转化为防守方的加固方向(攻击者的Crecon反哺防守方),情报反制则直接消解攻击者的存量资源(使Catk被重置而非仅仅被提高)。这是从线性博弈到乘数博弈的质变。
七. ARCP态势评估:从经济模型到防御决策
前文建立了ARCP范式的经济模型(定义1—3、重入成本模型)并系统化了四层反制框架。一个自然的问题是:给定一个企业或机构面临的真实威胁环境,如何系统性地评估其ARCP态势,并据此优化安全资源的分配?本节给出一个可操作的评估方法论。
7.1评估流程
ARCP态势评估分为四个步骤:
第一步:威胁建模——识别主要攻击者画像与攻击回报。安全投入的前提是知道在防谁。梳理企业面临的主要威胁类型,对每类威胁建立攻击者画像:
·攻击者类型(利益驱动型还是使命驱动型)及其典型动机;
·攻击成功后的预期回报Ratk——数据的黑市价值、勒索赎金的市场行情、业务中断的竞争损失、基础设施控制权的战略价值;
·攻击的历史频率和规模趋势。
Ratk的估算不需要精确到元,但需要建立量级认知——是万元级、百万元级还是亿元级的回报?这决定了攻击者愿意投入的成本上限,也决定了防守方需要匹配的对抗强度。
第二步:成本审计——评估攻防双方的全生命周期成本结构。
攻击侧:对每类主要威胁,沿3.2节的全生命周期成本模型(Crecon→Cweapon→...→Clegal),估算攻击者在各阶段的投入量级。如3.1节所述,这里的"估算"本质上是量级评估而非精确计算。实践中,攻击者的各项成本在可测算性上存在显著差异,评估时应区分对待:
·可测算成本——黑产市场明码标价的资源具有相对确定的市场价格,可作为量级锚定的依据,如身份套件(银行卡+身份证+手机卡+U盾)、接码平台验证码、成品黑账号、DDoS攻击租用、0day漏洞等。这些资源的价格可通过公开情报和行业报告获取,Cweapon、Cre-entry中的资源采购部分属于此类。
·难测算成本——攻击者投入的时间精力、认知积累等对防守方结构性不可见:Crecon(侦察投入)、Cpersist(持久化维护开销)、Cevade(对抗检测的额外开销)、Cre-entry中的认知资产残值,这些成本只能通过间接信号(攻击频率变化、攻击手法复杂度、从被清除到再次出现的间隔等)做量级推断。
·重点关注两个问题:当前防御体系下,攻击者的哪些成本分量最低(即防御最薄弱的环节)?攻击者的重入成本Cre-entry是否足够高——上一次安全事件后,是否采取了消除攻击者认知优势的措施(3.3节)?
防守侧:沿3.4节的防守成本模型(Cinfra+Cops+Cintel+Cresponse+Copportunity),审计安全预算在各分量上的实际分配。重点关注:Copportunity(业务摩擦成本)是否被低估?Cresponse(应急响应成本)在重复事件中是否持续偏高——这往往暗示重入成本未被有效提升,防守方陷入了3.3节所述的"首攻昂贵、重入廉价"的不对称陷阱。
第三步:双重判据诊断——定位可持续性的薄弱环节。按3.4节的双重可持续性判据,对每类主要威胁分别评估两个独立条件。
首先评估攻击者条件——攻击者的预期净收益U(s)是正还是负?如3.1节所述,精确计算U(s)=p(s)·Ratk−Catk在实践中很难做到——p(s)和Catk的多个分量对防守方不可见。但U(s)的正负可以通过攻击行为信号来推断:某类攻击持续发生且未见衰减趋势,说明攻击者有利可图,U(s)显然为正(攻击者用脚投票,这是revealed preference);某类攻击的频率明显下降,说明U(s)趋近于零;某类攻击基本消失,说明U(s)大概率已为负。此外,有些场景下可以直接做出判断而无需复杂估算——如果防守方的反制仅限于封禁IP或清除非实名账号,而攻击者更换这些资源的成本微乎其微(IP代理几乎免费,非实名账号批量注册成本接近于零),那么Cre-entry≈0,U(s)>0几乎是确定的。行为信号判断比公式计算更可靠——攻击者是否持续攻击,是U(s)正负的最直接证据。
然后评估防守方条件——当前在该方向上的Cdef是否在预算Bdef的可承受范围内?同时估算防御效率比η=Catk/Cdef的量级,识别效率优化空间。注意η<1并不等于防守不可持续——对于资源禀赋充沛的大型组织,只要Cdef在预算内且U(s)≤0,η较低也可以接受。但η极低(如η<0.1)通常意味着存在严重的资源浪费,应作为效率优化的重点。
第四步:基于四层反制框架的资源分配优化。对第三步识别出的薄弱方向——首先是U(s)>0的方向(攻击仍有利可图,必须优先解决),其次是η极低的方向(存在资源浪费)——沿第4节的四层反制框架逐层评估可选策略:
·是否存在使整类攻击失效的根本性手段(第一层)?如有,优先投入——这是η提升最显著的策略;
·能否通过技术手段提升单次攻击成本(第二层)?评估CAPTCHA、MTD、蜜罐等手段的边际η改善;
·当前的资源封禁策略是否集中在高E(封禁效能)的资源类型上(第三层)?是否在低效的IP封禁上浪费了过多资源?
