معیارهایی مانند حجم (Volume)، سرعت (Velocity) و تنوع (Variety) به‌عنوان سه عنصر اصلی در تعریف Big Data مورد استفاده قرار می‌گیرند. اما علاوه بر این‌ها، عناصری مانند صحت (Veracity) و ارزش (Value) نیز می‌توانند در تعریف Big Data در نظر گرفته شوند.

Big Data به عنوان یک فرازمینه مهم در عصر اطلاعات شناخته می‌شود و در بسیاری از صنایع و حوزه‌های کاربردی مانند مالی، بهداشت، علوم پزشکی، انرژی، حمل و نقل، رسانه و ارتباطات، اینترنت اشیاء و بسیاری دیگر، نقش مهمی ایفا می‌کند.

مزایای استفاده از Big Data شامل قدرت بیشتر در تحلیل و پیش‌بینی، شناسایی الگوها و روابط پنهان، افزایش بهره‌وری، بهبود تصمیم‌گیری و افزایش قابلیت رقابتی است. با این حال، مواجهه با چالش‌هایی مانند ذخیره‌سازی، پردازش، استخراج اطلاعات مفید و حفظ حریم خصوصی نیز در مورد Big Data وجود دارد. برای مدیریت Big Data، ابزارها و تکنولوژی‌هایی مانند سیستم‌های پایگاه داده توزیع‌شده، فناوری‌های پردازش موازی، فناوری‌های ذخیره‌سازی ابری و الگوریتم‌ها و مدل‌های پیشرفته تحلیل داده مورد استفاده قرار می‌گیرند.

ویژگی‌های شاخص بیگ دیتا (Big Data) یا همان Big Dataها به شرح زیر است:

• حجم زیاد: بیگ دیتا به مجموعه‌ای از داده‌ها اشاره دارد که حجم آن بیشتر از ظرفیت و قابلیت‌های سنتی مدل‌ها و ابزارهای مدیریت داده‌ها است. این داده‌ها معمولاً به صورت مجموعه‌های بسیار بزرگ، پیچیده و متنوعی ظاهر می‌شوند.
• سرعت بالا: داده‌های بیگ دیتا معمولاً با سرعت بسیار بالا تولید می‌شوند و نیاز به پردازش و تحلیل در زمان واقعی دارند. اجزای تشکیل‌دهنده بیگ دیتا می‌توانند از منابع مختلفی مانند سنسورها، دستگاه‌های متصل به اینترنت، شبکه‌های اجتماعی و سیستم‌های آنلاین حاصل شوند.
• تنوع: بیگ دیتا از انواع مختلف داده‌ها تشکیل شده است از جمله متن، تصویر، صوت، ویدئو، داده‌های جغرافیایی و غیره. این تنوع در بیگ دیتا نیازمند ابزارها و تکنیک‌های مناسب برای استخراج و تحلیل اطلاعات است.
• تنوع منبع: بیگ دیتا معمولاً از منابع متعددی مانند سیستم‌های موجود در سازمان، داده‌های عمومی، شبکه‌های اجتماعی و سایر منابع مختلف تولید می‌شود. این تنوع مبدأ نیازمند یک مدیریت داده‌های خوب و ابزارهایی برای ادغام و ترکیب داده‌ها است.
• اطلاعات ناهمگون: بیگ دیتا شامل اطلاعات ناهمگون است که ممکن است از طریق ساختارهای مختلفی نظیر داده‌های ساختارمند، نیمه ساختارمند و غیرساختارمند در دسترس باشند. این نوع تنوع اطلاعات نیازمند روش‌ها و فنونی برای تفکیک و استخراج اطلاعات از این تنوع است.
• ارزش: ارزش بیگ دیتا در توانایی استخراج اطلاعات، الگوها و روابط مخفی در داده‌ها قرار دارد. با تحلیل بیگ دیتا، می‌توان اطلاعات مفیدی را برای تصمیم‌گیری‌های استراتژیک و کسب و کار به دست آورد.
• پیچیدگی: بیگ دیتا ممکن است شامل داده‌هایی با ساختارهای پیچیده و متنوعی باشد که نیازمند ابزارها و تکنیک‌های مناسب برای استخراج اطلاعات و الگوها از آن‌ها است.

کلان داده‌ها نقش بسیار مهمی در دنیای هوش مصنوعی (Artificial Intelligence) ایفا می‌کنند. هوش مصنوعی بر پایه تجزیه و تحلیل داده‌ها و استخراج الگوها و اطلاعات مفید از آن‌ها بنا شده است. در اینجا، کلان داده‌ها به عنوان منبع اصلی اطلاعات برای آموزش و تغذیه سیستم‌های هوش مصنوعی عمل می‌کنند. اگر بخواهیم نقش Big Dataها در هوش مصنوعی را به شکل فهرست‌وار مورد بررسی قرار دهیم به موارد زیر می‌رسیم:

• آموزش مدل‌های هوش مصنوعی: Big Dataها برای آموزش مدل‌های هوش مصنوعی، به خصوص مدل‌های یادگیری عمیق (Deep Learning)، استفاده می‌شوند. با تغذیه مدل‌ها با حجم بالایی از داده‌ها، می‌توان الگوها و روابط پیچیده‌تر را شناسایی و تشخیص داد.
• ارائه ورودی به سیستم‌های هوش مصنوعی: Big Dataها به عنوان ورودی به سیستم‌های هوش مصنوعی، مانند سامانه‌های پردازش زبان طبیعی، تشخیص تصویر، تشخیص الگو و سیستم‌های توصیه‌گر، استفاده می‌شوند. این داده‌ها اطلاعات مورد نیاز را فراهم می‌کنند تا سیستم‌ها بتوانند وظایف خاصی را انجام دهند.
• بهبود عملکرد سیستم‌های هوش مصنوعی: با توسعه و بهبود مدل‌های هوش مصنوعی، Big Dataها به عنوان یک نمونه‌گیری بزرگ از جوانب مختلف مسئله، به سیستم‌ها کمک می‌کنند تا به دقت و قدرت بیشتری در تشخیص الگوها و پیش‌بینی رخدادها دست یابند.
• پیش‌بینی و تحلیل: با استفاده از Big Dataها و تکنیک‌های تحلیل داده، می‌توان الگوها، روندها و روابط پنهان در داده‌ها را شناسایی کرده و پیش‌بینی کرد. این اطلاعات پیش‌بینی می‌توانند در تصمیم‌گیری‌های استراتژیک و بهبود عملکرد سازمان‌ها و سیستم‌ها مورد استفاده قرار گیرند.
• بهبود تجربه کاربری: با استفاده از کلان داده‌ها، سیستم‌های هوش مصنوعی می‌توانند بهبود تجربه کاربریبهبود تجربه کاربری: با استفاده از کلان داده‌ها، سیستم‌های هوش مصنوعی می‌توانند بهبود تجربه کاربری را فراهم کنند. با تحلیل رفتار کاربران، پیشنهادهای شخصی‌سازی شده و خدمات به موقع و دقیقتری ارائه می‌شود.

