WO2016008778A1 - Verfahren zum erkennen eines angriffs in einem computernetzwerk - Google Patents

Verfahren zum erkennen eines angriffs in einem computernetzwerk Download PDF

Info

Publication number
WO2016008778A1
WO2016008778A1 PCT/EP2015/065547 EP2015065547W WO2016008778A1 WO 2016008778 A1 WO2016008778 A1 WO 2016008778A1 EP 2015065547 W EP2015065547 W EP 2015065547W WO 2016008778 A1 WO2016008778 A1 WO 2016008778A1
Authority
WO
WIPO (PCT)
Prior art keywords
computer network
alerts
attack
computers
anomaly
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/EP2015/065547
Other languages
English (en)
French (fr)
Inventor
Mathias Kloth
Michael Westphalen
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Deutsche Telekom AG
Original Assignee
Deutsche Telekom AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Deutsche Telekom AG filed Critical Deutsche Telekom AG
Priority to CN201580039167.1A priority Critical patent/CN106537872B/zh
Priority to CA2954552A priority patent/CA2954552C/en
Priority to JP2017522730A priority patent/JP6442051B2/ja
Publication of WO2016008778A1 publication Critical patent/WO2016008778A1/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1416—Event detection, e.g. attack signature detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0604—Management of faults, events, alarms or notifications using filtering, e.g. reduction of information by using priority, element types, position or time
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0681—Configuration of triggering conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/069—Management of faults, events, alarms or notifications using logs of notifications; Post-processing of notifications