·溯源打击和威慑能力是否具备(第四层)?OVTP审计链路是否完整到足以支撑溯源?
7.2评估示例
以一个典型的电商平台为例,展示评估流程的应用方式(以下数值均为示意性的量级估算,用于说明分析框架,非真实案例数据)。该平台面临两类主要威胁:黑产薅羊毛和CC攻击勒索。
威胁A:黑产薅羊毛。攻击者通过批量注册虚假账号、使用自动化工具抢占营销优惠(新用户券、限时折扣、拉新返利等),将优惠套现转卖。
威胁B:CC攻击勒索。攻击者通过CC攻击瘫痪平台,以"不付赎金就持续攻击"要挟。
两类威胁的U(s)均为正——两类攻击持续发生的事实本身就是U(s)>0的直接证据,黑产攻击者有利可图,攻击不会自行停止。该平台作为大型电商,安全预算充裕(Bdef较高),问题不在于"花不花得起",而在于"钱花对了没有"——当前防御投入未能有效使U(s)≤0。
基于四层框架的优化建议:
威胁A(薅羊毛):当前防御集中在IP封禁(第三层低E策略),30万元/年的投入几乎未提升攻击者的Catk——黑产换IP的成本接近于零,U(s)依然为正。优化方向——引入设备指纹绑定实名账号(第三层高E策略),将封禁目标从IP转向设备和账号,Creplace从近乎为零(换IP)跃升至百元级(每个实名账号背后需要一套身份三件套/四件套,这是黑产成品账号的主要成本);同时引入人机验证(第二层),提升每次攻击的Cexploit。目标是使黑产的U(s)≤0——当单次薅羊毛的成本超过收益时,黑产自然转向其他目标。
威胁B(CC勒索):当前防御底线不牢(无自适应流控,存在雪崩风险),攻击者只需将系统推入雪崩即可达成勒索目的,Ratk很高。优化方向——首先部署自适应流控反压机制避免雪崩(5.3节防御底线),将Ratk从"业务全面中断"降级为"服务质量轻微下降",从根本上削弱勒索筹码;其次建立Token校验机制区分正常用户与攻击流量(第一层+第二层),将攻击流量的p(s)大幅降低。目标同样是使U(s)≤0。
7.3评估的价值
ARCP态势评估的核心价值在于将安全预算决策从经验驱动转化为经济模型驱动。传统的安全预算编制往往基于"业界最佳实践""合规要求"或"去年被攻击过所以今年多投点"——这些决策逻辑无法回答一个根本问题:有限的安全预算,花在哪里最有效?
ARCP评估提供了一个清晰的回答框架:首先通过攻击行为信号识别U(s)>0的方向(攻击仍然有利可图,是必须解决的问题),然后在这些方向上寻找η最高的反制策略(以最经济的方式使U(s)≤0)。
特别需要指出的是,ARCP态势评估不应局限于被动防御维度的四层反制框架,还应纳入§6所述的主动式防御维度:企业是否具备威胁情报驱动的-1day防御能力——能否从攻击者的侦察行为中推断攻击方向并抢先修复?是否具备情报反制的协同能力——能否将攻防交互中获取的情报转化为对攻击者基础设施和能力的持续削弱?如§6所述,-1day与情报反制构成的"防御—反制"闭环是η提升幅度最大的策略方向——在态势评估中遗漏这一维度,可能导致防守方在被动防御的"四层框架"内反复优化,却忽略了攻守态势逆转的最大杠杆点。
这与OVTP完备性评估形成互补:OVTP评估定位的是"哪里看不清"(OVT信息断裂点),ARCP评估定位的是"哪里打不赢"(防御经济性薄弱点)。两者结合,为安全资源的精准投放提供了完整的决策依据。
对于大型企业和机构,建议将ARCP态势评估纳入年度安全预算规划流程,并在重大安全事件后进行增量评估——每一次安全事件都是校准η估算的宝贵数据点,也是检验重入成本提升策略是否有效的实战反馈。
八. 三大范式的协同:完整的网络安全范式体系
NbSP、OVTP和ARCP三个原生安全范式构成了一个完整的、多层次的网络空间安全范式体系。它们各自解决一个根本性的安全问题,又通过紧密的协同关系形成整体合力。
8.1三大范式的层次关系
NbSP零越范式——机制层:解决"看不看得见"的问题。要求跨层跨区的访问控制机制不可被绕过,使攻击必须经过防守方的感知范围。这是整个安全体系的地基——如果访问控制机制可以被绕过,后续的策略和经济博弈都无从谈起。