به طور کلی، Big Dataها در هوش مصنوعی نقش حیاتی دارند، زیرا مواد اولیه برای آموزش مدل‌ها، اطلاعات مفید برای تصمیم‌گیری و پیش‌بینی و ارتباط بین مسائل پیچیده هستند. با توجه به رشد روزافزون حجم داده‌ها، اهمیت Big Dataها در هوش مصنوعی نیز رو به افزایش است.

برای مدیریت Big Dataها، مجموعه‌ای از ابزارها و تکنولوژی‌ها در دسترس است که به شما کمک می‌کنند داده‌ها را ذخیره، پردازش و تجزیه و تحلیل کنید. در زیر، به برخی از ابزارهای معروف برای مدیریت Big Dataها اشاره خواهم کرد:

•  Hadoop: آپاچی هدوپ (Apache Hadoop) یک سکوی منبع باز برای پردازش و ذخیره Big Data است. آن شامل دو بخش اصلی است: Hadoop Distributed File System (HDFS) برای ذخیره داده‌ها و Apache MapReduce برای پردازش توزیع شده.
•  Spark: آپاچی اسپارک (Apache Spark) یک سکوی پردازش داده توزیع شده است که عملکرد بالا، قابلیت پایداری و پشتیبانی از چندین زبان برنامه‌نویسی را فراهم می‌کند. این ابزار قدرتمندی برای پردازش و تحلیل کلان داده‌ها، ایجاد مدل‌های هوش مصنوعی و استفاده از الگوریتم‌های پیشرفته است.
•  Cassandra: آپاچی کاساندرا (Apache Cassandra) یک سیستم مدیریت پایگاه داده توزیع‌شده است که برای ذخیره داده‌های بزرگ و پرس و جوی سریع مناسب است. این ابزار مناسب برای سناریوهایی است که نیاز به بالا بردن مقیاس‌پذیری و قابلیت اطمینان دارند.
•  Kafka: آپاچی کافکا (Apache Kafka) یک سیستم صف و رویداد توزیع‌شده است که برای جمع‌آوری، ذخیره و پردازش جریان داده‌ها (Streaming Data) به کار می‌رود. این ابزار قابلیت انتقال داده‌ها در زمان واقعی را فراهم می‌کند و برای سناریوهایی مانند استریمینگ و تجزیه و تحلیل داده‌های واقع‌زمانی مناسب است.
•  Storm: آپاچی استورم (Apache Storm) یک سکوی پردازش جریان داده توزیع شده است که برای پردازش داده‌ها در زمان واقعی و برخط مناسب است. این ابزار می‌تواند جریان‌های بزرگی از داده‌ها را به صورت پیوسته و به طور همزمان پردازش کند.
•  Flink: آپاچی فلینک (Apache Flink) نیز یک سکوی پردازش جریان داده و پردازش داده توزیع‌شده است که امکان پردازش داده‌ها در زمان واقعی و یکپارچه را فراهم می‌کند. این ابزار قابلیت اجرای الگوریتم‌های پیچیده و پردازش دادهتوجه کنید که این فهرست فقط چند مثال از ابزارهای مدیریت Big Data است و هنوز ابزارهای دیگری نیز وجود دارند. انتخاب ابزار مناسب برای مدیریت Big Dataها وابسته به نیازها و موارد کاربرد خاص شما است.

استفاده از Big Dataها برای آموزش مدل‌های هوشمند یک فرآیند مهم در حوزه یادگیری ماشین و هوش مصنوعی است. در زیر، مراحل کلی برای استفاده از Big Dataها برای آموزش مدل‌های هوشمند را توضیح خواهم داد:

1.  جمع‌آوری و تهیه داده‌ها: در این مرحله، نیاز است تا داده‌های مورد نیاز برای آموزش مدل‌های هوشمند خود را جمع‌آوری کنید. این داده‌ها می‌توانند از منابع مختلفی مانند پایگاه داده‌ها، فایل‌ها، لاگ‌ها و حسگرها به دست آید.
2.  پیش‌پردازش داده‌ها: در این مرحله، داده‌ها را پیش‌پردازش می‌کنید تا مناسب برای آموزش مدل‌های هوشمند شوند. این شامل تمیزکاری داده‌ها، حذف داده‌های نامعتبر یا خطا دار، خروجی ساختاردهی و استخراج ویژگی‌ها است.
3.  انتخاب معماری مدل: در این مرحله، باید معماری مدل هوشمند خود را انتخاب کنید. این معماری می‌تواند شامل شبکه‌های عصبی عمیق (Deep Neural Networks)، ماشین بردار پشتیبان (Support Vector Machines)، درخت تصمیم (Decision Trees) و غیره باشد.
4.  آموزش مدل: در این مرحله، با استفاده از داده‌های جمع‌آوری شده و پیش‌پردازش شده، مدل را بر روی داده‌ها آموزش می‌دهید. این مرحله شامل تعیین پارامترهای مدل، تعیین تابع هدف (Loss Function) و اجرای الگوریتم آموزش است.
5.  ارزیابی مدل: پس از آموزش مدل، باید آن را ارزیابی کنید تا بفهمید که آیا مدل به طور قابل قبولی عمل می‌کند یا خیر. این شامل استفاده از معیارهای ارزیابی مانند دقت (Accuracy)، دقت متوسط (Precision)، بازخوانی (Recall) و فرابرسی (F1-Score) است.
6.  بهینه‌سازی و تنظیم مدل: اگر مدل شما نتایج مطلوب را نمی‌دهد، می‌توانید از روش‌های بهینه‌سازی و تنظیم مدل مانند تغییر پارامترها، تغییر معماری مدل و اعمال روش‌های مناسب برای جلوگیری از بیش‌یه‌های مدل  استفاده کنید.
7.  استفاده از مدل آموزش دیده: پس از آموزش و ارزیابی مدل، می‌توانید از آن برای پیش‌بینی، طبقه‌بندی، تشخیص الگوها، تولید خودکار وظایف و بسیاری دیگر از کاربردهای هوشمند استفاده کنید.

مهم است بدانید که موفقیت در استفاده از Big Dataها برای آموزش مدل‌های هوشمند، نیازمند دقت در جمع‌آوری داده‌ها، پیش‌پردازش موثر، انتخاب معماری مناسب، پارامترهای بهینه مدل و ارزیابی صحیح است. همچنین، نیاز به قدرت پردازشی و ذخیره‌سازی مناسب برای مقیاس‌پذیری و مدیریت حجم بزرگ داده‌ها وجود دارد.