Definitions

  • the present invention relates to a method and an analysis system for detecting an attack in a computer network.
  • SIEM Security Information and Event Management
  • SIEM Security Information and Event Management
  • SIEM Real-time analysis of security alerts that can be generated by network hardware and network applications.
  • SIEM can be distributed and used as software, applications or managed services to record safety-relevant data and generate reports for compliance applications.
  • Command & Control servers are centralized machines resp.
  • Send botnets, and any infected machine that communicates with the contacted C2 server will accordingly launch a coordinated attack against the target computer.
  • the methods and systems presented below can be used to protect a computer network from attack by botnets, in particular from DDoS attacks, spamming attacks, sniffing attacks, phishing attacks, distribution of malware, key logging, installation of unwanted software , Identity theft,
  • Information Technology is one
  • IT Information Technology
  • SIEM Security Information and Event Management
  • SIM Security Information Management
  • Security Information Management SEM: Security Event Management, Security Event Management
  • C2 Server Command & Control server or command and control server
  • the invention relates to a method of detecting an attack on a computer network having a plurality of computers, comprising the steps of: receiving a plurality of alerts from the computers, wherein the
  • Warning messages are based on different types of computer network anomalies; Comparing a number of the alerts of the plurality of received alert messages with a predetermined event threshold, the number of alert messages being on a same type of anomaly of the
  • the advantage of such a method is that the method can quickly and reliably trigger an alarm signal in the event of an impending attack on the computer network.
  • the computers of the computer network always generate a multitude of warning messages, for example in the event of a malfunctioning software update, if the processor is overloaded, if an update of the software has not hitherto been carried out, if a password was entered incorrectly, if access to the Internet is temporarily not possible, if access to certain data is not possible, etc. These alerts are due to certain anomalies of the
  • Computer network which occur more frequently or less frequently during operation and usually require interaction of the user to correct them. In this case occur uncritical or slight anomalies of the computer system, such as not performed software update or overloading of the processor very often and are easy to fix.
  • Critical anomalies such as unexpected failure of certain components of the system or inaccessibility of rarely used ones
  • the basic idea on which the method is based is now the detection of a possible or imminent attack on the computer network or computer system based on such critical anomalies of the network. For this purpose, only the The number of warning messages that occur is counted and counted against possible computer network anomalies. If the number of alerts based on the same type of computer network anomaly is less than an event threshold, the triggering of an alert may cause the user of the
  • the output of an alarm signal in a possible attack on the computer network can thus be performed flexibly, quickly and accurately. Due to the modular structure of the method, the individual process steps can be implemented flexibly on different software or hardware components, for example
  • the method comprises receiving the plurality of warning messages in a predetermined time interval.
  • the method includes classifying the plurality of alerts regarding the type of anomaly indicated by a respective alert.
  • the method includes determining the type of anomaly displayed by a warning message based on a content of the alert message.
  • the method comprises counting the received warning messages classified with respect to the same type in the predetermined time interval to determine the number; and outputting the alarm signal if the number of the warning messages counted in the predetermined time interval classified with respect to the same type is less than the event threshold value.
  • the switch may supply the warnings based on a type of the anomaly they signal to each of the counters that supplied the number of them
  • the counter values can be read out. As soon as one of the read counter values falls below the event threshold value, an alarm can be triggered.
  • the method with simple logic circuits can be realized, for example on an IC or a chip.
  • the method comprises determining a
  • Probability value for the presence of an attack on the computer network based on the number of alerts that the event threshold
  • the alarm can be triggered even with a low probability of an attack, the probability value then signals a severity of the Attack. For example, a lower probability value than a green one
  • Alarm light is displayed, a medium probability value by a yellow alarm light and a high probability value by a red alarm light. The user receives through the probability value more information about the nature or severity of the possible or impending attack.
  • the method comprises determining the
  • Probability value for the presence of an attack on the computer network further based on at least one of the following predetermined parameters: blacklists, whitelists, thresholds, event relationships, and definition of hazard potentials of individual user groups of the computer network.
  • Computer network but which may be associated with a normal state of the system, can be better distinguished from rare events that are associated with a threat to the computer network. Based on these parameters, the knowledge base of the user of the computer network can be included in the recognition. Thus, situations from the past (for example threshold values, event relationships) as well as current threats (for example blacklists, whitelists, potential dangers of individual groups of persons) can be given special consideration.
  • the method comprises determining the
  • Probability value for the presence of an attack on the computer network further based on a number of visitors of the computer network, in particular on a number of visitors to a web page of the computer network.
  • the method comprises determining the
  • Probability value for the presence of an attack on the computer network further based on a frequency of infrequently executed processes in the
  • a computer network that is in normal state usually works with the same processes. Rarely executed processes can therefore easily provide an indication of an anomaly and thus a possible hazard.
  • the method comprises determining the
  • Probability value for the presence of an attack on the computer network further based on a frequency of programs that are on a given
  • Group are executed from the plurality of computers in the computer network, in particular based on a frequency of programs that are executed only from a predetermined time on the given group of computers. This has the advantage that, based on such an evaluation, the method can easily and reliably detect possible virus programs or malware that is executed on a single or a small group of computers.
  • the method includes utilizing one or more of the following systems on at least one of the plurality of alert generation computers: virus scanner, proxy server, IDS, attack detection system, firewall, operating system, log management system, SIEM system, security information and event management System.
  • virus scanner proxy server
  • IDS intrusion detection system
  • firewall firewall
  • operating system operating system
  • log management system log management system
  • SIEM system security information and event management System.
  • To generate the warning messages can be used on existing infrastructure, such as already installed protocol data systems that make a record of relevant data.
  • the analysis can be carried out with different analysis methods, for example with methods of artificial intelligence or neural networks and provides reliable analysis results that can be processed in the form of events.
  • the analysis may limit the variety of data present in the computer network to the relevant aspects, or provide a certain number of relevant events, which may then be further limited.
  • the method comprises adapting the
  • Event threshold based on the number of alerts containing the
  • Computer network such as the structure and individual components of the network.
  • the indicator can thus be flexibly changing
  • Environmental influences such as additional software or hardware components in the computer network to be adjusted.
  • the method includes adaptively adjusting the event threshold in response to at least one of the following events: user feedback, changes in the network architecture of the
  • Computer network changes in the number of computers on the computer network.
  • Such a method has the advantage that it can flexibly adapt to a changed structure and that the knowledge of the user can be incorporated into the decision-making.
  • the invention relates to an analysis system for detecting an attack in a computer network having a plurality of computers, comprising: a Reception module, which is designed to receive a plurality of warning messages from the
  • Receiving computers the alerts being based on various types of computer network anomalies; a comparison module configured to compare a number of the warning messages from the plurality of received warning messages with a predetermined event threshold, the number of
  • Warning messages are based on a same type of computer network anomaly; and an output module configured to output an alarm signal if the number of the warning messages that are on the same type of anomaly of the
  • the event threshold falls below.
  • the advantage of such an analysis system is that the system can quickly and reliably trigger an alarm signal in the event of an impending attack on the computer network.
  • the analysis system can reliably detect a possible or impending attack on the computer network or computer system based on critical anomalies of the network indicated by the warning messages. Thus, only the number of occurring warning messages the possible anomalies of
  • the output module may issue an alarm to warn the user of the computer network that a potential attack is imminent or has already occurred.
  • the output of an alarm signal in a possible attack on the computer network can thus be performed flexibly, quickly and accurately. Due to the modular structure of the analysis system, the individual modules can be flexibly adapted to different
  • the analysis system includes a classification module configured to classify the plurality of alerts regarding the type of anomaly displayed by a respective alert.
  • the advantage of the classification module is that it can quickly filter out the large number of incoming alerts the relevant alerts that signal a critical computer network anomaly.
  • the analysis system includes a customization module configured to adjust the event threshold based on the number of alerts that fall below the event threshold.
  • the adaptation module can adapt the event threshold based on knowledge about the computer network, for example adaptively.
  • the adaptation can be made, for example, depending on the structure and the individual components of the network.
  • the triggering of the alarm signal can thus be flexibly adapted to changing environmental influences, for example additional software or hardware components in the computer network.
  • Fig. 1 is a schematic representation of a classification 100 of
  • FIG. 2 is a schematic illustration of an analysis system 200 for detecting an attack on a computer network according to an embodiment
  • FIG. 3 is a schematic representation of an analysis system 300 for detecting an attack on a computer network according to another embodiment
  • FIG. 4 is a schematic representation of a scenario 400 of an attack on a
  • Fig. 6 is a schematic representation of a method 600 for detecting a
  • Attacking a computer network according to one embodiment.
  • alerts 102 are received from computers that carry different types or types of alerts.
  • the total amount of 1 10 or the entire part or the total number of warning messages contains various types
  • An abnormality of the computer network means an abnormality or an abnormality of the computer network or a non-standard pattern, e.g. as a result of a fault.
  • An anomaly can thus be considered as a state of the computer network that deviates from the expected one.
  • the classification of the warning messages in a first type 1 1 1 anomaly, a second type 1 12 anomaly, a third type 1 13 anomaly and a fourth type 1 14 anomaly represented. However, any other number of types can occur.
  • warning messages of the first type 1 1 1 of an anomaly occur most frequently, thereafter warning messages of the second type 1 12 of an anomaly, thereafter warning messages of the third type 1 13 of an anomaly and least frequently occur
  • the computer system Based on the number of alerts of each type, it can be determined whether the computer system is in critical condition, that is, whether an attack on the computer system is imminent or has already occurred. Also, if the number of alerts of one type of anomaly, here of the fourth type 1 14, falls short of a certain threshold with respect to a certain period of time Called event threshold, so there is a critical condition and an alarm signal 108 is triggered.
  • the analysis system 100 comprises a reception module 201, a comparison module 203 and an output module 205.
  • a plurality of warning messages 102 are received by the computers, the warning messages being on different types of
  • Anomalies of the computer network as shown in Fig. 1 are based.
  • the comparison module 203 is a number or a portion of the warning messages 204 from the plurality of received warning messages with a predetermined
  • Event threshold wherein the number or the portion of the warning messages 204 based on a same type of computer network anomaly, for example, the fourth type 1 14, as shown in Fig. 1.
  • the output module 205 issues an alarm signal 108 if the number of warnings based on the same type of computer network anomaly, i. a result 206 of the comparison module 203, the event threshold falls below.
  • the modular analysis system 200 can automatically correlate a large amount of received alerts and analyze for the presence of an anomaly and thus a possible indicator of an attack.
  • a data source e.g. Selected log data or, alternatively, an already installed SIEM (Security Information and Event Management System) are used.
  • SIEM Security Information and Event Management System
  • FIG. 3 shows a schematic representation of an analysis system 300 for detecting an attack in a computer network with a plurality of computers according to a further embodiment.
  • the analysis system 300 comprises a reception module 301, a classification module 309, a comparison module 305 and an output module 307.
  • the receiving module 301 receives a plurality of alerts 102 from the computers, the alerts being based on various types of computer network anomalies as shown in FIG.
  • the plurality of warning messages in a predetermined time interval for example, 1 second, 1 minute, 5 minutes, 30 minutes or 1 hour can be received.
  • one or more of the following systems may be used, such as may be installed on one or more of the computers of the computer network: a virus scanner
  • Proxy server an IDS (attack detection system), a firewall, an operating system, a log management system, a SIEM system (security information and event management system).
  • Classification module 309 classifies the plurality of type 310 warning messages of the anomaly indicated by each alert message.
  • the alerts 304 are divided into various classes associated with a type 310 of computer network anomaly and forwarded to the comparison module 305.
  • the plurality of warnings may thus be classified in terms of the type of anomaly indicated by a respective alert.
  • the type of anomaly displayed by a warning message may be determined based on a content of the alert message, e.g. by evaluating a data field such as a header or a payload in the warning message.
  • Event threshold wherein the number or portion of the warning messages based on a same type of computer network anomaly, for example, the fourth type 1 14, as shown in Fig. 1.
  • the respective numbers or parts of the warning messages correspond in FIG. 3 to the classes into which the warning messages were classified by the classification module 309.
  • the comparison module can the For example, make a comparison in a given time interval to have a reference.
  • the comparison may be made, for example, by counting the received alerts classified with respect to the same type, e.g. by counting within a given time interval.
  • the event threshold value of the so counted warning messages When falling below the event threshold value of the so counted warning messages within the specified time interval, the
  • Output module 307 to output the alarm signal 108, e.g. about the result 306 of the comparison.
  • the output module 307 issues the alarm signal 108 if the number of warning messages based on the same type 310 of computer network anomaly, i. the number of alerts assigned to a particular class falls below the event threshold.
  • the output module 307 may in addition to the output of the alarm signal a
  • Probability score may also be determined based on one or more of the following predetermined parameters: blacklists, whitelists,
  • Threshold values, event relationships, and definition of potential threats of individual user groups of the computer network may also be determined based on a number of visitors to the computer network, in particular a number of visitors to a web page of the computer network, as described in more detail below with reference to FIG.
  • the likelihood of the presence of an attack on the computer network may also be based on a frequency of rare
  • the likelihood of an attack on the computer network may also be based on a frequency of programs residing on a given group of the plurality of computers in the computer
  • Computer network to be determined, in particular based on a frequency of programs that only from a predetermined time on the predetermined group of computers are executed, as described in more detail below to Fig. 5.
  • the analysis system 300 may further comprise an adaptation module (not shown in FIG. 3) with which the event threshold may be adjusted based on the portion of the warning messages that is less than the event threshold. For example, a suggestion for adjusting the event threshold may be made, which may be based on the number of alerts that the event threshold.
  • the proposal may also be based on user feedback and / or changes in the network architecture of the computer network, in particular changes in the number of computers of the computer network.
  • Adjusting the event threshold may be adaptive, for example, depending on at least one of the following events: user feedback, changes in the network architecture of the computer network, changes in the number of events
  • FIG. 4 shows a schematic representation of a scenario 400 of an attack on an Internet website 41 1 of a computer network 410, wherein an analysis system 200, 300 recognizes the attack.
  • the attack is based on a small group of visitors 420 of the Internet site 41 1.
  • the analysis system 200, 300 may correspond to the systems described in FIG. 2 or FIG.
  • the analysis system 200 may include a receiving module 201, a comparison module 203 and an output module 205.
  • a receiving module 201 a plurality of warning messages 102 are received from the computers, the warnings being based on various types of computer network anomalies corresponding to the one or more types of alerts
  • the comparison module 203 compares a number or a portion of the warning messages from the plurality of received warning messages with a predetermined event threshold value, the number or part of the warning messages being based on a same type of computer network anomaly.
  • the output module 205 issues an alarm signal 108 if the number of warnings based on the same type of computer network anomaly is less than the event threshold.
  • an operation mode of the analysis system 200, 300 will be described. If many different users visit a particular system on the Internet, eg a website 41 1, then this process is presumably uncritical, but if the system is only addressed by a small user group 420, this could possibly be a C2 server. If the affected users are additionally a specific group of people with an increased risk potential, this generates
  • Analysis system 200, 300 an event or an alarm signal 108, which can then be evaluated by a specialist.
  • FIG. 5 shows a schematic representation of a scenario 500 of a virus attack on a group of networked computers of an in-house computer network 510, wherein an analysis system 200, 300 detects the attack.
  • the analysis system 200, 300 may correspond to the systems described in FIG. 2 or FIG.
  • the analysis system 200 may include a receiving module 201, a comparison module 203 and an output module 205.
  • a receiving module 201 a plurality of warning messages 102 are received from the computers, the warnings being based on various types of computer network anomalies corresponding to the one or more types of alerts
  • a number or part of the warning messages from the plurality of received warning messages is compared with a predetermined event threshold value, wherein the number or the part of the
  • Alerts are based on the same type of computer network anomaly.
  • the output module 205 issues an alarm signal 108 if the number of warnings based on the same type of computer network anomaly is less than the event threshold.
  • Software applications Pi, P2, P3 can be identified by comparing a high number of process lists 512, 514, 516 rarely executed programs Pvims. For example, a Pvim program running on a small group of computers 515, and for a short time only, may be an indication of a recently installed Pvim's malware.
  • the analysis system 200, So 300 does not need to search for certain processes, but it can identify unknown processes Pvims by eliminating the known or frequently occurring processes Pi, P2, P3. After evaluating the further parameters, this event can be combined to form a correlated event or an alarm signal 108 and presented to a user or analyst for further investigation.
  • the method 600 includes receiving 601 a plurality of alerts from the computers, the alerts being based on various types of anomalies of the
  • the method 600 includes comparing 603 a number of the warning messages from the plurality of received ones
  • the method 600 includes outputting 605 an alarm signal if the number of warning messages that are on the same type of anomaly of the
  • the method 600 may include receiving the plurality of alerts at a predetermined time interval. In an embodiment, the method 600 may include classifying the plurality of alerts regarding the type of anomaly indicated by a respective alert. In one embodiment, the method 600 may include determining the type of anomaly displayed by a warning message based on a content of the alert message. In an embodiment, the method 600 may include counting the
  • the method 600 may include
  • the method 600 may include determining the
  • the likelihood of an attack on the computer network is further based on at least one of the following predetermined parameters: blacklists, whitelists, thresholds, event relationships, and definition of threat potentials of individual user groups of the computer network.
  • the method 600 may include determining the
  • the method 600 may include determining the
  • Probability value for the presence of an attack on the computer network further based on a frequency of infrequently executed processes in the
  • Computer network include.
  • the method 600 may include determining the
  • the probabilistic value for the presence of an attack on the computer network in particular based on a frequency of programs starting only after a predetermined time on the computer network predetermined group of computers.
  • the method 600 may include utilizing one or more of the following systems on at least one of the plurality of alert generation computers: virus scanner, proxy server, IDS, attack detection system, firewall, operating system, log management system, SIEM system, security information and Event Management System.
  • the method 600 may include adjusting the event threshold based on the number of alerts that are below the event threshold.
  • the method 600 may include a subset of a suggestion for adjusting the
  • Event threshold based on the number of alerts containing the
  • Event threshold below and further based on user feedback and / or changes in the network architecture of the computer network, in particular changes in the number of computers of the computer network include.
  • the method 600 may include adaptively adjusting the event threshold, for example, in response to at least one of the following events: user feedback, changes in the network architecture of the computer network, changes in the number of computers in the network
  • An aspect of the invention also includes a computer program product that can be loaded directly into the internal memory of a digital computer and
  • Computer program product may be stored on a computer-accessible medium and include computer-readable programs that cause a computer to receive a plurality of alerts from the computers 601, the alerts being based on various types of anomalies of the computer
  • Computer network based compare 603 a number of the alerts from the plurality of alerts received with a predetermined event threshold, the alerts being based on a same type of computer network anomaly; and output an alarm signal 605 if the number of warning messages that are on the same type of anomaly of the
  • the computer may be a PC, for example a PC of a computer network.
  • the computer may be implemented as a chip, an ASIC, a microprocessor or a signal processor and may be located in a computer network, such as a computer network as described in FIG. 4 or FIG. 5. It is to be understood that the features of the various embodiments described herein by way of example may be combined with each other except as specifically stated otherwise. As shown in the specification and drawings, individual elements that have been shown to be related need not communicate directly with each other; Intermediate elements may be provided between the connected elements. Furthermore, it goes without saying that
  • Embodiments of the invention may be implemented in individual circuits, partially integrated circuits, or fully integrated circuits or programming means.
  • the term "for example” is merely an example meant and not as the best or optimal. While particular embodiments have been illustrated and described herein, it will be apparent to those skilled in the art that a variety of alternative and / or similar implementations may be practiced instead of the illustrated and described embodiments without departing from the concept of the present invention.
  • alarm signal or indicator for attack on the computer network 400 Scenario of an attack on an Internet website of a

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer And Data Communications (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

Die Erfindung betrifft ein Verfahren (600) zum Erkennen eines Angriffs in einem Computernetzwerk (410, 510) mit einer Mehrzahl von Computern, mit folgenden Schritten: Empfangen (601) einer Mehrzahl von Warnmeldungen (102) von den Computern, wobei die Warnmeldungen auf verschiedenen Typen (111, 112, 113, 114) von Anomalien des Computernetzwerks basieren; Vergleichen (603) einer Anzahlder Warnmeldungen aus der Mehrzahl der empfangenen Warnmeldungen (102) mit einem vorgegebenen Ereignisschwellwert, wobei die Anzahlder Warnmeldungen auf einem selben Typ (114) einer Anomalie des Computernetzwerks basieren; und Ausgeben (605) eines Alarmsignals (108), falls die Anzahl der Warnmeldungen, die auf demselben Typ (114) einer Anomalie des Computernetzwerks basieren, den Ereignisschwellwert unterschreitet.