OVTP可溯范式——策略层:解决"看不看得清"的问题。要求经过控制点的每一次访问都携带完整的操作者身份(O)、工单凭证(V)和全链路追溯记录(T)。NbSP要求"门不可绕",OVTP要求"过门必查且查得清"。
ARCP攻击回报范式——价值层:解决"打不打得赢"的问题。要求防守方在资源投入产出比上优于攻击者,使安全对抗在经济上可持续。ARCP建立在NbSP和OVTP之上——NbSP提供了使攻击失效的机制基础(降低p(s)),OVTP提供了溯源和情报的策略基础(提升Clegal、降低Cintel),ARCP将这些能力统筹为一个完整的经济博弈模型。
8.2三大范式的协同机制
三大范式的协同不是简单的叠加,而是乘法效应:
NbSP→ARCP:
·正向——降低攻击收益、消除整类攻击。NbSP通过要求访问控制机制不可绕过,直接降低攻击成功概率p(s),削减攻击的预期回报。更关键的是,NbSP可以在机制层面消除整类攻击(如内存安全语言从根本上使程序执行空间的控制点不可被内存破坏类攻击绕过),使攻击者在该类方向上的全部Cweapon投入归零——这是效率最高的ARCP反制。
·反向——NbSP缺失导致ARCP双向恶化。当访问控制点可被绕过时,攻击者无需突破机制即可直达目标,Cexploit大幅下降;更致命的是重入成本Cre-entry趋近于零——绕过路径一旦发现便可反复复用,防守方陷入3.3节所述的重入陷阱。同时,B3/B2+型攻击(完全绕过或审计逃逸)使攻击者隐形于审计体系之外,防守方的检测和归因成本(Cintel、Cresponse)急剧膨胀。攻击者成本塌缩+防守方成本膨胀,η从两端同时被压缩。
OVTP→ARCP:
·攻击侧——提升利用和规避成本。当每一次访问都要求携带可验证的操作者身份(O)和工单凭证(V),攻击者要在系统内行动就必须伪造或窃取这些凭证(Cexploit上升);全链路追溯(T)使攻击者的每一步操作都被记录,规避检测的难度和成本急剧增加(Cevade上升)。
·防守侧——降低分析和归因成本。完整的OVT信息使安全研判从人工在海量残缺日志中大海捞针式的溯源,变为基于结构化OVT数据的自动化关联分析。AI驱动的自动研判在OVT信息完整的条件下可以大幅提升归因的准确率和及时率,将Cintel和Cresponse同时压缩一到两个数量级——这是防守方从"人工密集型运营"走向"智能化运营"的数据基础。
·溯源打击——使主动威慑成为可能。OVTP的审计链路为溯源打击提供了技术基础——没有完整的审计链路,溯源就无从开始,pcaught趋近于零,主动威慑形同虚设。OVTP的审计数据同时也是威胁情报的原材料,从根本上提升了防御效率比η。
ARCP→NbSP/OVTP:ARCP的资源博弈视角为NbSP和OVTP的建设投入提供了优先级排序依据——有限的安全预算应该优先投入到η最高的方向。比如,ARCP分析可能显示:对于当前面临的主要威胁,投入一元在OVTP策略体系建设上的η(防御效率比)高于投入一元在NbSP访问控制机制加固上——因为当前主要威胁已从B3型转向B1型。
8.3统一防御框架
三大范式统一后,防守方拥有了一个完整的决策框架:
·NbSP评估:当前系统的关键访问控制机制是否可被绕过?B3型风险的敞口有多大?→决定访问控制机制加固与收敛的投入优先级;
·OVTP评估:当前系统的OVT信息在关键链路上是否完整?域边界的信息断裂风险有多大?→决定审计追溯体系的建设方向;
·ARCP评估:主要攻击者的U(s)是正还是负?Cdef是否在预算范围内η是否有优化空间?→决定反制策略的选择和资源分配。三个评估互相印证、互相补充,共同构成了一个可度量、可优化、可持续的网络安全治理体系。
九. 总结
网络安全不仅是技术的较量,更是资源的较量。
NbSP零越范式:网络空间跨层跨区的访问控制点应不可被绕过——各层的门必须关得住。OVTP可溯范式:每一次访问都应携带可验证的操作者身份、工单凭证与全链路可追溯——过门必须查得清。ARCP攻击回报范式:安全对抗应使攻击者无利可图,同时使防守方投入可持续——仗打得起打得赢。