تحلیل کلان داده (Big Data Analytics) شامل مجموعه‌ای از روش‌ها و تکنیک‌های تحلیلی است که برای استخراج اطلاعات، الگوها و تفاوت‌های معنادار از مجموعه‌های بزرگ داده‌ها استفاده می‌شود. در زیر، به برخی از اصلی‌ترین انواع تحلیل کلان داده اشاره می‌کنم:

• تحلیل توصیفی (Descriptive Analytics): در این نوع تحلیل، داده‌ها به صورت خلاصه و توصیفی بررسی می‌شوند تا الگوها، روندها و ویژگی‌های مشخصی که در داده‌ها وجود دارند شناسایی شود. این تحلیل به توصیف و تفسیر داده‌ها می‌پردازد و معمولاً با استفاده از روش‌هایی مانند جداول، نمودارها و نمودارهای توصیفی انجام می‌شود.
• تحلیل پیش‌گویانه (Predictive Analytics): در این نوع تحلیل، با استفاده از روش‌های آماری و الگوریتم‌های پیش‌بینی، تلاش می‌شود تا الگوها و روندهای آینده را بر اساس داده‌های گذشته و موجود پیش‌بینی کنیم. این نوع تحلیل معمولاً برای پیش‌بینی رفتار مشتریان، رشد بازار، عملکرد مالی و سایر متغیرهای آینده استفاده می‌شود.
• تحلیل روابط (Relationship Analytics): در این نوع تحلیل، بررسی روابط و ارتباطات بین داده‌ها و متغیرها انجام می‌شود. به عنوان مثال، این تحلیل می‌تواند نشان دهد که چگونه تغییر یک متغیر تأثیری بر متغیرهای دیگر دارد و رابطه‌های علّی و ناعلّی را مشخص کند. این تحلیل معمولاً با استفاده از روش‌های آماری و مدل‌سازی انجام می‌شود.
• تحلیل رفتاری (Behavioral Analytics): در این نوع تحلیل، رفتار و الگوهای رفتاری افراد و مشتریان مورد بررسی قرار می‌گیرد. با تحلیل رفتارهای گذشته و موجود، تلاش می‌شود الگوها و روندهای رفتاری را شناسایی کرده و بر اساس آن‌ها تصمیمات بهتری درباره استراتژی‌های بازاریابی و خدمات مشتریان اتخاذ کرد.
• تحلیل پیشرفته (Advanced Analytics): این نوع تحلیل شامل استفاده از روش‌هایی مانند یادگیری ماشین، شبکه‌های عصبی، الگوریتم‌های تکاملی و تحلیل متن و تصویر است. این تکنیک‌ها برای استخراج اطلاعات پیچیده، تحلیل پیشرفته داده‌ها و کشف الگوهای نهفته استفاده می‌شوند. برخی از روش‌های پرکاربرد در تحلیل کلان داده عبارتند از:
• یادگیری ماشین و یادگیری عمیق (Machine Learning and Deep Learning): این روش‌ها به استفاده از الگوریتم‌ها و مدل‌های ریاضی برای آموزش سیستم‌ها به منظور تشخیص الگوها، پیش‌بینی و تصمیم‌گیری بر اساس داده‌ها می‌پردازند.
• استخراج اطلاعات (Data Mining): این روش به استفاده از الگوریتم‌ها و تکنیک‌هایی مانند خوشه‌بندی، تحلیل خطی، تحلیل مؤلفه‌های اصلی و معناشناسی متن برای استخراج الگوها و اطلاعات مفید از داده‌ها می‌پردازد.
• تحلیل شبکه‌های اجتماعی (Social Network Analysis): این روش برای بررسی روابط و الگوهای اجتماعی در شبکه‌های اجتماعی، شبکه‌های تعاملی و شبکه‌های مرتبط با استفاده از مفاهیم شبکه‌های گرافی مورد استفاده قرار می‌گیرد.
• تحلیل متن (Text Analytics): این روش به استفاده از الگوریتم‌ها و تکنیک‌هایی برای تحلیل و استخراج اطلاعات از متن‌ها می‌پردازد. این شامل تحلیل موضوعی، تحلیل احساسات، تشخیص الگوها و استخراج اطلاعات از متن‌های بزرگ است.
• تحلیل تصویر (Image Analytics): این روش به استفاده از الگوریتم‌ها و تکنیک‌هایی برای تحلیل و استخراج اطلاعات از تصاویر و ویدئوها می‌پردازد. مثال‌هایی از این تحلیل شامل تشخیص الگوها، تشخیص چهره، تحلیل شناختی تصاویر و دسته‌بندی تصاویر هستند.

همچنین، بسیاری از انواع تحلیل کلان داده شامل ترکیبی از این روش‌ها و تکنیک‌ها هستند و بسته به نوع داده‌ها و هدف تحلیل ممکن است شخصی‌سازی شوند.

مجموعه راه‌حل‌های امنیتی و شبکه اسپلانک به شرکت‌ها اجازه می‌دهد ضمن نظارت بر ترافیک مبادله شده در شبکه یک راه‌حل جامع امنیتی را پیاده‌سازی کنند. اسپلانک (Splunk Enterprise Security) که به اختصار به آن Splunk ES می‌گویند یک فناوری پیشرفته، گسترش‌پذیر و کاربردی است که فایل‌های ثبت شده در یک سامانه را فهرست‌بندی و جست‌وجو می‌کند. ابزار Splunk ES می‌تواند داده‌ها را توسط الگوریتم‌های هوشمند تجزیه‌وتحلیل کند و یک برنامه عملیاتی کارآمد در اختیار کسب‌وکارها قرار دهد. Splunk ES علاوه بر ساخت یک استراتژی امنیتی مبتنی بر تجزیه و تحلیل و نظارت مداوم بر تهدیدات امروزی به سازمان‌ها اجازه می‌دهد یک راه‌حل بهینه‌سازی شده امنیتی را با کمترین زمان پاسخ‌گویی که تمرکزش بر اطلاعات مبادله شده توسط کلاینت‌ها است پیاده‌سازی کنند. Splunk ES با اتکا بر یادگیری ماشین که قادر به شناسایی ناهنجا‌ری‌ها و تهدیدها است به سازمان‌ها اجازه می‌دهد تصمیمات آگاهانه‌تری نسبت به تهدیدات اتخاذ کنند. Splunk ES تنها یکی از راه‌حل‌های کارآمد ارائه شده توسط اسپلانک است. راه‌حل‌های هوشمندانه این شرکت عمدتا در ارتباط با جست‌وجو، نظارت و بررسی بزرگ داده‌های تولید شده توسط ماشین‌ها از طریق یک رابط کاربری وب‌محور است. Splunk ES با ثبت، شاخص‌گذاری و نمایش ارتباط داده‌های واقعی در یک محیط قابل جست‌جو و ارائه نمودارها، گزارش‌ها، هشدارها و داشبوردها به کارشناسان امنیتی در انجام وظایف خود کمک می‌کند. کاربرد اسپلانک محدود به مدیریت بزرگ داده‌ها نیست و کارشناسان امنیتی می‌توانند به اشکال مختلفی از این فناوری کاربردی استفاده کنند که یکی از این کاربردها پیاده‌سازی مرکز عملیات امنیت شبکه است.