Description

Verfahren zum Erkennen eines Angriffs in einem
Computernetzwerk
Die vorliegende Erfindung betrifft ein Verfahren und ein Analysesystem zum Erkennen eines Angriffs in einem Computernetzwerk.
Der Diebstahl von Unternehmensgeheimnissen geschieht oft unbemerkt durch
Einschleusung von Schadprogrammen in das unternehmenseigene Computernetzwerk. Dabei kommen bei derartigen Angriffen teilweise selbstentwickelte und individuell für den konkreten Einsatz angepasste Schadprogramme zum Einsatz, die von den am Markt erhältlichen Äntivirenprodukten nicht oder erst sehr spät erkannt werden. Als potentielles Opfer eines digitalen Spionageangriffs können Unternehmen sich zwar vorbereiten, jedoch sind die genauen Umstände wie z.B. Ort, Zeitpunkt und Ausgestaltung meist unbekannt. Zur Erkennung und Abwehr derartiger Angriffe kann ein angegriffenes Unternehmen unter Umständen vor der Herausforderung stehen, eine große Menge heterogener Protokolldaten von unterschiedlichen Sicherheits- und Betriebssystemen zu einem sinnvollen und erkenntnisbringenden Zusammenhang zu verknüpfen.
Es ist die Aufgabe der vorliegenden Erfindung, einen Angriff in einem Computernetzwerk zu erkennen.
Diese Aufgabe wird durch die Merkmale der unabhängigen Ansprüche gelöst. Vorteilhafte Weiterbildungsformen sind Gegenstand der abhängigen Ansprüche.
Die im Folgenden vorgestellten Verfahren und Systeme können auf der Aufzeichnung von Daten eines SIEM (Security Information and Event Management bzw.
Sicherheitsinformations- und Ereignisverwaltung) Systems basieren. Ein SIEM System ist ein Begriff für Dienste von Software und Produkten, die Sicherheitsinformationsverwaltung („security Information management", SIM) mit Sicherheitsereignisverwaltung („security event management", SEM) kombinieren. Die SIEM Technologie stellt eine
Echtzeitanalyse von Sicherheitsalarmen zur Verfügung, die von Netzwerk- Hardware und Netzwerkanwendungen generiert werden können. SIEM kann in Form von Software, Anwendungen oder verwalteten Diensten vertrieben werden und auch dazu verwendet werden, um sicherheitsrelevante Daten aufzuzeichnen und Reporte für Compliance Anwendungen zu erzeugen.
Die im Folgenden vorgestellten Verfahren und Systeme können einen Indikator oder ein Alarmsignal für einen Angriff auf ein Computersystem mit einem C2 (Command&Control)- Server liefern. Command&Control Server sind zentralisierte Maschinen bzw.
Computerserver, die in der Lage sind Befehle zu senden und Antworten von Maschinen bzw. Computern zu erhalten, die Teil eines Botnetzes sind. Angreifer, die einen DDoS (distributed denial of service) Angriff starten wollen, können jederzeit spezielle Befehle mit Instruktionen, einen bestimmten Zielrechner anzugreifen, an den C2 Server ihres
Botnetzes senden, und jede infizierte Maschine, die mit dem kontaktierten C2 Server kommuniziert, wird dementsprechend einen koordinierten Angriff gegen den Zielrechner starten.
Die im Folgenden vorgestellten Verfahren und Systeme können eingesetzt werden, um ein Computernetzwerk vor Angriffen aus Botnetzen zu schützen, insbesondere vor DDoS- Angriffen, Spamming-Angriffen, Sniffing-Angriffen, Phishing-Angriffen, Verbreiten von Malware, Key-Logging, Installieren unerwünschter Software, Identitätsdiebstahl,
Manipulation des Computernetzwerks. Die im Folgenden vorgestellten Verfahren und Systeme können im Bereich der
Informationstechnologie (IT) eingesetzt werden. Informationstechnologie ist ein
Oberbegriff für die Informations- und Datenverarbeitung sowie für die dafür benötigte Hard- und Software. Die Informationstechnologie eines Unternehmens umfasst sämtliche technischen Einrichtungen zur Erzeugung, Verarbeitung und Weiterleitung von
Informationen.
Um die Erfindung im Detail zu beschreiben, werden die folgenden Abkürzungen und Bezeichnungen verwendet: IT: Informationstechnologie.
SIEM: Security Information and Event Management bzw.
Sicherheitsinformations- und Ereignisverwaltung
SIM: Security Information Management, Sicherheitsinformationsverwaltung SEM: Security Event Management, Sicherheitsereignisverwaltung
C2 Server: Command&Control Server bzw. Befehls- und Kontroll-Server
Gemäß einem Aspekt betrifft die Erfindung ein Verfahren zum Erkennen eines Angriffs in einem Computernetzwerk mit einer Mehrzahl von Computern, mit folgenden Schritten: Empfangen einer Mehrzahl von Warnmeldungen von den Computern, wobei die
Warnmeldungen auf verschiedenen Typen von Anomalien des Computernetzwerks basieren; Vergleichen einer Anzahl der Warnmeldungen aus der Mehrzahl der empfangenen Warnmeldungen mit einem vorgegebenen Ereignisschwellwert, wobei die Anzahl der Warnmeldungen auf einem selben Typ einer Anomalie des
Computernetzwerks basieren; und Ausgeben eines Alarmsignals, falls die Anzahl der Warnmeldungen, die auf demselben Typ einer Anomalie des Computernetzwerks basieren, den Ereignisschwellwert unterschreitet.
Der Vorteil eines solchen Verfahrens liegt darin, dass das Verfahren schnell und zuverlässig ein Alarmsignal bei einem bevorstehenden Angriff auf das Computernetzwerk auslösen kann. Die Computer des Computernetzwerks erzeugen stets eine Vielzahl von Warnmeldungen, beispielsweise bei nicht funktionierendem Software-Update, wenn der Prozessor überlastet ist, wenn ein Update der Software bisher nicht durchgeführt wurde, wenn ein Passwort falsch eingegeben wurde, wenn der Zugriff auf das Internet vorübergehend nicht möglich ist, wenn der Zugriff auf bestimmte Daten nicht möglich ist, etc. Diese Warnmeldungen sind bedingt durch bestimmte Anomalien des
Computernetzwerks, die während des Betriebs häufiger oder weniger häufig vorkommen und zumeist eine Interaktion des Benutzers erfordern, um sie zu beheben. Dabei treten unkritische bzw. leichte Anomalien des Computersystems, wie beispielsweise nicht durchgeführter Software-Update oder Überlastung des Prozessors sehr häufig auf und sind leicht zu beheben. Kritische Anomalien, wie beispielsweise unerwarteter Ausfall bestimmter Komponenten des Systems oder Unzugänglichkeit selten genutzter
Systemressourcen, treten dagegen nur sehr selten auf und so auch diesbezügliche Warnmeldungen.
Die Grundidee, auf der das Verfahren basiert, ist nun die Erkennung eines möglichen oder bevorstehenden Angriffs auf das Computernetzwerk bzw. Computersystem basierend auf solch kritischen Anomalien des Netzwerks. Hierzu können lediglich die Anzahl auftretender Warnmeldungen den möglichen Anomalien des Computernetzwerks zugeordnet und gezählt werden. Falls die Anzahl der Warnmeldungen, die auf demselben Typ einer Anomalie des Computernetzwerks basieren, einen Ereignisschwellwert unterschreitet, so kann durch die Auslösung eines Alarms der Nutzer des
Computernetzwerks gewarnt werden, dass ein möglicher Angriff bevorsteht oder bereits stattgefunden hat.
Die Ausgabe eines Alarmsignals bei einem möglichen Angriff auf das Computernetzwerk kann damit flexibel, schnell und genau ausgeführt werden. Durch den modularen Aufbau des Verfahrens können die einzelnen Verfahrensschritte flexibel auf unterschiedlichen Software- oder Hardwarekomponenten realisiert werden, beispielsweise auf
Komponenten innerhalb des Computernetzwerks oder auf externen Komponenten außerhalb des Computernetzwerks.
Gemäß einer Ausführungsform umfasst das Verfahren ein Empfangen der Mehrzahl von Warnmeldungen in einem vorgegebenen Zeitintervall.
Dies hat den Vorteil, dass Warnmeldungen, die auf verschiedenen Typen einer Anomalie des Computernetzwerks basieren, über den gleichen Zeitraum gemessen werden, so dass der Ereignisschwellwert sich für die verschiedenen Typen von Warnmeldungen stets auf den gleichen Zeitraum bezieht. Damit kann zuverlässig auf selten vorkommende
Anomalien geschlossen werden, die einen möglichen oder bereits stattgefundenen Angriff auf das Computernetzwerk signalisieren. Das Verfahren arbeitet somit sehr präzise und zuverlässig. Gemäß einer Ausführungsform umfasst das Verfahren ein Klassifizieren der Mehrzahl von Warnmeldungen bezüglich des Typs der von einer jeweiligen Warnmeldung angezeigten Anomalie.
Dies hat den Vorteil, dass aus der Vielzahl von eintreffenden Warnmeldungen schnell die relevanten Warnmeldungen ausgefiltert werden können, die eine kritische Anomalie des Computernetzwerks signalisieren. Gemäß einer Ausführungsform umfasst das Verfahren ein Bestimmen des Typs der von einer Warnmeldung angezeigten Anomalie basierend auf einem Inhalt der Warnmeldung.
Dies hat den Vorteil, dass der Typ der Anomalie leicht bestimmt werden kann, beispielsweise durch Abfragen eines bestimmten Datenfelds oder Flags innerhalb der Warnmeldung, die beispielsweise als ein Datenpaket mit Header und Payload ausgeführt sein kann. Wenn die Anomalie basierend auf einem Inhalt der Warnmeldung bestimmt werden kann, so sind keine sonstigen Informationen zu dessen Bestimmung nötig, was das Verfahren einfach und zuverlässig macht. Gemäß einer Ausführungsform umfasst das Verfahren ein Zählen der empfangenen Warnmeldungen, die bezüglich desselben Typs klassifiziert sind, in dem vorgegebenen Zeitintervall, um die Anzahl zu bestimmen; und ein Ausgeben des Alarmsignals falls die Anzahl der in dem vorgegebenen Zeitintervall gezählten Warnmeldungen, die bezüglich desselben Typs klassifiziert sind, den Ereignisschwellwert unterschreitet.
Dies hat den Vorteil, dass das Verfahren sehr einfach ausführbar ist, beispielsweise durch einen Schalter, eine Mehrzahl von Zählern und einen Timer bzw. eine Uhr. Der Schalter kann die Warnmeldungen basierend auf einem Typ der von ihnen signalisierten Anomalie einem jeweiligen der Zähler zuführen, der die Anzahl der ihm zugeführten
Warnmeldungen zählt. Nach Ablauf einer bestimmten Zeit, angezeigt durch den Timer, können die Zählerwerte ausgelesen werden. Sobald einer der ausgelesenen Zählerwerte den Ereignisschwellwert unterschritten, kann Alarm ausgelöst werden. Damit ist das Verfahren mit einfachen Logik-Schaltungen realisierbar, beispielsweise auf einem IC oder einem Chip.
Gemäß einer Ausführungsform umfasst das Verfahren ein Bestimmen eines
Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk basierend auf der Anzahl der Warnmeldungen, die den Ereignisschwellwert
unterschreiten.
Dies hat den Vorteil, dass über den Wahrscheinlichkeitswert eine Wertung des Alarms möglich ist. Der Alarm kann bereits bei einer geringen Wahrscheinlichkeit eines Angriffs ausgelöst werden, der Wahrscheinlichkeitswert signalisiert dann eine Schwere des Angriffs. Beispielsweise kann ein geringer Wahrscheinlichkeitswert als ein grünes
Alarmlicht angezeigt werden, ein mittelgroßer Wahrscheinlichkeitswert durch ein gelbes Alarmlicht und ein hoher Wahrscheinlichkeitswert durch ein rotes Alarmlicht. Der Nutzer erhält durch den Wahrscheinlichkeitswert mehr Informationen über die Art bzw. Schwere des möglichen oder bevorstehenden Angriffs.
Gemäß einer Ausführungsform umfasst das Verfahren ein Bestimmen des
Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk ferner basierend auf zumindest einem der folgenden vorbestimmten Parameter: Schwarze Listen, Weiße Listen, Schwellenwerte, Ereigniszusammenhänge, und Definition von Gefährdungspotenzialen einzelner Nutzergruppen des Computernetzwerks.
Die hat den Vorteil, dass selten auftretende Ereignisse bzw. Anomalien des
