← 返回列表

软件供应链后门投毒自动化发现能力建设

聚合站 SecWiki技术 作者 金融电子化 发布 2023年3月29日 15:25 入库 2026-11-18T11:38:34

文 / 网商银行  魏辰 高佩明

浙江网商银行股份有限公司(以下简称“网商银行”),作为首批架构在云上的数字银行,信息安全是网商银行的生命线。网商银行多年来持续加大对信息安全的投入,特别是持续投入人力建设软件供应链后门投毒自动化发现能力。

网商银行应用安全工程师 魏辰

软件供应链安全风险迫在眉睫

软件供应链产品信息安全风险主要分为以下几类。

(1)0day漏洞,主要是办公软件、三方组件等软件供应链产品,均有可能存在0day漏洞。

(2)发布/更新渠道被攻击,办公软件、三方软件的发布或更新渠道可能受到攻击,一旦被恶意劫持,就会造成信息安全风险。

(3)恶意投毒,在软件仓库恶意投毒植入木马或在办公软件应用商城植入病毒木马等,用户会在无感知的情况下被入侵。

对攻击者来说,与挖掘0day漏洞、攻击软件发布/更新渠道相比,恶意投毒是一种成本极低、收益较高的攻击方式。通过Python、Node.js、Ruby等语言的软件仓库发布软件非常容易,攻击者可构造大量开发者容易拼写错误、包含企业内部关键字的软件包,用广撒网的方式进行投毒,一旦有员工不慎安装了恶意软件,攻击者即可突破边界进入企业内网。例如,2022年攻击者定向收集美国Ably公司发布的各类产品、项目名称,发布了几十个相关的恶意Node.js软件包进行投毒,如图1所示;Node—ipc软件包的作者主动在代码中投毒,在桌面和OneDrive文件夹中写入“WITH—LOVE—FROM—AMERICA.txt”文件,且判断当前用户若使用了俄罗斯IP地址,则将所有文件图标用爱心替换;Coa和Rc软件包被攻击者劫持,注入了恶意代码,窃取Chrome、Firefox等浏览器的密码、键盘记录等。

图1  针对 Ably 公司的供应链投毒

为全面贯彻落实中国人民银行《关于进一步加强源代码管理工作的通知》(银科技〔2021〕33号)、《关于规范金融业开源技术应用与发展的意见》(银办发〔2021〕146号)等文件精神,网商银行以“健全软件供应链产品风险发现和防御能力”为目标,分析软件供应链投毒攻击特点,创新性地设计了静态扫描、动态扫描、风险分决策三位一体的检测方案。静态扫描以正则特征和语义分析为基础,对软件包代码进行检测,耗时少,能获取恶意代码调用链路,可覆盖特征较明显的投毒攻击;动态扫描在独立隔离的沙箱环境中模拟受害者触发恶意代码,监控沙箱的网络、进程、文件访问等异常行为,根据行为判断是否恶意投毒攻击,耗时较长,可覆盖代码混淆、二进制后门等较隐蔽的投毒攻击;风险分决策机制根据每个开源软件包的历史版本数量、文件大小、下载量等元数据,设定不同权重进行评分,能够最大程度地减少误报和漏报。同时,网商银行阻断了对互联网上官方软件仓库和各类镜像仓库的访问,软件供应链产品只允许从内部软件仓库下载安装;并将后门投毒自动化发现能力与内部软件仓库实时联动,一旦发现恶意投毒的软件包,即实时同步给内部Maven、NPM、PyPI等软件仓库,禁止对恶意软件包的访问和下载等行为,实现供应链投毒攻击快速、准确发现,软件仓库实时下架的防护效果。

聚集前沿技术,

构筑后门投毒安全防线

根据软件供应链恶意投毒的特点,可通过三个方面建设自动化发现能力,如图2所示。

图2  软件供应链恶意投毒自动化发现方案

(1)静态扫描。静态扫描分为正则特征和语义分析两种方式。

正则特征是匹配黑名单特征,选择投毒攻击高关联度的Curl、Dig、/Dev/Tcp,还有攻击者常用的恶意域名,如Ceye.io、Ngork.io等,正则特征速度快、效率高,但缺点是比较死板,攻击者较容易绕过检测。

语义分析是从软件包入口代码开始,解析程序语义,通过指定污点汇聚点检测投毒特征。这里要注意的是,由于投毒攻击的特点是恶意代码不需要外部参数可控,所以语义分析时与漏洞检测不同,只需要指定污点汇聚点(Sink),而不需要指定污点源(Source)。

