建站
咨詢
售后
建站咨詢
新聞中心
和通常的開放互聯(lián)網(wǎng)相反，還有一個充斥犯罪和地下交易的封閉Dark Web，那么這個封閉的Web下實際情況是怎么樣的呢?immuniweb對該Web下的網(wǎng)絡安全行業(yè)泄露狀況進行了專門研究：
創(chuàng)新互聯(lián)是一家朝氣蓬勃的網(wǎng)站建設(shè)公司。公司專注于為企業(yè)提供信息化建設(shè)解決方案。從事網(wǎng)站開發(fā)，網(wǎng)站制作，網(wǎng)站設(shè)計，網(wǎng)站模板，微信公眾號開發(fā)，軟件開發(fā)，微信小程序，十載建站對成都邊坡防護網(wǎng)等多個領(lǐng)域，擁有豐富的營銷推廣經(jīng)驗。
截止到2020年，有97%的領(lǐng)先網(wǎng)絡安全公司的數(shù)據(jù)在Dark Web被公開過，超過160,000起高級別或嚴重事件可能危及客戶。
[[341445]]
概述
鑒于在過去12個月中針對受信任的第三方的網(wǎng)絡攻擊的復雜性和數(shù)量迅速增長，immuniweb決定對全球網(wǎng)絡安全行業(yè)進行探索性研究并衡量其在2020年在Dark Web上的曝光度。
Ponemon Institute的一項調(diào)查顯示，有59%的公司由于包括網(wǎng)絡安全供應商在內(nèi)的第三方入侵而造成數(shù)據(jù)泄露。
Digital Shadows 2020年7月發(fā)布的最新研究估計，目前可供出售的100,000多個數(shù)據(jù)泄露中有超過150億條被盜記錄。
幾周前，來自Malwarebytes的一份報告顯示，WFH(在家工作)會導致大量安全漏洞。
為了更好地理解多方面的挑戰(zhàn)，F(xiàn)orrester提供了有關(guān)內(nèi)部人員如何使用Dark Web出售公司數(shù)據(jù)的有見地的報告。
研究旨在幫助從定性和定性兩個方面更好地了解新興風險和現(xiàn)代威脅格局，并幫助網(wǎng)絡安全公司更好地確定優(yōu)先級并應對新興網(wǎng)絡風險。
主要發(fā)現(xiàn)
以下是有關(guān)全球主要網(wǎng)絡安全公司的主要發(fā)現(xiàn)：
- 97%的公司在Dark Web上暴露了數(shù)據(jù)泄漏和其他安全事件。
- 發(fā)現(xiàn)631,512起安全事件，而160,529起處于高或嚴重風險級別。
- 29%的密碼被盜，161家公司的員工重復使用密碼。
- 5,121條帶有專業(yè)電子郵件的記錄來自被黑的非法廣告站點。
- 63%的網(wǎng)絡安全公司的網(wǎng)站不符合PCI DSS要求。
- 48%的網(wǎng)絡安全公司的網(wǎng)站不符合GDPR要求。
- 91家公司存在可利用的網(wǎng)站安全漏洞，其中26%尚未解決。
涉及網(wǎng)絡安全公司
為了使選擇的全球網(wǎng)絡安全公司樣本具有代表性，合理地多元化和包容性，以確保調(diào)查結(jié)果的普遍性。
這項研究從以下獨立來源收集了全球領(lǐng)先的網(wǎng)絡安全公司的列表：
- Crunchbase-2020年RSA會議的與會的546家公司
- SecurityTrails-2020年最佳100+最佳安全公司，共計419家公司
- 網(wǎng)絡安全風險投資公司熱門150家網(wǎng)絡安全公司共計150家公司
- 網(wǎng)絡安全公司100強，共計126家公司
- OWASP-公司贊助商和支持者，共計78家公司
總共，收集了1,319家網(wǎng)絡安全公司和組織。從列表中刪除重復項后，得到了1,040個實體。
然后，剔除了所有不能歸類為網(wǎng)絡安全公司的實體(例如，像NIST這樣的組織或像Panasonic這樣的跨國公司，它們對網(wǎng)絡安全業(yè)務的參與都微不足道)。
還剔除除Alexa排名高于500,000的所有公司，以確保只有足夠大的公司保留在研究中。
最終建立了398家網(wǎng)絡安全公司，總部位于26個國家/地區(qū)。毫不奇怪，其中大多數(shù)都位于美國和歐洲
研究使用了LinkedIn提供的公司規(guī)模分類。398家網(wǎng)絡安全公司中，以下公司規(guī)模：
使用了CrunchBase提供的年收入分類。以下是398家網(wǎng)絡安全公司的估計年收入數(shù)字：
數(shù)據(jù)來源和方法
為研究的目的統(tǒng)一了Dark Web，Deep Web和Surface Web的概念，并將它們統(tǒng)稱為Dark Web。
為了搜索和識別Dark Web上可用的安全事件，利用免費的在線測試來發(fā)現(xiàn)和分類上述398家網(wǎng)絡安全公司的Dark Web暴露。
研究收集有關(guān)事件數(shù)據(jù)的各種資源的詳盡列表：