Computernetzwerks, die aber mit einem Normalzustand des Systems verbunden sein können, besser abgegrenzt werden können von selten auftretenden Ereignissen, die mit einer Gefährdung des Computernetzwerks verbunden sind. Anhand dieser Parameter kann die Wissensbasis des Nutzers des Computernetzwerks mit in die Erkennung eingebracht werden. So können Situationen aus der Vergangenheit (z.B. Schwellenwerte, Ereigniszusammenhänge) sowie aktuell vorliegende Gefahren (z.B. Blacklists, Whitelists, Gefährdungspotenziale einzelner Personengruppen) besonders berücksichtigt werden.
Gemäß einer Ausführungsform umfasst das Verfahren ein Bestimmen des
Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk ferner basierend auf einer Anzahl von Besuchern des Computernetzwerks, insbesondere auf einer Anzahl von Besuchern einer Webseite des Computernetzwerks.
Dies hat den Vorteil, dass ein Angriff anhand der Anzahl von Besuchern zuverlässig erkannt werden kann. Wird eine Webseite von vielen unterschiedlichen Nutzern besucht, so kann dies den Normalzustand beschreiben. Bei Besuch der Webseite von nur wenigen Nutzern, kann ein Angriff auf die Webseite vorliegen. Hier können auch Daten der Nutzer mit in die Analyse einbezogen werden, beispielsweise deren IP-Adressen, Domain-Name Server, Zeit und Dauer des Zugriffs oder geographische Position, an der sie sich aufhalten. Beispielsweise kann es auffällig sein, wenn viele Nutzer aus verschiedenen geographischen Positionen auf eine Webseite zugreifen oder wenn während der Nacht ein vermehrtes Aufkommen an Zugriffen beobachtet werden kann. Bei Nutzung solcher Informationen lässt sich die Zuverlässigkeit der Erkennung eines Angriffs noch weiter erhöhen.
Gemäß einer Ausführungsform umfasst das Verfahren ein Bestimmen des
Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk ferner basierend auf einer Häufigkeit von selten ausgeführten Prozessen in dem
Computernetzwerk.
Ein Computernetzwerk, das sich im Normalzustand befindet, arbeitet meist mit den gleichen Prozessen. Selten ausgeführte Prozesse können daher auf einfache Weise einen Hinweis für eine Anomalie und damit eine mögliche Gefährdung liefern.
Gemäß einer Ausführungsform umfasst das Verfahren ein Bestimmen des
Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk ferner basierend auf einer Häufigkeit von Programmen, die auf einer vorgegebenen
Gruppe aus der Mehrzahl von Computern in dem Computernetzwerk ausgeführt werden, insbesondere basierend auf einer Häufigkeit von Programmen, die erst ab einer vorgegebenen Zeit auf der vorgegebenen Gruppe von Computern ausgeführt werden. Dies hat den Vorteil, dass das Verfahren anhand einer solchen Auswertung mögliche Virenprogramme oder Schadsoftware, die auf einzelnen oder einer kleinen Gruppe von Computern ausgeführt wird, leicht und zuverlässig erkennen kann.
Gemäß einer Ausführungsform umfasst das Verfahren ein Nutzen eines oder mehrerer der folgenden Systeme auf zumindest einem der Mehrzahl von Computern zum Erzeugen der Warnmeldungen: Virenscanner, Proxyserver, IDS, Angrifferkennungssystem, Firewall, Betriebssystem, Log Management System, SIEM System, Security Information and Event Management System. Der Vorteil eines solchen Verfahrens liegt darin, dass die angeführten Systeme dahingehend genutzt werden können, verschiedene Kenngrößen des Systems zu ermitteln und über die Warnmeldungen weiterzuleiten. Mittels der Analyse einer Vielzahl an Protokolldaten ist es dem Verfahren möglich eine Auffälligkeit bzw. Anomalie früher zu erkennen, als dies durch eine Betrachtung der aktuellen Netzwerkindikatoren möglich ist.
Zum Generieren der Warnmeldungen kann so auf bereits vorhandene Infrastruktur zurückgegriffen werden, beispielsweise bereits installierte Protokolldatensysteme, die eine Aufzeichnung relevanter Daten vornehmen. Die Analyse kann mit unterschiedlichen Analyseverfahren ausgeführt werden, beispielsweise mit Methoden der Künstlichen Intelligenz oder Neuronaler Netze und liefert zuverlässige Analyseergebnisse, die in Form von Ereignissen aufbereitet sein können. Die Analyse kann die Vielzahl an Daten, die in dem Computernetz vorliegen, auf die relevanten Aspekte begrenzen bzw. eine gewisse Anzahl relevanter Ereignisse liefern, die dann weiter eingegrenzt werden können.
Gemäß einer Ausführungsform umfasst das Verfahren ein Anpassen des
Ereignisschwellwerts basierend auf der Anzahl der Warnmeldungen, die den
Ereignisschwellwert unterschreiten.
Dies hat den Vorteil, dass in den Ereignisschwellwert Kenntnisse über das
Computernetzwerk einfließen können, beispielsweise über die Struktur und die einzelnen Komponenten des Netzwerks. Der Indikator kann damit flexibel an sich ändernde
Umgebungseinflüsse, beispielsweise zusätzliche Software- oder Hardwarekomponenten im Computernetzwerk, angepasst werden.
Gemäß einer Ausführungsform umfasst das Verfahren ein adaptives Anpassen des Ereignisschwellwerts in Abhängigkeit von zumindest einem der folgenden Ereignisse: Anwender-Feedbacks, Veränderungen in der Netzwerk-Architektur des
Computernetzwerks, Änderungen in der Anzahl der Computer des Computernetzwerks.
Ein solches Verfahren hat den Vorteil, dass es sich flexibel an eine geänderte Struktur anpassen kann und dass das Wissen des Anwenders in die Entscheidungsfindung mit einfließen kann.
Gemäß einem Aspekt betrifft die Erfindung ein Analysesystem zum Erkennen eines Angriffs in einem Computernetzwerk mit einer Mehrzahl von Computern, mit: einem Empfangsmodul, das ausgelegt ist, eine Mehrzahl von Warnmeldungen von den
Computern zu empfangen, wobei die Warnmeldungen auf verschiedenen Typen von Anomalien des Computernetzwerks basieren; einem Vergleichsmodul, das ausgelegt ist, eine Anzahl der Warnmeldungen aus der Mehrzahl der empfangenen Warnmeldungen mit einem vorgegebenen Ereignisschwellwert zu vergleichen, wobei die Anzahl der
Warnmeldungen auf einem selben Typ einer Anomalie des Computernetzwerks basieren; und einem Ausgabemodul, das ausgelegt ist, ein Alarmsignal auszugeben, falls die Anzahl der Warnmeldungen, die auf demselben Typ einer Anomalie des
Computernetzwerks basieren, den Ereignisschwellwert unterschreitet. Der Vorteil eines solchen Analysesystems liegt darin, dass das System schnell und zuverlässig ein Alarmsignal bei einem bevorstehenden Angriff auf das Computernetzwerk auslösen kann. Das Analysesystem kann einen möglichen oder bevorstehenden Angriff auf das Computernetzwerk bzw. Computersystem zuverlässig basierend auf über die Warnmeldungen indizierte kritische Anomalien des Netzwerks erkennen. So müssen lediglich die Anzahl auftretender Warnmeldungen den möglichen Anomalien des
Computernetzwerks zugeordnet und gezählt werden. Ist die Anzahl einer bestimmten Anomalie groß, d.h. überschreitet sie einen bestimmten Ereignisschwellwert, so ist von einer häufig auftretenden und daher als unkritischen zu klassifizierenden Anomalie des Computernetzwerks auszugehen. Ist die Anzahl einer bestimmten Anomalie dagegen klein, d.h. unterschreitet sie den Ereignisschwellwert, so ist von einer selten auftretenden und daher als kritisch zu klassifizierenden Anomalie des Computernetzwerks
auszugehen. Bei Unterschreiten des Ereignisschwellwerts kann das Ausgabemodul ein Alarmsignal ausgeben, um den Nutzer des Computernetzwerks zu warnen, dass ein möglicher Angriff bevorsteht oder bereits stattgefunden hat.
Die Ausgabe eines Alarmsignals bei einem möglichen Angriff auf das Computernetzwerk kann damit flexibel, schnell und genau ausgeführt werden. Durch den modularen Aufbau des Analysesystems können die einzelnen Module flexibel auf unterschiedlichen
Software- oder Hardwarekomponenten realisiert werden, beispielsweise auf
Komponenten innerhalb des Computernetzwerks oder auf externen Komponenten außerhalb des Computernetzwerks. Gemäß einer Ausführungsform umfasst das Analysesystem ein Klassifizierungsmodul, das ausgelegt ist, die Mehrzahl von Warnmeldungen bezüglich des Typs der von einer jeweiligen Warnmeldung angezeigten Anomalie zu klassifizieren.
Der Vorteil des Klassifizierungsmoduls liegt darin, dass es aus der Vielzahl von eintreffenden Warnmeldungen schnell die relevanten Warnmeldungen ausfiltern kann, die eine kritische Anomalie des Computernetzwerks signalisieren.
Gemäß einer Ausführungsform umfasst das Analysesystem ein Anpassungsmodul, das ausgelegt ist, den Ereignisschwellwert basierend auf der Anzahl der Warnmeldungen, die den Ereignisschwellwert unterschreiten, anzupassen.
Dies hat den Vorteil, dass das Anpassungsmodul den Ereignisschwellwert basierend auf Kenntnissen über das Computernetzwerk anpassen kann, beispielsweise in adaptiver Weise. Die Anpassung kann beispielsweise abhängig von der Struktur und den einzelnen Komponenten des Netzwerks erfolgen. Die Auslösung des Alarmsignals kann damit flexibel an sich ändernde Umgebungseinflüsse, beispielsweise zusätzliche Software- oder Hardwarekomponenten im Computernetzwerk, angepasst werden.
Weitere Ausführungsbeispiele werden Bezug nehmend auf die beiliegenden Zeichnungen erläutert. Es zeigen:
Fig. 1 eine schematische Darstellung einer Klassifikation 100 von
Warnmeldungen in verschiedene Typen von Anomalien gemäß einer Ausführungsform; Fig. 2 eine schematische Darstellung eines Analysesystems 200 zum Erkennen eines Angriffs auf ein Computernetzwerk gemäß einer Ausführungsform;
Fig. 3 eine schematische Darstellung eines Analysesystems 300 zum Erkennen eines Angriffs auf ein Computernetzwerk gemäß einer weiteren Ausführungsform;
Fig. 4 eine schematische Darstellung eines Szenarios 400 eines Angriffs auf eine
Internet-Webseite 41 1 eines Computernetzwerks 410, wobei ein Analysesystem 200, 300 gemäß einer Ausführungsform den Angriff erkennt; Fig. 5 eine schematische Darstellung eines Szenarios 500 eines Virenangriffs auf eine Gruppe von vernetzten Computern eines unternehmensinternen Computernetzwerks 510, wobei ein Analysesystem 200, 300 gemäß einer Ausführungsform den Angriff erkennt; und
Fig. 6 eine schematische Darstellung eines Verfahrens 600 zum Erkennen eines
Angriffs auf ein Computernetzwerk gemäß einer Ausführungsform.
Fig. 1 zeigt eine schematische Darstellung einer Klassifikation 100 von Warnmeldungen in verschiedene Typen von Anomalien gemäß einer Ausführungsform. Zur Klassifikation werden Warnmeldungen 102 von Computern empfangen, die unterschiedliche Typen oder Arten von Warnungen transportieren. Die gesamte Menge 1 10 bzw. der gesamte Teil oder die gesamte Anzahl der Warnmeldungen enthält verschieden geartete
Warnungen, die auf verschiedenen Anomalien eines Computernetzwerks basieren. Eine Anomalie des Computernetzwerks bedeutet dabei eine Unregelmäßigkeit oder eine Auffälligkeit des Computernetzwerks bzw. ein von der Norm abweichendes Muster z.B. infolge einer Störung. Eine Anomalie kann somit als ein Zustand des Computernetzwerks angesehen werden, der vom Erwarteten abweicht. In Fig. 1 ist die Klassifikation der Warnmeldungen in einen ersten Typ 1 1 1 einer Anomalie, einen zweiten Typ 1 12 einer Anomalie, einen dritten Typ 1 13 einer Anomalie und einen vierten Typ 1 14 einer Anomalie dargestellt. Allerdings kann jede andere Anzahl von Typen auftreten. In Fig. 1 treten Warnmeldungen des ersten Typs 1 1 1 einer Anomalie am häufigsten auf, danach Warnmeldungen des zweiten Typs 1 12 einer Anomalie, danach Warnmeldungen des dritten Typs 1 13 einer Anomalie und am seltensten treten
Warnmeldungen des vierten Typs 1 14 einer Anomalie auf.