تهدیدات پیشرفته توسط هکرهایی انجام می‌شود که برای به‌دست آوردن یا تغییر اطلاعات از مسیرهای چندگانه استفاده می‌کنند. به‌طور معمول، کشف، شناسایی و حذف تهدیدات پیشرفته فرآیند پیچیده‌ای است. تهدیدات پیشرفته می‌توانند فیشینگ، آلوده‌سازی وب‌سایت‌ها با بدافزارها، حمله‌های جست‌وجوی فراگیر یا مهندسی اجتماعی باشند که برای به‌دست آوردن دسترسی‌های مجاز و پیاده‌سازی حمله‌های هدف‌دار که شامل اکسپلویت‌های روز صفر می‌شوند اجرا شوند. تهدیدهای پیشرفته یک یا چند سامانه را در معرض خطر قرار می‌دهند تا یک راه ارتباطی پایدار در اختیار هکرها قرار دارند تا انواع مختلف عملیات مخرب را پیاده‌سازی کنند. برای شناسایی حمله‌های چندریختی که ماهیت ثابتی ندارند، شرکت‌ها و به ویژه شرکت‌های ارائه‌دهنده خدمات به فناوری پیشرفته‌ای نیاز دارند که قادر به تحلیل داده‌ها باشد. Splunk ES یکی از راهکارهای پیش‌روی کسب‌وکارها است. Splunk ES فرآیند جست‌وجوی داده‌های خاص در مجموعه‌ای متشکل از داده‌های متجانس و نامتجانس را ساده می‌کند. کارشناسان شبکه و امنیت به سختی می‌توانند با نگاه کردن به فایل‌های گزارش متوجه شوند آیا تجهیزات به درستی پیکربندی شده‌اند یا خیر، به همین دلیل برای ساده‌سازی این فرآیند به سراغ نر‌م‌افزارهایی می‌روند که یک چنین قابلیت‌های کاربردی را ارائه می‌کنند.

مجموعه راه‌حل‌های اسپلانک یک زیرساخت هوشمند ارائه می‌کند تا دستیابی به داده‌های تولید شده توسط دستگاه‌ها ساده شود. پردازش و تجزیه و تحلیل حجم عظیمی از داده‌ها با هدف شناسایی تهدیدات پیشرفته یکی از بزرگ‌ترین چالش‌های کارشناسان امنیتی است. اسپلانک با ارائه یک مکانیزم مدیریت فراگیر این فرآیند را ساده کرده است. بهتر است برای روشن‌تر شدن موضوع به ذکر مثالی بپردازیم. تصور کنید، یک مدیر سیستم هستید و باید درباره این موضوع که چه اشتباهی در دستگاه‌ها یا سامانه‌ها به وجود آمده با نگاه کردن به داده‌های تولید شده تحقیقی انجام دهید. به‌طور سنتی، ساعت‌ها طول می‌کشد تا مشکل را شناسایی کنید. این درست همان نقطه‌ای است که وجود مجموعه راه‌حل‌های اسپلانک احساس می‌شود. اسپلانک با پردازش داده‌های تولید شده توسط سامانه‌ها و برجسته‌سازی وجه اشتراک داده‌های تولید شده شناسایی مشکلات را ساده‌تر می‌کند.

از مهم‌ترین مزایای راه‌‌حل‌های اسپلانک می‌توان به عملکرد، گسترش‌پذیری و ارائه راهکارهای خلاقانه جمع‌آوری و ارائه داده‌ها اشاره کرد. البته کار با اسپلانک زیاد ساده نیست و به تجربه و تخصص نیاز دارد. در مجموع از مزایای شاخص این راه‌حل‌ها و به ویژه Splunk ES به موارد زیر می‌توان اشاره کرد:

•  کارشناسان می‌توانند از Splunk ES برای ساخت گزارش‌های تحلیلی همراه با نمودارها و جداول تعاملی استفاده کنند و آن‌را با سایر بخش‌های سازمان به‌اشتراک قرار دهند.
•  مجموعه راه‌حل‌های اسپلانک گسترش‌پذیر و انعطاف‌پذیر هستند.
•  مجموعه راه‌حل‌های اسپلانک به‌طور خودکار اطلاعات و پیوندهای مفید موجود در داده‌ها را شناسایی و برجسته می‌کنند. بنابراین لازم نیست خودتان به شکل دستی این‌کار را انجام دهید. رویکرد فوق زمان صرف شده برای جست‌وجوها را کم می‌کند و فرآیند برچسب‌زنی اطلاعات را ساده‌تر می‌کند.

قبل از آن‌که به سراغ کاربرد اسپلانک در دنیای امنیت و همچنین ابزار Splunk Enterprise Security برویم، اجازه دهید به شکل مختصر با مولفه‌ها و اجزا تشکیل دهنده اسپلانک آشنا شویم. شکل 1 معماری کلی اسپلانک را نشان می‌دهد.

عملکرد هر یک از مولفه‌های این معماری به شرح زیر است:

‌Forwarder Universal: مولفه فوق روند ارسال داده‌ها به Splunk forwarder را شتاب می‌بخشد. وظیفه اصلی این مولفه ارسال گزارش‌ها است. کارشناسان امنیتی یا سرپرستان شبکه می‌توانند مولفه فوق را در سمت کلاینت نصب کنند.

Load Balancer: مسئولیت متعادل سازی بار روی چند منبع محاسباتی را بر عهده دارد.

Forwarder Heavy: مولفه فوق برای فیلتر‌سازی داده‌ها استفاده می‌شود. به‌طور مثال، می‌توانید اسپلانک را به گونه‌ای تنظیم کنید که تنها اطلاعات خطا را نشان دهد.

Indexer: وظیفه ساخت فهرست‌ها و فهرست‌بندی داده‌های فیلترشده را عهده‌دار است تا عملکرد اسپلانک بهبود یابد.

Search Head: مولفه فوق فرآیند توزیع جست‌وجوها میان سایر نمایه‌سازها را تسهیل می‌کند. این مولفه هیچ زیرمجموعه‌ای ندارد.

Deployment Server: فرآیند استقرار پیکربندی‌ها و به‌روزرسانی فایل پیکربندی Universal Forwarder را ساده می‌کند. کارشناسان امنیتی می‌توانند از این مولفه برای به‌اشتراک‌گذاری داده‌ها میان مولفه‌های دیگر استفاده کنند.

License Master: مدیریت مجوز اسپلانک استفاده شده توسط کاربر را بر عهده دارد.

Forwarder: ابتدا به جمع‌آوری داد‌ه‌ها از ماشین‌های مختلف می‌پردازد و داده‌ها را به Indexer انتقال می‌دهد. این مولفه می‌تواند داده‌ها را ردیابی کند، یک کپی از داده‌ها آماده کند و توازن بار را روی داده‌های خاص قبل از ارسال به Indexer انجام دهد. در مرحله بعد Forwarder داده‌ها را به Indexer تحویل می‌دهد. در نمایه‌ساز، داده‌های به‌دست‌آمده به بخش‌های مختلف تقسیم می‌شوند. در این مرحله کارشناسان شبکه می‌توانند در هر پایگاه داده، تنظیماتی را اعمال کنند و مجوزهای مربوطه را به کاربران تخصیص دهند. Indexer ضمن پردازش داده‌های دریافتی، داده‌های موجود در دیسک را جمع‌آوری و مرتب می‌کند.