- 黑客論壇、地下市場、IRC和Telegram頻道、公共代碼存儲庫、WhatsApp討論組、社交網(wǎng)絡、粘貼網(wǎng)站。
- 最早的安全事件可以追溯到2012年，最近的安全事件是2020年8月31日。
- 手動驗證了異常，例如每個公司的意外事件數(shù)量大或小，以確保數(shù)據(jù)的一致性和準確性。
需要提及的是Dark Web上不斷增長的"噪音"，從過時或重復的數(shù)據(jù)泄漏到詐騙者出售的明顯假貨。為了應對這一挑戰(zhàn)，研究利用并不斷改進專有的機器學習(ML)模型來分散研究結(jié)果。例如，經(jīng)過特殊訓練的ML模型，能夠區(qū)分人工創(chuàng)建的密碼和自動生成的密碼。還有許多其他的ML模型，它們檢測到各種"危險信號"，表明數(shù)據(jù)，其廣告質(zhì)量或違約日期或賣方確實缺乏基本的可信賴性，并且可以確定。在研究中，未觸發(fā)任何危險信號的發(fā)現(xiàn)稱為已驗證，而其他標記為未驗證。
研究中使用的已驗證事件的估計風險評分：
- 重大風險：使用純文本密碼的登錄憑據(jù)，或具有最新和/或唯一的高度敏感數(shù)據(jù)(例如，PII，財務記錄等)的數(shù)據(jù)泄漏
- 高風險：具有純文本密碼的登錄憑據(jù)，或具有高度敏感的數(shù)據(jù)(例如，PII，財務記錄等)的數(shù)據(jù)泄漏
- 中度風險：登錄憑據(jù)加密密碼，或各種數(shù)據(jù)泄漏，包括中度敏感的數(shù)據(jù)(例如源代碼，內(nèi)部文檔等)
- 低風險：在數(shù)據(jù)泄漏，樣本或轉(zhuǎn)儲中提及組織，其IT資產(chǎn)或員工，而沒有隨附敏感或機密信息。
突發(fā)事件概述
398家網(wǎng)絡安全公司在"暗網(wǎng)"中發(fā)現(xiàn)的事件總數(shù)為1,658,907，而經(jīng)驗證的事件為38%(631,512)：
估計風險水平下的事件
下圖說明了按估計的風險水平分配的事件(請參見上文)。在已驗證的事件中，幾乎17%(109,019)估計有嚴重風險，8%估計有高風險(51,510)，49%估計有中等風險(311,521)，25%估計有低風險(159,462)：
公開數(shù)據(jù)類型的突發(fā)事件
631,512條記錄包含高度敏感的信息，例如純文本憑據(jù)或包含財務或類似數(shù)據(jù)的PII。因此，每個網(wǎng)絡安全公司平均暴露1,586個被盜憑據(jù)和其他敏感數(shù)據(jù)。下圖顯示了事件中泄漏數(shù)據(jù)的一般分類：
密碼泄露事件
分析了上述憑據(jù)盜用事件類型的密碼泄漏強度。29%的密碼是弱密碼(即少于8個字符，沒有大寫字母，沒有數(shù)字，沒有特殊字符)：
在398家公司中，有162家發(fā)生了員工在不同的違規(guī)系統(tǒng)上重復使用相同密碼的事件。這增加了網(wǎng)絡犯罪分子進行密碼重用攻擊的風險。
即使在領(lǐng)先的網(wǎng)絡安全公司的員工中，也使用常見的弱密碼：
公司規(guī)模劃分的事件
顯示了按公司規(guī)模劃分的事件分布：
涉及第三方資源的事件
相當多的事件源于默默地違反了受信任的第三方，例如網(wǎng)絡安全公司的供應商或其他分包商，其中大多數(shù)是被盜的網(wǎng)站數(shù)據(jù)庫和備份。
大量帶有純文本密碼的被盜憑證也來自與無關(guān)的第三方有關(guān)的事件，包括約會，甚至成人網(wǎng)站，受害者使用他們的專業(yè)電子郵件地址登錄。
下表列出了最常見的違規(guī)第三方類型，這些第三方與員工使用其服務的網(wǎng)絡安全公司沒有直接關(guān)系：
結(jié)論
現(xiàn)代威脅形勢已成為所有行業(yè)的高度復雜，多維和復雜的挑戰(zhàn)。人為風險，IT外包以及對第三方數(shù)據(jù)處理的依賴-逐漸加劇了這種情況并使持續(xù)的安全監(jiān)控變得復雜。研究表明，即使是網(wǎng)絡安全行業(yè)本身也無法幸免。新冠肺炎的大流行加速了國際網(wǎng)絡犯罪，并迫使全球數(shù)以百萬計的未做好準備的組織在沒有必要的安全性和數(shù)據(jù)保護的情況下緊急數(shù)字化其業(yè)務流程。
全面的可見性以及數(shù)據(jù)，IT和數(shù)字資產(chǎn)的清單對于當今的任何網(wǎng)絡安全和合規(guī)性計劃都是至關(guān)重要的。諸如機器學習和AI之類的現(xiàn)代技術(shù)可以顯著簡化和加速從異常檢測到誤報減少的大量繁重任務。
網(wǎng)頁標題：新鮮出爐：Dark Web中網(wǎng)絡安全行業(yè)泄露狀況
文章網(wǎng)址：http://m.fisionsoft.com.cn/article/dpijdho.html