Anhand der Anzahl der Warnmeldungen des jeweiligen Typs kann darauf geschlossen werden, ob sich das Computersystem in einem kritischen Zustand befindet, d.h. ob ein Angriff auf das Computersystem bevorsteht oder bereits stattgefunden hat. Unterschreitet die Anzahl der Warnmeldungen eines Typs von Anomalie, hier des vierten Typs 1 14, bezogen auf einen bestimmten Zeitraum eine bestimmte Schwelle, auch Ereignisschwellwert genannt, so liegt ein kritischer Zustand vor und ein Alarmsignal 108 wird ausgelöst.
Die im Folgenden beschriebenen Verfahren und Analysesysteme können auf einer in Fig. 1 beschriebenen Klassifikation basieren.
Fig. 2 zeigt eine schematische Darstellung eines Analysesystems 200 zum Erkennen eines Angriffs in einem Computernetzwerk mit einer Mehrzahl von Computern gemäß einer Ausführungsform. Das Analysesystem 100 umfasst ein Empfangsmodul 201 , ein Vergleichsmodul 203 und ein Ausgabemodul 205.
Mit dem Empfangsmodul 201 werden eine Mehrzahl von Warnmeldungen 102 von den Computern empfangen, wobei die Warnmeldungen auf verschiedenen Typen von
Anomalien des Computernetzwerks entsprechend der Darstellung in Fig. 1 basieren. Mit dem Vergleichsmodul 203 wird eine Anzahl bzw. ein Teil der Warnmeldungen 204 aus der Mehrzahl der empfangenen Warnmeldungen mit einem vorgegebenen
Ereignisschwellwert verglichen, wobei die Anzahl bzw. der Teil der Warnmeldungen 204 auf einem selben Typ einer Anomalie des Computernetzwerks basieren, beispielsweise des vierten Typs 1 14, wie in Fig. 1 dargestellt.
Mit dem Ausgabemodul 205 wird ein Alarmsignal 108 ausgegeben, falls die Anzahl der Warnmeldungen, die auf demselben Typ einer Anomalie des Computernetzwerks basieren, d.h. ein Ergebnis 206 des Vergleichsmoduls 203, den Ereignisschwellwert unterschreitet.
Im Folgenden wird das modular aufgebaute Analysesystem 200 näher beschrieben. Das Analysesystem 200 kann eine große Menge empfangener Warnmeldungen automatisiert korrelieren und auf das Vorliegen einer Anomalie und damit eines möglichen Indikators für einen Angriff analysieren. Als Datenquelle können z.B. gezielt ausgewählte Logdaten oder alternativ ein bereits installiertes SIEM (Security Information and Event Management- System, genutzt werden. Der Zweck der Analyse ist es, die Menge der vorhandenen Daten durch bestimmte Analyseverfahren soweit zu reduzieren und in Form von
Ereignissen bzw.„Events" aufzubereiten, dass eine Fachkraft in die Lage versetzt wird, potentielle Angriffe auf Basis der analysierten Logdaten zu erkennen. Das zugrunde liegende automatisierte Analyseverfahren basiert auf der Suche nach unbekannten und selten vorkommenden Ereignissen. Dabei steht die Häufigkeit des Auftretens eines bestimmten (oder vergleichbaren) Ereignisses in einem bestimmten Zeitraum, in direktem Zusammenhang zum„Bekanntheitsgrad". Häufig auftretende Ereignisse werden dabei in ihrer Tendenz eher als bekannt klassifiziert und sind damit eher irrelevant. Selten vorkommende Ereignisse hingegen sind in ihrer Tendenz eher unbekannt und damit potentiell relevanter.
Auf dieser Basis werden zusammen mit weiteren individuell festzulegenden Parametern wie z.B. Schwarzen Listen („Blacklists"), Weißen Listen („Whitelists"), Schwellenwerten, Ereigniszusammenhängen, sowie der Definition von Gefährdungspotentialen einzelner Personengruppen ein Wahrscheinlichkeitswert für das Vorliegen .eines Angriffs errechnet und bei Überschreiten eines bestimmten Schwellwertes zu einem Event korreliert und für weitere Analysen aufbereitet. Im Kern handelt es sich also um eine Häufigkeitsanalyse von Ereignissen bezogen auf einen bestimmten Zeitraum. Die Parameteranpassungen, die letztlich mitentscheidend für eine positive Anomalieerkennung sind, können durch das Analysesystem 200 teilautomatisiert ausgeführt werden. Dazu können Methoden aus dem Bereich der„Künstlichen Intelligenz" angewandt werden, wobei das Analysesystem 200 dem Anwender/Analysten konkrete Vorschläge, z.B. für die Anpassung eines bestimmten Schwellenwertes machen kann. Die Vorschläge können dabei unter anderem auf Basis von Anwender-Feedbacks und sich verändernden Rahmenbedingungen unterbreitet werden, wie z.B. festgestellten Veränderungen in der Netzwerk-Architektur oder vorhersehbaren Veränderungen in der Anzahl aktiver Netzwerkteilnehmer, beispielsweise zur Urlaubszeit. Dabei kann eine durch den Anwender oder Analysten getroffene
Entscheidung über einen erteilten Vorschlag wiederum Einfluss auf zukünftige Vorschläge haben.
Fig. 3 zeigt eine schematische Darstellung eines Analysesystems 300 zum Erkennen eines Angriffs in einem Computernetzwerk mit einer Mehrzahl von Computern gemäß einer weiteren Ausführungsform. Das Analysesystem 300 umfasst ein Empfangsmodul 301 , ein Klassifikationsmodul 309, ein Vergleichsmodul 305 und ein Ausgabemodul 307. Mit dem Empfangsmodul 301 werden eine Mehrzahl von Warnmeldungen 102 von den Computern empfangen, wobei die Warnmeldungen auf verschiedenen Typen von Anomalien des Computernetzwerks entsprechend der Darstellung in Fig. 1 basieren.
Dabei können die Mehrzahl von Warnmeldungen in einem vorgegebenen Zeitintervall, beispielsweise von 1 Sekunde, 1 Minute, 5 Minuten, 30 Minuten oder 1 Stunde empfangen werden.
Zum Erzeugen der Warnmeldungen können beispielsweise eines oder mehrere der folgenden Systeme verwendet werden, die beispielsweise auf einem oder mehreren der Computer des Computernetzwerks installiert sein können: ein Virenscanner, ein
Proxyserver, ein IDS (Angrifferkennungssystem), ein Firewall, ein Betriebssystem, ein Log Management System, ein SIEM System (Security Information and Event Management System). Mit dem Klassifikationsmodul 309 wird die Mehrzahl von Warnmeldungen bezüglich des Typs 310 der von einer jeweiligen Warnmeldung angezeigten Anomalie klassifiziert. Die Warnmeldungen 304 werden in verschiedene Klassen eingeteilt, die mit einem Typ 310 von Anomalie des Computernetzwerks assoziiert sind, und an das Vergleichsmodul 305 weitergeleitet.
Die Mehrzahl von Warnmeldungen können somit bezüglich des Typs der von einer jeweiligen Warnmeldung angezeigten Anomalie klassifiziert werden. Der Typ der von einer Warnmeldung angezeigten Anomalie kann beispielsweise basierend auf einem Inhalt der Warnmeldung bestimmt werden, z.B. durch Auswertung eines Datenfeldes wie eines Headers oder einer Payload in der Warnmeldung.
Mit dem Vergleichsmodul 305 wird eine Anzahl bzw. ein Teil der Warnmeldungen aus der Mehrzahl der empfangenen Warnmeldungen mit einem vorgegebenen
Ereignisschwellwert verglichen, wobei die Anzahl bzw. der Teil der Warnmeldungen auf einem selben Typ einer Anomalie des Computernetzwerks basieren, beispielsweise des vierten Typs 1 14, wie in Fig. 1 dargestellt. Die jeweiligen Anzahlen bzw. Teile der Warnmeldungen entsprechen in Fig. 3 den Klassen, in welche die Warnmeldungen durch das Klassifikationsmodul 309 klassifiziert wurden. Das Vergleichsmodul kann den Vergleich beispielsweise in einem vorgegebenen Zeitintervall durchführen, um eine Referenz zu haben.
Das Vergleichen kann beispielsweise durch Zählen der empfangenen Warnmeldungen, die bezüglich desselben Typs klassifiziert sind erfolgen, z.B. durch Zählen innerhalb eines vorgegebenen Zeitintervalls. Bei Unterschreiten des Ereignisschwellwerts der so gezählten Warnmeldungen innerhalb des vorgegebenen Zeitintervalls kann das
Ausgabemodul 307 angewiesen werden, das Alarmsignal 108 auszugeben, z.B. über das Ergebnis 306 des Vergleichs. Mit dem Ausgabemodul 307 wird das Alarmsignal 108 ausgegeben, falls die Anzahl der Warnmeldungen, die auf demselben Typ 310 einer Anomalie des Computernetzwerks basieren, d.h. die Anzahl der Warnmeldungen, die einer bestimmten Klasse zugeordnet wurden, den Ereignisschwellwert unterschreitet. Das Ausgabemodul 307 kann zusätzlich zur Ausgabe des Alarmsignals einen
Wahrscheinlichkeitswert für das Vorliegen eines Angriffs auf das Computernetzwerk bestimmen, beispielsweise basierend auf einer Analyse der Anzahl bzw. des Teils der Warnmeldungen, die den Ereignisschwellwert unterschreiten. Der
Wahrscheinlichkeitswert kann ferner basierend auf einem oder mehreren der folgenden vorbestimmten Parameter bestimmt werden: Schwarze Listen, Weiße Listen,
Schwellenwerte, Ereigniszusammenhänge, und Definition von Gefährdungspotenzialen einzelner Nutzergruppen des Computernetzwerks. Der Wahrscheinlichkeitswert für das Vorliegen eines Angriffs auf das Computernetzwerk kann ferner basierend auf einer Anzahl von Besuchern des Computernetzwerks bestimmt werden, insbesondere auf einer Anzahl von Besuchern einer Webseite des Computernetzwerks, wie im Folgenden zu Fig. 4 näher beschrieben. Der Wahrscheinlichkeitswert für das Vorliegen eines Angriffs auf das Computernetzwerk kann ferner basierend auf einer Häufigkeit von selten
ausgeführten Prozessen in dem Computernetzwerk bestimmt werden, wie im Folgenden zu Fig. 5 näher beschrieben. Der Wahrscheinlichkeitswert für das Vorliegen eines Angriffs auf das Computernetzwerk kann ferner basierend auf einer Häufigkeit von Programmen, die auf einer vorgegebenen Gruppe aus der Mehrzahl von Computern in dem
Computernetzwerk ausgeführt werden bestimmt werden, insbesondere basierend auf einer Häufigkeit von Programmen, die erst ab einer vorgegebenen Zeit auf der vorgegebenen Gruppe von Computern ausgeführt werden, wie im Folgenden zu Fig. 5 näher beschrieben.
Das Analysesystem 300 kann ferner ein (in Fig. 3 nicht dargestelltes) Anpassungsmodul umfassen, mit dem der Ereignisschwellwert basierend auf dem Teil der Warnmeldungen, dessen Anzahl den Ereignisschwellwert unterschreitet, angepasst werden kann. Dazu kann beispielsweise ein Vorschlag zum Anpassen des Ereignisschwellwerts unterbreitet werden, der auf der Anzahl der Warnmeldungen basieren kann, die den
Ereignisschwellwert unterschreiten. Der Vorschlag kann ferner auf Anwender-Feedbacks basieren und/oder Veränderungen in der Netzwerk-Architektur des Computernetzwerks, insbesondere Änderungen in der Anzahl der Computer des Computernetzwerks. Das
Anpassen des Ereignisschwellwerts kann adaptiv erfolgen, beispielsweise in Abhängigkeit von zumindest einem der folgenden Ereignisse: Anwender-Feedbacks, Veränderungen in der Netzwerk-Architektur des Computernetzwerks, Änderungen in der Anzahl der
Computer des Computernetzwerks.
Fig. 4 zeigt eine schematische Darstellung eines Szenarios 400 eines Angriffs auf eine Internet-Webseite 41 1 eines Computernetzwerks 410, wobei ein Analysesystem 200, 300 den Angriff erkennt. Der Angriff geht von einer kleinen Gruppe von Besuchern 420 der Internet-Webseite 41 1 aus. Das Analysesystem 200, 300 kann den in Fig. 2 oder Fig. 3 beschriebenen Systemen entsprechen.
Das Analysesystem 200 kann ein Empfangsmodul 201 , ein Vergleichsmodul 203 und ein Ausgabemodul 205 umfassen. Mit dem Empfangsmodul 201 werden eine Mehrzahl von Warnmeldungen 102 von den Computern empfangen, wobei die Warnmeldungen auf verschiedenen Typen von Anomalien des Computernetzwerks entsprechend der