(2)动态扫描。恶意代码为了规避静态扫描,攻击者在投毒攻击中常常会加入各种混淆、加密等干扰程序分析的手段,甚至将恶意代码打包为二进制文件进行分发,这种情况下纯静态扫描能力就会出现瓶颈,需要引入动态扫描以作补充。动态扫描实现方式为在沙箱环境中模拟受害者触发恶意代码,监控沙箱的网络、进程、文件访问行为,根据行为判断是否恶意投毒攻击。

沙箱环境需要与企业内部环境隔离开,建立单独集群,划定独立VPC进行安全加固。扫描时可通过容器技术做沙箱环境隔离,在容器内启动测试应用引入待扫描的软件包,并调用对应软件包的关键函数,观察安装期间和使用软件包关键函数的网络、进程、文件访问行为,判断是否存在恶意代码。

事件监听可结合主机层和应用层两个层面共同实现。主机层事件监听可选用云原生系统异常行为监控审计工具,该审计工具可以动态Hook系统内核函数,支持自定义监听策略过滤干扰,更适合动态扫描场景,其架构如图3所示。但主机层事件监听存在部分局限。例如,网络事件仅能捕获到外连IP等信息,难以区分域名和网络请求详情;部分后门投毒会使用间接依赖的方式引入恶意代码,主机层事件监听难以定位到实际恶意代码文件。而引入应用层事件监听,则可以对主机层事件监听进行有效互补。应用层事件监听具体实现为:在沙箱内部署应用层安全切面,对应用层网络、文件、进程等相关函数注入Hook点。当投毒的恶意代码被触发时,即可捕获到网络请求包详情、访问域名等信息,关联函数调用链路,定位到实际触发Hook点的文件位置。此外,应用层安全切面还可提供函数Fuzz能力,覆盖恶意代码仅在调用某些函数方法时才被触发的场景。

图3  主机层事件监听架构图

(3)风险分决策。仅有静态和动态扫描能力依然不足以准确判断开源软件是否被恶意投毒,存在一些误报和漏报的情况。许多正常的软件包,在安装期间也会触发网络、进程、文件访问事件,如下载二进制依赖,安装期间进行编译等;还有部分投毒攻击,在沙箱中无法正常运行,如缺少部分命令,或缺少依赖库等。此时,经过分析投毒攻击在代码之外的特征,我们发现绝大多数投毒攻击的软件包文件体积通常较小,软件包内目录数量、文件数量较少,历史版本数量、下载量较少,且大部分没有填写代码库地址和官网,即便有少数填写了,且其代码库Star、Commit数量也较少。我们可以根据这些特征,引入风险分决策机制,计算每个组件的历史版本数量、文件大小、Star/Commit数量等元数据,设定不同权重进行评分,对于多个元数据都偏低的,其风险分就高,再结合静态、动态扫描能力,即可最大程度上减少误报和漏报,如图4所示。

图4  风险决策

此外,后门投毒自动化检测能力与内部软件仓库实时联动,一旦发现恶意投毒的软件包,即实时同步给内部Maven、NPM、PyPI仓库,禁止恶意软件包下载,实现供应链投毒攻击快速、准确发现,软件仓库实时下架的防护效果。

结 语

网商银行软件供应链后门投毒自动化发现能力已覆盖Python、Node.js语言软件包在安装、使用期间触发的投毒场景,累计识别5500多个投毒攻击软件包;内部组织软件供应链恶意投毒红蓝演练,恶意样本检出率100%。

软件供应链后门投毒风险形势严峻,企业应加强各类软件包进入内部软件仓库时的检测与管控,在安全检测通过前不允许下载安装;收敛软件包下载安装渠道,并建立健全软件供应链风险联防联控机制,这样才能防患于未然。

(栏目编辑:李朝瑞)

往期精选:

(点击查看精彩内容)

●案例 | 打造“线上一站式外汇金融”服务平台——宁波银行外汇金管家建设实践与应用

●案例 | 坚守质量标准,稳步推进转型——重庆银行的 TMMi 创新实践

● 案例 | 以金融科技打造跨境支付基础工具——CIPS标准收发器项目介绍

●案例 | 建设国家金融基础数据库统计平台,推动金融业综合统计高质量发展

●案例 | 智能一体,防微杜渐,着眼未来——光大银行数据库平台云创新实践

新媒体中心

主任 / 邝源

编辑 / 姚亮宇傅甜甜 张珺邰思琪

原文链接:https://mp.weixin.qq.com/s/Nf4nScuV5sUODgk4Fb3EwA