زمانی که داده‌ها درون نمایه‌ساز آماده شدند، امکان جست‌وجوی داده‌ها و مشاهده نتایج بر مبنای فیلترهای مختلف و ارسال نتایج برای مولفه Search Head فراهم می‌شود. Search Head  به کاربران اجازه می‌دهد به تعامل با اسپلانک بپردازند.

همان‌گونه که اشاره شد، یک تهدید پیشرفته، زنجیره‌ای از فعالیت‌های مخرب است تا هکر بتواند یک نقطه ورود به شبکه را پیدا کند، به سراغ منابع حاوی اطلاعات ارزشمند برود و اطلاعات حساس را به خارج از سازمان منتقل کند. شکل 2 چرخه عمر تهدیدات پیشرفته را نشان می‌دهد.

چگونگی انتقال

یک تهدید پیشرفته با دانلود بدافزار، کلیک روی پیوندهای مخرب، باز کردن فایل‌های پیوست شده به ایمیل‌ها یا مراجعه به سایت‌های آلوده آغاز می‌شود.

چگونگی انجام اکسپلیوت و نصب بدافزار

بدافزار توسط یک سامانه دانلود و در ادامه اجرا می‌شود. بدافزارها عمدتا پنهان هستند یا درون اسناد رایج همچون فایل‌های وب، فایل‌های پی‌دی‌اف یا تصاویر گرافیکی با فرمت فایلی Jpeg بارگذاری می‌شوند. هر زمان کاربر فایل مخربی را اجرا کند بدافزار روی سامانه او فعال می‌شود. زمانی‌که بدافزاری اجرا می‌شود، فعالیت‌های مختلفی انجام می‌دهد تا به شکل ناشناس روی یک سامانه به حیات خود ادامه دهد. به‌طور مثال، بدافزارها ممکن است با نصب برنامه‌هایی که رابط کاربری عادی دارند، غیرفعال کردن بسته‌های امنیتی، پاک کردن فایل‌های گزارش یا جایگزین کردن فایل‌های سیستمی سالم با فایل‌های آلوده یا تزریق کد آلوده به فایل اجرایی روی گره‌های تحت شبکه به کار خود ادامه می‌دهند.

نرم‌افزارهای مخرب زمانی که روی گره‌های پایانی نصب می‌شوند با سرور کنترل و فرمان‌دهی (Command & Control) ارتباط برقرار می‌کنند تا دستورالعمل‌هایی اجرایی مخرب را دریافت کنند. این دستورالعمل‌ها می‌توانند فایل‌ها یا بارداده‌های مخربی باشند که قرار است اطلاعات سازمانی را به سرقت ببرند. بدافزارها برای برقراری ارتباط با سرورهای کنترل و فرمان‌دهی از پروتکل‌های رایجی همچون FTP، HTTP و DNS پنهان استفاده می‌کنند. گاهی اوقات این ارتباط از طریق پروتکل‌های رمزنگاری شده یا با استفاده از پروتکل‌های راه دور (RDP) که یک مکانیزم انتقال رمزنگاری شده را ارائه می‌کنند انجام می‌شود.

حمله‌های پیشرفته با هدف ورود به زیرساخت‌های ارتباطی و انجام عملیات مخرب انجام می‌شوند. در حملات پیشرفته هکر از مسیرها و تکنیک‌های مختلفی برای پیاده‌سازی حملات استفاده می‌کند تا بتواند با استفاده از یک حساب کاربری به یک سامانه تحت شبکه وارد شود، سطح مجوز را ارتقا دهد، به شکل ناشناس در شبکه باقی بماند و در نهایت اطلاعات را سرقت کرده یا به سامانه‌های دیگر آسیب جدی وارد کند. دسترسی به اطلاعات و ترافیک مبادله شده در شبکه و تحلیل تمامی داده‌ها به شناسایی و مقابله با تهدیدات پیشرفته کمک می‌کند. نظارت مستمر بر ترافیک و فعالیت‌های غیر‌عادی و مرتبط کردن اطلاعات با یکدیگر یکی از روش‌های Kill Chain است که می‌تواند به شناسایی میزبان‌های در معرض خطر و تهدیدات پیشرفته‌ای که شبکه سازمانی را نشانه گرفته‌اند کمک کند. در روش Kill Chain تمرکز روی شناسایی فعالیت‌های پس از اجرای اکسپلیوت یا آلوده شدن سامانه‌ها (به فرض ورود هکر به شبکه) است. مجموعه راهکارهای امنیتی اسپلانک می‌توانند به سازمان‌ها و شرکت‌های ارائه‌دهنده خدمات اینترنتی اجازه دهند ضمن حفظ کارایی سامانه‌ها، با شناسایی زودهنگام مخاطرات امنیتی، تهدیدات را شناسایی کنند، عملیات تحلیل و ارزیابی را به موقع انجام دهند و با کمترین هزینه ممکن مرکز عملیات شبکه و امنیت را پیاده‌‌سازی کنند. مهم‌ترین مزیت راه‌حل‌های امنیتی ارائه شده توسط اسپلانک نظارت بر سازگاری و پایداری، بهبود سطح فرآیندهای امنیتی و انطباق‌پذیری بالا است.

برای شناسایی تهدیدهای پیشرفته ابتدا باید فهرستی از پرسش‌های مهم را در قالب یک چک‌لیستی امنیتی آماده کنید و مطابق با آن به شناسایی موارد مشکوک بپردازید. این فرآیند می‌تواند به دو شکل دستی یا خودکار انجام شود. مزیت روش خودکار در تشخیص زود‌هنگام و دقیق تهدیدات است. راه‌حل‌هایی همچون Splunk Enterprise یا IBM QRadar به سازمان‌ها در انجام این‌کار کمک می‌کنند. در جدول1 تکنیک‌هایی که برای شناسایی تهدیدات پیشرفته پیرامون میزبان‌ها استفاده می‌شوند و نحوه پاسخ‌گویی و مقابله با تهدیدات را نشان می‌دهد. این جدول توسط شرکت اسپلانک و مطابق با تکنیک‌های استفاده شده توسط محصولات این شرکت آماده شده‌اند. برای اطلاع بیشتر در خصوص سایر موارد به آدرس انتهای مطلب مراجعه کنید.

جدول 1 نشان می‌دهد انجام این فرآیندها به شیوه دستی کار سختی است و در بیشتر موارد احتمال سهل‌انگاری یا نادیده گرفتن برخی نکات وجود دارد. Splunk ES با ارائه راه‌حلی جامع این مشکل را برطرف می‌کند.