Darstellung in Fig. 1 basieren. Mit dem Vergleichsmodul 203 wird eine Anzahl bzw. ein Teil der Warnmeldungen aus der Mehrzahl der empfangenen Warnmeldungen mit einem vorgegebenen Ereignisschwellwert verglichen, wobei die Anzahl bzw. der Teil der Warnmeldungen auf einem selben Typ einer Anomalie des Computernetzwerks basieren. Mit dem Ausgabemodul 205 wird ein Alarmsignal 108 ausgegeben, falls die Anzahl der Warnmeldungen, die auf demselben Typ einer Anomalie des Computernetzwerks basieren, den Ereignisschwellwert unterschreitet. Im Folgenden wird ein Betriebsmodus des Analysesystems 200, 300 beschrieben. Wenn viele verschiedene Benutzer ein bestimmtes System im Internet, z.B. eine Website 41 1 besuchen, dann ist dieser Vorgang mutmaßlich unkritisch, Wird das System jedoch nur von einer kleinen Benutzergruppe 420 angesprochen, dann könnte es sich hierbei ggf. um einen C2-Server handeln. Handelt es sich bei den betroffenen Nutzern zusätzlich um eine bestimmte Personengruppe mit erhöhtem Gefährdungspotential, generiert das
Analysesystem 200, 300 ein Event bzw. ein Alarmsignal 108, welches dann von einer Fachkraft evaluiert werden kann.
Fig. 5 zeigt eine schematische Darstellung eines Szenarios 500 eines Virenangriffs auf eine Gruppe von vernetzten Computern eines unternehmensinternen Computernetzwerks 510, wobei ein Analysesystem 200, 300 den Angriff erkennt. Das Analysesystem 200, 300 kann den in Fig. 2 oder Fig. 3 beschriebenen Systemen entsprechen.
Das Analysesystem 200 kann ein Empfangsmodul 201 , ein Vergleichsmodul 203 und ein Ausgabemodul 205 umfassen. Mit dem Empfangsmodul 201 werden eine Mehrzahl von Warnmeldungen 102 von den Computern empfangen, wobei die Warnmeldungen auf verschiedenen Typen von Anomalien des Computernetzwerks entsprechend der
Darstellung in Fig. 1 basieren. Mit dem Vergleichsmodul 203 wird eine Anzahl bzw. ein Teil der Warnmeldungen aus der Mehrzahl der empfangenen Warnmeldungen mit einem vorgegebenen Ereignisschwellwert verglichen, wobei die Anzahl bzw. der Teil der
Warnmeldungen auf einem selben Typ einer Anomalie des Computernetzwerks basieren. Mit dem Ausgabemodul 205 wird ein Alarmsignal 108 ausgegeben, falls die Anzahl der Warnmeldungen, die auf demselben Typ einer Anomalie des Computernetzwerks basieren, den Ereignisschwellwert unterschreitet.
Im Folgenden wird ein Betriebsmodus des Analysesystems 200, 300 beschrieben. Unter der Annahme, dass die meisten Office-PCs 51 1 , 513, 515 in einem größeren
Unternehmen vergleichbar konfiguriert sind und zum Großteil identische
Softwareanwendungen Pi , P2, P3 genutzt werden, können durch den Vergleich einer hohen Anzahl von Prozesslisten 512, 514, 516 selten ausgeführte Programme Pvims identifiziert werden. Ein Programm Pvims, das beispielsweise nur auf einer kleinen Gruppe von Computern 515 ausgeführt wird und das auch erst seit einer kurzen Zeit, kann ein Hinweis auf eine kürzlich installierte Schadsoftware Pvims sein. Das Analysesystem 200, 300 braucht also nicht nach bestimmten Prozessen zu suchen, sondern es kann durch Eliminierung der bekannten bzw. häufig vorkommenden Prozesse Pi , P2, P3 unbekannte Prozesse Pvims identifizieren. Nach Auswertung der weiteren Parameter kann dieses Ereignis zu einem korrelierten Event bzw. einem Alarmsignal 108 zusammengefasst und einem Anwender oder Analysten zur weiteren Untersuchung vorgelegt werden.
Fig. 6 zeigt eine schematische Darstellung eines Verfahrens 600 zum Erkennen eines Angriffs auf ein Computernetzwerk gemäß einer Ausführungsform. Das Verfahren 600 umfasst ein Empfangen 601 einer Mehrzahl von Warnmeldungen von den Computern, wobei die Warnmeldungen auf verschiedenen Typen von Anomalien des
Computernetzwerks basieren. Das Verfahren 600 umfasst ein Vergleichen 603 einer Anzahl bzw. eines Teils der Warnmeldungen aus der Mehrzahl der empfangenen
Warnmeldungen mit einem vorgegebenen Ereignisschwellwert, wobei die Anzahl bzw. der Teil der Warnmeldungen auf einem selben Typ einer Anomalie des Computernetzwerks basieren. Das Verfahren 600 umfasst ein Ausgeben 605 eines Alarmsignals, falls die Anzahl der Warnmeldungen, die auf demselben Typ einer Anomalie des
Computernetzwerks basieren, den Ereignisschwellwert unterschreitet.
In einer Ausführungsform kann das Verfahren 600 ein Empfangen der Mehrzahl von Warnmeldungen in einem vorgegebenen Zeitintervall umfassen. In einer Ausführungsform kann das Verfahren 600 ein Klassifizieren der Mehrzahl von Warnmeldungen bezüglich des Typs der von einer jeweiligen Warnmeldung angezeigten Anomalie umfassen. In einer Ausführungsform kann das Verfahren 600 ein Bestimmen des Typs der von einer Warnmeldung angezeigten Anomalie basierend auf einem Inhalt der Warnmeldung umfassen. In einer Ausführungsform kann das Verfahren 600 ein Zählen der
empfangenen Warnmeldungen, die bezüglich desselben Typs klassifiziert sind, in dem vorgegebenen Zeitintervall; und ein Ausgeben des Alarmsignals falls die Anzahl der in dem vorgegebenen Zeitintervall gezählten Warnmeldungen den Ereignisschwellwert unterschreitet umfassen. In einer Ausführungsform kann das Verfahren 600 ein
Bestimmen eines Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk basierend auf der Anzahl der Warnmeldungen, die den
Ereignisschwellwert unterschreiten umfassen. In einer Ausführungsform kann das Verfahren 600 ein Bestimmen des
Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk ferner basierend auf zumindest einem der folgenden vorbestimmten Parameter: Schwarze Listen, Weiße Listen, Schwellenwerte, Ereigniszusammenhänge, und Definition von Gefährdungspotenzialen einzelner Nutzergruppen des Computernetzwerks umfassen. In einer Ausführungsform kann das Verfahren 600 ein Bestimmen des
Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk ferner basierend auf einer Anzahl von Besuchern des Computernetzwerks, insbesondere auf einer Anzahl von Besuchern einer Webseite des Computernetzwerks umfassen. In einer Ausführungsform kann das Verfahren 600 ein Bestimmen des
Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk ferner basierend auf einer Häufigkeit von selten ausgeführten Prozessen in dem
Computernetzwerk umfassen.
In einer Ausführungsform kann das Verfahren 600 ein Bestimmen des
Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk ferner basierend auf einer Häufigkeit von Programmen, die auf einer vorgegebenen Gruppe aus der Mehrzahl von Computern in dem Computernetzwerk ausgeführt werden umfassen, insbesondere basierend auf einer Häufigkeit von Programmen, die erst ab einer vorgegebenen Zeit auf der vorgegebenen Gruppe von Computern ausgeführt werden.
In einer Ausführungsform kann das Verfahren 600 ein Nutzen eines oder mehrerer der folgenden Systeme auf zumindest einem der Mehrzahl von Computern zum Erzeugen der Warnmeldungen umfassen: Virenscanner, Proxyserver, IDS, Angrifferkennungssystem, Firewall, Betriebssystem, Log Management System, SIEM System, Security Information and Event Management System. In einer Ausführungsform kann das Verfahren 600 ein Anpassen des Ereignisschwellwerts basierend auf der Anzahl der Warnmeldungen, die den Ereignisschwellwert unterschreiten umfassen. In einer Ausführungsform kann das Verfahren 600 ein Unterbreiten eines Vorschlags zum Anpassen des
Ereignisschwellwerts basierend auf der Anzahl der Warnmeldungen, die den
Ereignisschwellwert unterschreitet und ferner basierend auf Anwender-Feedbacks und/oder Veränderungen in der Netzwerk-Architektur des Computernetzwerks, insbesondere Änderungen in der Anzahl der Computer des Computernetzwerks umfassen. In einer Ausführungsform kann das Verfahren 600 ein adaptives Anpassen des Ereignisschwellwerts umfassen, beispielsweise in Abhängigkeit von zumindest einem der folgenden Ereignisse: Anwender-Feedbacks, Veränderungen in der Netzwerk-Architektur des Computernetzwerks, Änderungen in der Anzahl der Computer des
Computernetzwerks.
Ein Aspekt der Erfindung umfasst auch ein Computerprogrammprodukt, das direkt in den internen Speicher eines digitalen Computers geladen werden kann und
Softwarecodeabschnitte umfasst, mit denen das zu Fig. 6 beschriebene Verfahren 600 ausgeführt werden kann, wenn das Produkt auf einem Computer läuft. Das
Computerprogrammprodukt kann auf einem computergeeigneten Medium gespeichert sein und folgendes umfassen: computerlesbare Program mittel, die einen Computer veranlassen, eine Mehrzahl von Warnmeldungen von den Computern zu empfangen 601 , wobei die Warnmeldungen auf verschiedenen Typen von Anomalien des
Computernetzwerks basieren; eine Anzahl der Warnmeldungen aus der Mehrzahl der empfangenen Warnmeldungen mit einem vorgegebenen Ereignisschwellwert zu vergleichen 603, wobei die Anzahl der Warnmeldungen auf einem selben Typ einer Anomalie des Computernetzwerks basieren; und ein Alarmsignal auszugeben 605, falls die Anzahl der Warnmeldungen, die auf demselben Typ einer Anomalie des
Computernetzwerks basieren, den Ereignisschwellwert unterschreitet. Der Computer kann ein PC sein, beispielsweise ein PC eines Computernetzwerks. Der Computer kann als ein Chip, ein ASIC, ein Mikroprozessor oder ein Signalprozessor realisiert sein und in einem Computernetzwerk, beispielsweise einem Computernetzwerk wie in Fig. 4 oder Fig. 5 beschrieben, angeordnet sein. Es ist selbstverständlich, dass die Merkmale der verschiedenen beispielhaft hierin beschriebenen Ausführungsformen miteinander kombiniert werden können, außer wenn spezifisch anderweitig angegeben. Wie in der Beschreibung und den Zeichnungen dargestellt müssen einzelne Elemente, die in Verbindung stehend dargestellt wurden, nicht direkt miteinander in Verbindung stehen; Zwischenelemente können zwischen den verbundenen Elementen vorgesehen sein. Ferner ist es selbstverständlich, dass
Ausführungsformen der Erfindung in einzelnen Schaltungen, teilweise integrierten Schaltungen oder vollständig integrierten Schaltungen oder Programmiermitteln implementiert sein können. Der Begriff„beispielsweise" ist lediglich als ein Beispiel gemeint und nicht als das Beste oder Optimale. Es wurden bestimmte Ausführungsformen hierin veranschaulicht und beschrieben, doch für den Fachmann ist es offensichtlich, dass eine Vielzahl von alternativen und/oder gleichartigen Implementierungen anstelle der gezeigten und beschriebenen Ausführungsformen verwirklicht werden können, ohne vom Konzept der vorliegenden Erfindung abzuweichen.
Bezugszeichenliste
100: Klassifikation von Warnmeldungen
102: Warnmeldungen
1 10: gesamte Menge der Warnmeldungen
1 1 1 Anomalie eines ersten Typs
1 12 Anomalie eines zweiten Typs
1 13 Anomalie eines dritten Typs
1 14 Anomalie eines vierten Typs
108: Alarmsignal
200: Analysesystem
201 : Empfangsmodul
203: Vergleichsmodul
205: Ausgabemodul
204: Warnmeldungen
206: Ergebnis des Vergleichs
300: Analysesystem
301 : Empfangsmodul
307: Klassifizierungsmodul
303: Vergleichsmodul
305: Ausgabemodul
304: Warnmeldungen
310: Typen von Anomalien
306: Ergebnis des Vergleichs
108: Alarmsignal bzw. Indikator für Angriff auf das Computernetzwerk 400: Szenario eines Angriffs auf eine Internet-Webseite eines
Computernetzwerks
410: Computernetzwerk
41 1 : I nternet-Webseite
420: kleine Gruppe von Besuchern
500: Szenario eines Virenangriffs auf eine Gruppe von vernetzten Computern eines unternehmensinternen Computernetzwerks
510: unternehmensinternes Computernetzwerk
51 1 , 513,
515: Rechner in Computernetzwerk
512,
514,
516: Prozesslisten auf den Rechnern P2,
P3: Prozesse, die auf den Rechnern ablaufen
PvimS: Schadsoftware auf Rechner
600: Verfahren zum Bestimmen eines Indikators für einen Angriff auf ein
Computernetzwerk
601 : 1 . Verfahrensschritt: Empfangen
603: 2. Verfahrensschritt: Vergleichen
605: 3. Verfahrensschritt: Ausgeben