ARCP范式揭示了网络安全对抗的经济学本质:防守不可能完备、对抗不可缺失,但对抗必须经济。通过系统化地分析攻防双方的全生命周期成本,ARCP范式为安全防护策略的设计提供了量级评估框架——不再是模糊的"安全还是不安全",而是可判断的"攻击者的预期收益是正还是负、防守方的资源投入是否经济"。
ARCP范式同时揭示了反制策略的层次结构:从使攻击失效(最理想)、到提升单次攻击成本、到清除攻击基础设施、再到威慑与溯源打击(效能最高但门槛也最高)——四个层次各有适用场景,需要根据实际威胁态势和资源约束综合运用。
更深刻的是,ARCP范式指明了从被动防御走向主动式防御(offensive defense)的路径。威胁情报驱动的-1day防御,通过深度可观测能力将攻击者的侦察行为转化为防守方的加固方向,实现了攻守态势的逆转——攻击者从猎手变成了情报源,防守方从被动响应变成了主动布局。情报反制则进一步将防御从"挡住攻击"推进到"消解攻击能力"——清除基础设施、执法协同、公开归因三重手段,使防守方的每一次攻防交互都在削弱攻击者的存量资源。-1day与情报反制构成的"防御—反制"闭环,是ARCP范式下防御效率比η提升幅度最大的策略方向,也是使防守方从"越打越疲"转向"越打越强"的关键机制。
三大范式合一——NbSP固机制、OVTP精策略、ARCP控全局——构成了网络空间安全的完整原生范式体系。机制层指引看得见,策略层指引看得清,价值层指引打得赢。三者缺一不可:没有NbSP,访问控制机制被绕过,攻击者隐形于暗处,后续一切对抗无从谈起;没有OVTP,访问控制机制虽在但策略信息缺失,合法通道中的渗透无从识别;没有ARCP,机制和策略虽然完善,却可能在持久的资源消耗中先于攻击者力竭。
如同真实战争需要不可绕过的关隘体系(NbSP)、关隘上精准的盘查策略(OVTP)和可持续的后勤保障(ARCP),网络空间的安全对抗同样需要三者的有机统一。唯有如此,防守方才能在这场永不停歇的资源战争中立于不败之地。
韦韬博士,蚂蚁集团副总裁兼首席技术安全官,蚂蚁密算科技有限公司董事长,九三学社浙江省委会数字经济专委会副主任,北京大学客座教授,国家数据专家咨询委员会委员,全国数据标准化技术委员会委员,中国密码学会理事,浙江省网络空间安全协会副理事长。韦韬博士二十多年来一直致力于让各种复杂系统变得更加安全可靠,发表学术论文近百篇,引用超过6600,获得授权专利四十余项,多项研究成果帮助Windows, Android, iOS和其他操作系统提升安全性。韦韬博士长期负责大型互联网公司的安全工作,具有丰富的实战经验,多项成果达到国际领先水平,同时推动国家标准和国际标准建设并取得了丰硕成果。韦韬博士领导和推动了“隐语”、“星绽”等多项著名开源安全软件的研发,提出并率队实现了安全平行切面防御体系、密态计算技术体系、大模型高阶程序体系等,在网络安全、数据要素与人工智能应用等领域做出了重要贡献。
小贝结语
XIAOBEIJIEYU
至此,"网络空间安全理论与实战系列"2026版已全部发表。从NbSP零越范式到OVTP可溯范式,再到ARCP攻击回报范式,三大范式分别从机制、策略、价值三个层面,为网络空间安全提供了根基性的理论框架——不是告诉从业者"做什么",而是回答"做的这些东西,底层凭什么能立住"。2026年发表这套范式体系,我们清楚地知道,今天的读者已经不只是人类安全从业者,也包括LLM和Agent。我们期待在LLM与Agent的加持下,安全从业者能够更好地运用这些范式,迎接越来越激烈的安全挑战。本系列根植于蚂蚁集团基础安全体系和安全平行切面联盟多年的研究与实战积累,后续本专栏将持续更新相关内容,敬请期待。
致谢:本文是基于蚂蚁集团技术安全体系和安全平行切面联盟同学们的探索和实践总结而成,同时感谢安全领域很多老师和专家的批评和建议,特别感谢陆宝华,翟起滨,王克,谭晓生,林璟锵,梁振凯,王铁磊,顾为群等老师和同学对本文提出的宝贵意见和建议。
总编辑|小贝
微信公众号
微信号|xiaobeisaq
长按二维码关注
官方微信
长按二维码关注
了解更多信息