یکی از مشکلات عمده سازمان‌ها عدم انطباق استراتژی‌های امنیتی با تهدیدات پویا و فناوری‌های روز است. همین موضوع باعث شده تا تهدیدات پیشرفته نوین به سختی شناسایی شوند و استراتژی‌های کسب‌وکار سنخیت چندانی با دکترین امنیتی نداشته باشند. تیم‌های امنیتی برای غلبه بر این چالش‌ها به یک راهکار تحلیلی با قابلیت پاسخ‌گویی دقیق به رویدادها نیاز دارند که بتواند تکنیک‌های شناسایی تهدیدها را به سرعت به کار بگیرد، در کوتاه‌ترین زمان به تهدیدات پاسخ دهد و به کارشناسان امنیتی اجازه دهد تصمیمات مناسبی برای مقابله با تهدیدات اتخاذ کنند. Splunk ES یک راه‌حل امنیتی ایده‌آل است که اجازه می‌دهد تیم‌های امنیتی در کوتاه‌ترین زمان تهدیدات داخلی و خارجی را شناسایی کنند و به آن‌ها پاسخ دهند. فارغ از مدل پیاده‌سازی که می‌تواند به شکل ابر خصوصی، عمومی، درون سازمانی یا استقرار SaaS یا ترکیبی از حالت‌های فوق پیاده‌سازی شود، Splunk ES به سازمان‌ها اجازه می‌دهد برای نظارت مستمر و پاسخ‌گویی سریع به رخدادها یک مرکز عملیات امنیت (SOC) را پیاده‌سازی کنند. همچنین این امکان وجود دارد که Splunk ES را همراه با راه‌حل‌های دیگر این شرکت همچون Splunk Cloud استفاده کرد.

•  Splunk ES می‌تواند با تحلیل هوشمندانه داده‌هایی که توسط فناوری‌ها امنیتی تولید می‌شود به کارشناسان امنیتی کمک کند قواعد و خط‌مشی‌های قدرتمندی برای پاسخ‌گویی به تهدیدات اتخاذ کنند.
•  ارائه قابلیت‌های کاربردی در ارتباط با مدیریت هشدارها، کشف و شناسایی تهدیدات پویا، جست‌وجوی دقیق داده‌ها و تحلیل سریع تهدیدهای پیشرفته
•  ارائه یک راه‌حل انعطاف‌پذیر در زمینه سفارشی‌سازی جست‌و‌جوها، هشدارها، گزارش‌ها و داشبوردهایی مطابق با نیازهای کاربری با هدف نظارت مستمر بر ترافیک شبکه
•  پیاده‌سازی یک مرکز عملیات امنیت کارآمد برای پاسخ‌گویی سریع به رخدادها

• فرآیند شناسایی و مرتبط کردن داده‌های امنیتی و شبه‌امنیتی با یکدیگر (اطلاعاتی در ارتباط با زیرساخت‌های فناوری اطلاعات، محصولات امنیت و داده‌های تولید شده توسط کلاینت‌ها) و انطباق سریع این اطلاعات با هدف ارائه یک دورنمای دقیق از تهدیدات را امنیت مبتنی بر تجزیه و تحلیل می‌گویند. Splunk ES با ارائه یک راه‌حل تحلیل‌محور SEIM به کسب‌وکارها اجازه می‌دهد به سرعت تهدیدات داخلی و خارجی را شناسایی و به آن‌ها واکنش نشان دهند. در ادامه به چند مورد از مهم‌ترین کاربردهای Splunk ES اشاره می‌کنیم:
  

  مانیتور کردن مستمر وضعیت امنیتی

  • Splunk ES با ارائه مجموعه کاملی از داشبوردهای از پیش تعریف شده همچون شاخص‌های مهم امنیتی (KSI)، شاخص‌های مهم عملکردی (KPI)، آستانه تحمل پویا و ایستا و شاخص‌های Trending یک تصویر کلی و شفاف از وضعیت امنیتی سازمان ارائه می‌کند (شکل 3).

  

  اولویت‌بندی رخدادها و واکنش مناسب به آن‌ها

  • تحلیل‌گران و تیم‌های امنیتی می‌توانند از هشدارها و رخدادها، ناهنجاری مرتبط با تحلیل الگوی رفتاری کاربر (UBA) سرنام User Behavior Analytics، گزارش‌های تولید شده در ارتباط با وضعیت ترافیک شبکه و موارد این چنینی برای پاسخ‌گویی سریع‌تر و شفاف‌تر استفاده کنند (شکل 4).

  

  ‌بررسی و رسیدگی سریع به تهدیدها

  • Splunk ES برای شتاب بخشیدن به روند شناسایی تهدیدها قابلیت جست‌وجوی موردی و همچنین ارتباط بصری، پویا و ایستا را ارائه می‌کند تا کارشناسان امنیتی فعالیت‌های مخرب را به سرعت شناسایی کنند. در این زمینه Splunk ES تمامی داده‌های تولید شده در شبکه را بررسی می‌کند تا بتواند تهدیدات را بر مبنای الگوهای رفتاری آن‌ها شناسایی کند و با ردیابی اقدامات هکرها و بررسی شواهد و مدارک اطلاعات بیشتری در اختیار کارشناسان امنیتی قرار دهد.

  انجام بررسی‌های چندگانه

  • با هدف پیگیری فعالیت‌های مرتبط با سامانه‌های آسیب دیده لازم است تحلیل‌های مرتبط با نفوذ‌پذیری انجام شود. در این حالت باید مدل Kill Chain را اعمال کرد و با استفاده از جست‌وجوهای موردی و به‌کارگیری قابلیت‌های Splunk ES همراه با رکوردهای جست‌وجو کننده و خط زمانی جست‌وجو به بررسی چرخه عمر تهدیدهای پیشرفته پرداخت (شکل 5).

  

  کلام آخر

  همان‌گونه که ممکن است حدس زده باشید، Splunk ES عملکردی فراتر از یک راه‌حل SIEM عادی دارد و می‌تواند ضمن نظارت بر ترافیک شبکه، با ارائه داشبوردهای تعاملی به کارشناسان کمک کند قبل از آن‌که مشکلات یا آسیب‌پذیری‌ها خسارت زیان‌باری به بار آورند، اقدامات پیشگیرانه را انجام دهند .

بطور کلی، لایسنس های شبکه سیسکو شامل دو مدل لایسنس Network Essentials و لایسنس Network Advantage می شود. در این گروه لایسنس های Network Essentials توانایی فعال کردن قابلیت های پایه لایه دو و همچنین بعضی از ویژگی های لایه سه و بصورت محدود را دارا است اما لایسنس Network Advantage  تمام قابلیت های موجود را فعال خواهد نمود. در ادامه به معرفی هر یک از دوحالت لایسنس مربوط به لایسنس سوئیچ سیسکو و روتر سیسکو می پردازیم:

ویژگی های مهمی که بوسیله این لایسنس ها فعال میگردند عبارتند از:

• پشتیبانی از قابلیت های لایه دو مانند Private VLAN
• پشتیبانی از قابلیت های QoS
• مسیریابی لایه سه با استفاده از پروتکل های RIP، EIGRP و OSPF تا 1000 Route
• پشتیبانی از ویژگی های لایه سه مانند Policy-Based Routing و IP SLA
• پشتیبانی از استاندارد 1X بمنظور احراز هویت Client ها
• پشتیبانی از StackWise
• پشتیبانی از Zero Touch Provisioning
• پشتیبانی از رمزنگاری 128-bit MACsec

این لایسنس ها در دوره های سه، پنج و هفت ساله موجود می باشد.