Claims

PATENTANSPRÜCHE
1 . Verfahren (600) zum Erkennen eines Angriffs in einem Computernetzwerk (410, 510) mit einer Mehrzahl von Computern, mit folgenden Schritten:
Empfangen (601 ) einer Mehrzahl von Warnmeldungen (102) von den Computern, wobei die Warnmeldungen auf verschiedenen Typen (1 1 1 , 1 12, 1 13, 1 14) von Anomalien des Computernetzwerks basieren;
Vergleichen (603) einer Anzahl der Warnmeldungen aus der Mehrzahl der empfangenen Warnmeldungen (102) mit einem vorgegebenen Ereignisschwellwert, wobei die Anzahl der Warnmeldungen auf einem selben Typ (1 14) einer Anomalie des
Computernetzwerks basieren; und
Ausgeben (605) eines Alarmsignals (108), falls die Anzahl der Warnmeldungen, die auf demselben Typ (1 14) einer Anomalie des Computernetzwerks basieren, den Ereignisschwellwert unterschreitet.
2. Verfahren (600) nach Anspruch 1 , mit: Empfangen der Mehrzahl von Warnmeldungen (102) in einem vorgegebenen
Zeitintervall.
3. Verfahren (600) nach Anspruch 2, mit:
Klassifizieren der Mehrzahl von Warnmeldungen (102) bezüglich des Typs (1 1 1 , 1 12, 1 13, 1 14) der von einer jeweiligen Warnmeldung angezeigten Anomalie.
4. Verfahren (600) nach Anspruch 2 oder 3, mit:
Bestimmen des Typs (1 1 1 , 1 12, 1 13, 1 14) der von einer Warnmeldung (102) angezeigten Anomalie basierend auf einem Inhalt der Warnmeldung (102).
5. Verfahren (600) nach Anspruch 3 oder 4, mit: Zählen der empfangenen Warnmeldungen (102), die bezüglich desselben Typs
(1 14) klassifiziert sind, in dem vorgegebenen Zeitintervall, um die Anzahl zu bestimmen; und
Ausgeben des Alarmsignals (108) falls die Anzahl der in dem vorgegebenen Zeitintervall gezählten Warnmeldungen (102), die bezüglich desselben Typs (1 14) klassifiziert sind, den Ereignisschwellwert unterschreitet.
6. Verfahren (600) nach einem der vorstehenden Ansprüche, mit:
Bestimmen eines Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk basierend auf der Anzahl der Warnmeldungen (102), die den Ereignisschwellwert unterschreiten.
7. Verfahren (600) nach Anspruch 6, umfassend:
Bestimmen des Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk ferner basierend auf zumindest einem der folgenden vorbestimmten Parameter:
Schwarze Listen, Weiße Listen,
Schwellenwerte,
Ereigniszusammenhänge, und
Definition von Gefährdungspotenzialen einzelner Nutzergruppen des
Computernetzwerks.
8. Verfahren (600) nach Anspruch 6 oder 7, umfassend:
Bestimmen des Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk ferner basierend auf einer Anzahl von Besuchern (420) des
Computernetzwerks (410), insbesondere auf einer Anzahl von Besuchern (420) einer Webseite (41 1 ) des Computernetzwerks (410).
9. Verfahren (600) nach einem der Ansprüche 6 bis 8, umfassend: Bestimmen des Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das
Computernetzwerk ferner basierend auf einer Häufigkeit von selten ausgeführten
Prozessen (Pvims) in dem Computernetzwerk (510).
10. Verfahren (600) nach einem der Ansprüche 6 bis 9, umfassend:
Bestimmen des Wahrscheinlichkeitswerts für das Vorliegen eines Angriffs auf das Computernetzwerk ferner basierend auf einer Häufigkeit von Programmen (516), die auf einer vorgegebenen Gruppe aus der Mehrzahl von Computern (515) in dem
Computernetzwerk (510) ausgeführt werden, insbesondere basierend auf einer Häufigkeit von Programmen (Pvims), die erst ab einer vorgegebenen Zeit auf der vorgegebenen Gruppe von Computern (515) ausgeführt werden.
1 1 . Verfahren (600) nach einem der vorstehenden Ansprüche, umfassend:
Nutzen eines oder mehrerer der folgenden Systeme auf zumindest einem der Mehrzahl von Computern zum Erzeugen der Warnmeldungen:
Virenscanner,
Proxyserver, IDS, Angrifferkennungssystem,
Firewall,
Betriebssystem,
Log Management System,
SIEM System, Security Information and Event Management System.
12. Verfahren (600) nach einem der vorstehenden Ansprüche, umfassend:
Anpassen des Ereignisschwellwerts basierend auf der Anzahl der
Warnmeldungen, die den Ereignisschwellwert unterschreiten.
13. Verfahren (600) nach einem der vorstehenden Ansprüche, mit adaptivem
Anpassen des Ereignisschwellwerts in Abhängigkeit von zumindest einem der folgenden Ereignisse:
Anwender-Feedbacks,
Veränderungen in der Netzwerk-Architektur des Computernetzwerks, Änderungen in der Anzahl der Computer des Computernetzwerks.
14. Analysesystem (200, 300) zum Erkennen eines Angriffs in einem
Computernetzwerk (410, 510) mit einer Mehrzahl von Computern, mit: einem Empfangsmodul (201 , 301 ), das ausgelegt ist, eine Mehrzahl von
Warnmeldungen (102) von den Computern zu empfangen, wobei die Warnmeldungen (102) auf verschiedenen Typen von Anomalien des Computernetzwerks basieren; einem Vergleichsmodul (203, 305), das ausgelegt ist, eine Anzahl der
Warnmeldungen aus der Mehrzahl der empfangenen Warnmeldungen mit einem vorgegebenen Ereignisschwellwert zu vergleichen wobei die Anzahl der Warnmeldungen auf einem selben Typ einer Anomalie des Computernetzwerks basieren; und einem Ausgabemodul (205, 307), das ausgelegt ist, ein Alarmsignal (108) auszugeben, falls die Anzahl der Warnmeldungen, die auf demselben Typ einer Anomalie des Computernetzwerks basieren, den Ereignisschwellwert unterschreitet.
15. Analysesystem (300) nach Anspruch 14, mit einem Klassifizierungsmodul (309), das ausgelegt ist, die Mehrzahl von
Warnmeldungen bezüglich des Typs der von einer jeweiligen Warnmeldung angezeigten Anomalie zu klassifizieren.
PCT/EP2015/065547 2014-07-18 2015-07-08 Verfahren zum erkennen eines angriffs in einem computernetzwerk Ceased WO2016008778A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201580039167.1A CN106537872B (zh) 2014-07-18 2015-07-08 用于检测计算机网络中的攻击的方法
CA2954552A CA2954552C (en) 2014-07-18 2015-07-08 Method for detecting an attack in a computer network
JP2017522730A JP6442051B2 (ja) 2014-07-18 2015-07-08 コンピュータネットワークへの攻撃を検出する方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP14177647.6A EP2975801B1 (de) 2014-07-18 2014-07-18 Verfahren zum Erkennen eines Angriffs in einem Computernetzwerk
EP14177647.6 2014-07-18

