02-从机器人攻击看应用安全需求的变化-卢秉权

核心观点与关键数据

• 攻击者策略变化：攻击者采用模仿人类交互的自动化工具或脚本，使用窃取的凭据执行登录请求，并利用恶意软件绕过多因素认证（MFA），导致凭证填充、帐户接管欺诈、应用DDoS等攻击激增。
• 亚洲地区攻击趋势：亚洲电话诈骗事件激增，网络钓鱼短信诈骗迅速增长，MFA不再是灵丹妙药，实时网络钓鱼代理（RTPP）攻击成功率显著。
• 攻击者技术升级：攻击者开始伪造设备并模仿人类行为，IP地址使用更加复杂，设备/浏览器伪装技术从差到优秀，攻击者虽是人类但常需欺骗设备。

应用安全挑战

• 传统安全措施失效：验证码无法阻止攻击者，传统的IP智能化和阈值基础方法不足以应对攻击。
• 业务问题：攻击导致创建假帐户、欺诈性订单、滥用忠诚度积分、个人信息泄露、未经授权的信息抓取等问题。

F5解决方案

• 用户行为分析：通过SELENIUM生成的ID可视化，分析用户行为模式，识别可疑关键事件和鼠标事件，区分好客户和坏客户。
• 机器学习与人工智能：使用无监督和受监督的机器学习模型，结合图像专家评审，实时缓解网络信号，监控FP，识别数字身份、生物行为等。
• 效果展示：F5阻止了高度复杂的攻击者，帮助主要银行封锁了实际攻击，识别并缓解了92%的登录请求攻击，创造了无摩擦的用户体验并增加收入。

研究结论

• 云无边界架构：未来应拥抱开源、本地化和数字创新，构建云无边界架构以应对不断变化的攻击威胁。
• 实时检测与反欺诈：F5提供实时检测和反欺诈解决方案，支持协作，减少合法用户的摩擦，提升应用安全。