علاوه بر موارد ذکر شده و برای شبکه هایی که نیاز به قابلیت لایه سه پیشرفته تر دارند، میتوان از لایسنس های Network Advantage استفاده کرد و علاوه بر ویژگی های Network Essentials موارد زیر فعالسازی خواهد شد:

• پشتیبانی کامل و بدون محدودیت از پروتکل های مسیریابی لایه سه مانند IS-IS، OSPF و BGP
• پشتیبانی از Flexible network segmentation
• پشتیبانی کامل از VRF, VXLAN, LISP, SGT, MPLS, BGP-EVPN
• پشتیبانی از StackWise Virtual
• پشتیبانی از Advanced Multicast
• پشتیبانی از رمز نگاری 256-bit MACsec

توجه داشته باشید بعضی از این موارد با توجه به مدل های مختلف، متفاوت خواهد بود. این لایسنس ها برای فعالسازی قابلیت های تجهیرات در دوره های سه، پنج و هفت ساله موجود می باشد.

تمامی تجهیزات این شرکت از قبیل سوئیچ سیسکو و روتر سیسکو همچنین برخی نرم افزار های امنیتی مانند ISE و پرایم، علاوه بر دارا بودن لایسنس های Network Essentials و Network Advantage، که ویژگی های مختلف را برای آنها فعال می نماید ، به منظور بهره مندی از فناوری Software Defined Network و پشتیبانی از راهکارهای SD-WAN ، SD-Access و ACI هماهنگ شدن با این پلتفرم، نیاز به استفاده از لایسنس DNA Essentials ، DNA Advantage و در حالت فول لایسنس DNA Premier دارند.

انواع Cisco DNA License به شرح زیر است:

این لایسنس حالت پایه لایسنس های DNA می باشد و ویژگی های مهم زیر را برای تجهیزات شبکه فعال خواهد کرد:

• ویژگی Full Flexible NetFlow : نسل جدید Flow Technology که موجب بهبود عملکرد شبکه و کاهش هزینه ها خواهد شد.
• ویژگی Cisco IOS Embedded Event Manager (EEM) : این ویژگی موجب بررسی لحظه ای اتفاقات و رفتارهای شبکه و خودکار کردن فرآیندها میشود.
• ویژگی Software Image Management (SWIM) : موجب اجرای آپدیت خودکار سیستم عامل تجهیزات شبکه خواهد شد.
• ویژگی LAN automation : پیکربندی و پیاده سازی ها بشکل خودکار در بستر شبکه کمک خواهد کرد.
• داشبوردOverall health  : در این قسمت سطح سلامت تجهیزات شبکه بصورت لحظه ای قابل بررسی میباشد.
• اپلیکیشن Network Plug and Play (PnP) : این قسمت قابلیت Zero-touch provisioning را بمنظور بهره برداری از تجهیزات در سریع ترین زمان ممکن پشتیبانی میکند و زمان پیاده سازی تجهیزات جدید در شبکه ها را بشدت کاهش میدهد.

این لایسنس علاوه بر ویژگی های ذکر شده در بالا از موارد زیر نیز پشتیبانی می کند:

•  قابلیت SD-Access and Network Health Insights : قابلیت اعمال خودکار سیاست ها ( Policy-based automation ) و Segmentation را برای شبکه های SD-Access فراهم میگرداند.
• قابلیت Cisco ThousandEyes Network and Application Synthetics : این ویژگی با هماهنگ شدن با سری سوئیچ های کاتالیست 9300 و 9400 سیسکو، توانایی نظارت برروی شبکه و اپلیکیشن های موجود در آن مهیا میکند.
• قابلیت Cisco AI Network Analytics : این ویژگی با استفاده از Machine learning امکان بهبود فرآیندهای شبکه را با کمک سرویس DNA Assurance فراهم میکند.
• قابلیت Cisco AI Endpoint Analytics : این قابلیت با چک کردن مداوم Endpoint های درون شبکه، آنها را درون گروه های مختلف به منظور نظارت جامع تر دسته بندی میگرداند.
• قابلیت Group-Based Policy Analytics : قابلیت Segmentation را با نظارت مداوم بهبود میبخشد.
• قابلیت Cisco User-Defined Network : امکان ایجاد دسترسی های مختلف به کاربران برای کنترل دسترسی تجهیزات وایرلس خود را امکان پذیر میکند.
• قابلیت Application Policy Creation : امکان ایجاد سیاست های مختلف را برای اپلیکیشن های گوناگون مهیا میکند.
• قابلیت Application Hosting : امکان راه اندازی Third-party applications را درون کانتینرهای امن را درون سوئیچ های سیسکو فراهم میکند.
• قابلیت Third-party API Integration : امکان هماهنگ شدن با Third-party applications را از طریق API مهیا میکند.
• قابلیت Encrypted Traffic Analytics (ETA) : بجز برای Stealthwatch ، برای بقیه تجهیزات امکان شناسایی بدافزارها و ترافیک های مخرب را از درون ترافیک های رمز شده مهیا میکند.
• قابلیت ERSPAN : در بعضی از پلتفرم ها، امکان بررسی ترافیک های هدایت شده را فراهم میاورد.
• قابلیت Wireshark : در بعضی از پلتفرم ها، امکان آنالیز بسته های ترافیکی را ایجاد میکند.
• قابلیت AVC (NBAR2) : دید جامع برروی نسل جدید اپلیکیشن های تحت شبکه را مهیا میکند.
• قابلیت Cisco Prime Infrastructure License : برای سوئیچ های کاتالیست 9000 سیسکو امکان هماهنگ شدن با نرم افزار Cisco Prime برای راهکاری جامع جهت مدیریت تجهیزات سیمی و بی سیم شبکه را در اختیار مدیران قرار میدهد.

این لایسنس فول ترین حالت لایسنس های DNA میباشد که علاوه بر تمام موارد ذکر شده در دور حالت قبلی، شامل بهره مندی از قابلیت های Cisco Stealthwatch و Cisco ISE درون شبکه نیز می باشد.

لازم به ذکر است خرید یکی از لایسنس های DNA هنگام خرید سوئیچ های کاتالیست سری 9000 سیسکو اجباری می باشد. این لایسنس ها علاوه بر لایسنس Network Essentials و یا Network Advantage مورد نیاز می باشد.