Publications (1)

Publication Number Publication Date
WO2016008778A1 true WO2016008778A1 (de) 2016-01-21

Family

ID=51212712

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2015/065547 Ceased WO2016008778A1 (de) 2014-07-18 2015-07-08 Verfahren zum erkennen eines angriffs in einem computernetzwerk

Country Status (7)

Country Link
US (1) US9900327B2 (de)
EP (1) EP2975801B1 (de)
JP (1) JP6442051B2 (de)
CN (1) CN106537872B (de)
CA (1) CA2954552C (de)
PL (1) PL2975801T3 (de)
WO (1) WO2016008778A1 (de)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018212657A1 (de) * 2018-07-30 2020-01-30 Robert Bosch Gmbh Verfahren und Vorrichtung zum Erkennen von Unregelmäßigkeiten in einem Rechnernetz
CN112740185A (zh) * 2018-10-11 2021-04-30 日本电信电话株式会社 分析装置、分析系统、分析方法以及程序
FR3095313A1 (fr) * 2019-04-18 2020-10-23 Orange Procédé et dispositif de traitement d’un message d’alerte notifiant une anomalie détectée dans un trafic émis via un réseau
CN112104480B (zh) * 2020-08-05 2022-10-21 福建天泉教育科技有限公司 提高告警质量的方法及其系统
US11799879B2 (en) 2021-05-18 2023-10-24 Bank Of America Corporation Real-time anomaly detection for network security
US11792213B2 (en) 2021-05-18 2023-10-17 Bank Of America Corporation Temporal-based anomaly detection for network security
US11588835B2 (en) 2021-05-18 2023-02-21 Bank Of America Corporation Dynamic network security monitoring system
CN114024831B (zh) * 2021-11-08 2024-01-26 中国工商银行股份有限公司 一种异常事件预警方法、装置和系统
CN114567482A (zh) * 2022-02-28 2022-05-31 天翼安全科技有限公司 一种告警分类方法、装置、电子设备及存储介质
CN115118463A (zh) * 2022-06-10 2022-09-27 深信服科技股份有限公司 一种失陷主机检测方法、装置、电子设备及存储介质
CN117311273A (zh) * 2022-06-22 2023-12-29 华晨宝马汽车有限公司 生产系统的监管系统、方法、计算机系统及存储介质
CN114978778B (zh) * 2022-08-01 2022-10-28 北京六方云信息技术有限公司 基于因果推断的多步攻击检测方法、装置及设备
CN116192478A (zh) * 2023-01-16 2023-05-30 华能信息技术有限公司 一种网络安全警报系统及装置
US12328325B1 (en) * 2024-07-30 2025-06-10 Crowdstrike, Inc. Probabilistic event linking

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020082886A1 (en) * 2000-09-06 2002-06-27 Stefanos Manganaris Method and system for detecting unusual events and application thereof in computer intrusion detection
US20080209517A1 (en) * 2007-02-27 2008-08-28 Airdefense, Inc. Systems and methods for generating, managing, and displaying alarms for wireless network monitoring
WO2013016245A1 (en) * 2011-07-22 2013-01-31 Anne-Marie Turgeon Systems and methods for network monitoring and testing using intelligent sequencing

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0334039A (ja) * 1989-06-30 1991-02-14 Nec Corp ネットワーク管理における障害メッセージ管理方式
WO1999050750A1 (en) * 1998-04-01 1999-10-07 Hitachi, Ltd. Method and device for outputting message and recording medium storing message outputting program
JP2000148276A (ja) * 1998-11-05 2000-05-26 Fujitsu Ltd セキュリティ監視装置，セキュリティ監視方法およびセキュリティ監視用プログラム記録媒体
JP2001356939A (ja) * 2000-06-13 2001-12-26 Tokyo Electric Power Co Inc:The ログ情報解析装置、方法および記録媒体
JP4619254B2 (ja) * 2005-09-30 2011-01-26 富士通株式会社 Ｉｄｓのイベント解析及び警告システム
CN1848765A (zh) * 2006-03-10 2006-10-18 四川大学 基于免疫的网络入侵危险性评估方法
US8504504B2 (en) * 2008-09-26 2013-08-06 Oracle America, Inc. System and method for distributed denial of service identification and prevention
CN101399672B (zh) * 2008-10-17 2011-03-02 章毅 一种多神经网络融合的入侵检测方法
JP5264470B2 (ja) * 2008-12-26 2013-08-14 三菱電機株式会社 攻撃判定装置及びプログラム
JP5066544B2 (ja) * 2009-03-31 2012-11-07 株式会社富士通ソーシアルサイエンスラボラトリ インシデント監視装置，方法，プログラム
KR101061375B1 (ko) * 2009-11-02 2011-09-02 한국인터넷진흥원 Ｕｒｉ 타입 기반 디도스 공격 탐지 및 대응 장치
CN101741847B (zh) * 2009-12-22 2012-11-07 北京锐安科技有限公司 一种ddos攻击检测方法
FI20096394A0 (fi) * 2009-12-23 2009-12-23 Valtion Teknillinen Tunkeutumisen havaitseminen viestintäverkoissa
US9503463B2 (en) * 2012-05-14 2016-11-22 Zimperium, Inc. Detection of threats to networks, based on geographic location
CN103856455A (zh) * 2012-12-04 2014-06-11 中山大学深圳研究院 一种保护计算机网络避免数据洪水攻击的方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020082886A1 (en) * 2000-09-06 2002-06-27 Stefanos Manganaris Method and system for detecting unusual events and application thereof in computer intrusion detection
US20080209517A1 (en) * 2007-02-27 2008-08-28 Airdefense, Inc. Systems and methods for generating, managing, and displaying alarms for wireless network monitoring
WO2013016245A1 (en) * 2011-07-22 2013-01-31 Anne-Marie Turgeon Systems and methods for network monitoring and testing using intelligent sequencing

Also Published As

Publication number Publication date
EP2975801B1 (de) 2016-06-29
PL2975801T3 (pl) 2017-07-31
CN106537872A (zh) 2017-03-22
US9900327B2 (en) 2018-02-20
CA2954552A1 (en) 2016-01-21
EP2975801A1 (de) 2016-01-20
CN106537872B (zh) 2020-11-24
JP6442051B2 (ja) 2018-12-19
CA2954552C (en) 2019-08-20
JP2017528853A (ja) 2017-09-28
US20160021128A1 (en) 2016-01-21

Similar Documents

Publication Publication Date Title
EP2975801B1 (de) Verfahren zum Erkennen eines Angriffs in einem Computernetzwerk
EP3278529B1 (de) Angriffserkennungsverfahren, angriffserkennungsvorrichtung und bussystem für ein kraftfahrzeug
DE60316543T2 (de) Adaptive verhaltensbezogene eindringdetektion
DE102016109358B4 (de) Konfigurierbares Robustheitsmittel in einem Anlagensicherheitssystem
DE10249888B4 (de) Knoten eines Netzes, das ein Einbruchserfassungssystem betreibt, Verfahren zum Ausführen einer Einbruchsprävention an einem Knoten eines Netzes, sowie computerlesbares Medium
EP2299650A1 (de) Verfahren zur Anomalie-Erkennung in einem Kontrollnetzwerk
DE60115615T2 (de) System, einrichtung und verfahren zur schnellen paketfilterung und -verarbeitung
EP2966828B1 (de) Verfahren zum Erkennen eines Angriffs auf eine mit einem Kommunikationsnetzwerk verbundene Arbeitsumgebung
DE202022102631U1 (de) Intelligentes Verteidigungssystem gegen verteilte Denial of Service (DDoS) Angriffe in Internet of Things (IoT) Netzen
DE202024106159U1 (de) System zur Identifikation und Prävention von Advanced Persistent Threats (APT) mit Big-Data-Analyse
DE112024002506T5 (de) Erkennung von cyberbedrohungen basierend auf dem bedrohungskontext, bedrohungsänderungen und/oder dem auswirkungsstatus
DE202024105496U1 (de) Auf maschinellem Lernen basierendes System zur Absicherung industrieller IoT-Umgebungen
DE202025102500U1 (de) LLM-basiertes System zur Erkennung von anomalen Befehlen im Netzwerkverkehr
DE102017216096A1 (de) Verfahren und Vorrichtung zum Erkennen eines Angriffs auf ein serielles Kommunikationssystem
EP3641231A1 (de) Verfahren und vorrichtung zur überwachung einer datenkommunikation
DE102019210227A1 (de) Vorrichtung und Verfahren zur Anomalieerkennung in einem Kommunikationsnetzwerk
EP3122016B1 (de) Automatisierungsnetzwerk und verfahren zur überwachung der sicherheit der übertragung von datenpaketen
DE112004002440T5 (de) IT-Netzwerk-Sicherheitssystem
EP3688951B1 (de) Verfahren zum erfassen eines angriffs auf ein steuergerät eines fahrzeugs
EP2987301B1 (de) Überwachung der funktionalität einer netzwerkfiltereinrichtung
WO2020099291A1 (de) Vorrichtung zum absichern eines echtzeit-ethernet-datennetzwerks für ein kraftfahrzeug
EP4264930B1 (de) Gateway, speziell für ot-netzwerke
DE102022108862A1 (de) Plattform für datenschutzgerechtes dezentrales lernen und die überwachung von netzwerkereignissen
EP3860076A1 (de) Erkennung und abwehr netzbasierter angriffe
DE102018123766A1 (de) Switch-port-sperre für erweiterte intelligente prozessleitsysteme

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15734692

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2954552

Country of ref document: CA

ENP Entry into the national phase

Ref document number: 2017522730

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15734692

Country of ref document: EP

Kind code of ref document: A1