این سری از لایسنس های سیسکو برای محیط های امنیتی و آفلاین که ارتباط با سرورهای مدیریت لایسنس های سیسکو، بصورت دائمی و حتی دوره ای، امکان پذیر نمی باشد، کاربرد دارد. در این روش کاربر بروی بعضی از محصولات خاص با دریافت Request code و ارسال آن برای پارتنرهای سیسکو یک Authorization code دریافت کرده و برروی دستگاه اعمال می کند. پس از انجام این فرآیند، تمامی ویژگی های محصول بصورت فول و دائمی و نامحدود (بدون نیاز به تمدید دوره ای) فعال خواهد شد و با توجه به تحریم ها و محدویت های موجود در ایران در حال حاضر استفاده از لایسنس PLR بهترین و راحت ترین حالت فعالسازی لایسنس محصولات سیسکو می باشد. لازم بذکر است لایسنس PLR از ویژگی های لایسنس های DNA سیسکو را پشتیبانی نمیکند.

در حال حاضر محصولات زیر مدل لایسنس PLR را پشتیبانی می کنند:

• سوئیچ کاتالیست سیسکو: Cisco Catalyst 3000 , 9000
• سوئیچ نکسوس سیسکو: Cisco Nexus 3000 , 5000 , 6000 , 7000 , 9000
• روتر ISR سیسکو: Cisco ISR 1000 , 4000
• روتر CSR1000vسیسکو
• روتر ASR سیسکو : Cisco ASR 900 , 1000 , 9000
• فایروال سیسکو: Cisco ASA-X, Cisco FTDv، Cisco Firepower 1000 , 2100 , 4100 , 9300
• نرم افزار ISE سیسکو

این آسیب‌پذیری سیسکو به دلیل عدم اعتبارسنجی کافی درخواست‌ها هنگام استفاده از ویژگی REST API به وجود می‌آید. یک حمله‌کننده می‌تواند از طریق ارسال درخواست API منحصربه‌فرد به یک نمونه vManage متأثر، از این آسیب‌پذیری بهره‌برداری کند. در صورت موفقیت آمیز بودن حمله، حمله‌کننده قادر خواهد بود اطلاعات را از پیکربندی نمونه Cisco  vManage  متأثر دریافت و اطلاعات را به آن ارسال کند. این آسیب‌پذیری تنها تأثیری بر روی REST API دارد و بر روی رابط مدیریت مبتنی بر وب یا رابط خط فرمان تأثیری ندارد. این APIها برای موارد زیر استفاده می‌شوند.
•    نظارت بر وضعیت دستگاه
•    پیکربندی دستگاه
•    بدست آوردن اطلاعات آماری از دستگاه
نسخه های تحت تاثیر و اصلاح شده :

سیسکو اعلام کرده است که اطلاعاتی در خصوص اکسپلویت یا حملات استفاده شده برای این آسیب پذیری ندارد.
برای بررسی اینکه آیا به این APIها درخواستی ارسال شده است می‌توان فایل لاگ که در مسیر زیر قرار دارد را بررسی کنید :

/var/log/nms/vmanage-server.log

با دستور CLI زیر میتونید این فایل رو مشاهده کنید :

vmanage# show log /var/log/nms/vmanage-server.log

اگه در نتایج عبارت Request Stored in Map is (/dataservice/client/server) for user (admin) بود، یعنی درخواست‌هایی به REST API ارسال شده  است.

توصیه :
سیسکو به‌روزرسانی‌های نرم‌افزاری را منتشر کرده است که این آسیب‌پذیری را رفع می‌کند. راه‌حل‌های موقتی برای رفع این آسیب‌پذیری وجود ندارد. همچنین گفته شده که می‌توانید با فعال کردن access control list) ACL) دسترسی به vManage رو محدود کنید.

منبع : sec.cloudapps.cisco.com

کمپانی فورتینت از یک ضعف امنیتی و آسیب پذیری با شدت بحرانی در فورتی‌اواس (FortiOS) و فورتی‌پراکسی (FortiProxy) خبر داده است که به یک حمله‌کننده از راه دور امکان اجرای کد دلخواه را در دستگاه‌های آسیب‌پذیر می‌دهد.

این ضعف که توسط شرکت امنیتی Watchtowr کشف شده است، با شناسه CVE-2023-33308 ردیابی می‌شود و امتیاز CVS v3 آن 9.8 از 10.0 است که به عنوان بحرانی رده‌بندی شده است. فورتینت در یک اعلان جدید از ضعف، هشدار داده است: یک آسیب پذیری سرمبنای بالا [CWE-124] در فورتی‌اواس و فورتی‌پراکسی ممکن است اجازه دهد تا یک حمله‌کننده از راه دور کد یا دستور دلخواه را از طریق بسته‌هایی که به سیاست‌های پروکسی یا سیاست‌های فایروال با حالت پروکسی و همچنین بررسی عمیق بسته‌های SSL می‌رسند، اجرا کند.
یک سرریز مبتنی بر استک (stack-based overflow) یک مشکل امنیتی است مهاجم راه دور با ارسال بسته های مخربی که به خط مشی های فایروال و پروکسی در حالت proxy mode و SSL deep packet inspection  می‌رسد، میتواند کد یا دستور دلخواه را اجرا کند.
این ضعف در نسخه‌های زیر از FortiOS تأثیر می‌گذارد:

اگر مدیران قادر به اعمال نسخه‌نرم‌افزار جدید به‌صورت فوری نباشند، فورتینت می‌گوید که می‌توانند  پشتیبانی HTTP/2 را در پروفایل‌های SSL inspection که توسط خط مشی های پروکسی یا فایروال با حالت proxy mode استفاده می‌شوند را غیرفعال کنید. در مثال زیر این ویژگی را در یک پروفایل با عنوان custom-deep-inspection غیرفعال کرد است.

config firewall ssl-ssh-profile
   edit "custom-deep-inspection"
      set supported-alpn http1-1
   next
end

در نهایت پروفایل‌های امنیتی در حالت proxy mode می‌توانند SSL inspection را روی ترافیک HTTP/2  که توسط TLS 1.2 یا TLS 1.3 امن شده‌اند توسط Application-Layer Protocol Negotiation (ALPN) اجرا کنند. دستور بالا با تنظیم http1-1 روی این پروفایل‌ها، ترافیک HTTP/1.1  رو فقط فوروارد می‌کند.

منبع : fortiguard

مهاجمان از یک آسیب پذیری بحرانی که اخیرا در پلاگین WooConnerce Payments WordPress افشا شده بود، برای حملات هدفمند گسترده استفاده می کنند. این گروه  حملات، به وب سایت های  Wordfence حمله می کنند. یک فایروال برنامه وب برای سایت های وردپرس گزارش کرده است که این گروه حملات بر روی زیرمجموعه کوچکتری از وب سایت ها تمرکز دارد. 

این آسیب پذیری که با عنوان CVE-2023-28121 و امتیاز 9.8 ارزیابی شده است،  یک مورد دور زدن تایید هویت است که به مهاجمان تایید هویت نشده امکان می دهد، با جعل هویت کاربران برخی اقدامات را حتی با جعل هویت مدیر انجام دهند که منجر به تصاحب سایت می شود.
اکسپلویت موفقیت آمیز از آسیب پذیری پلاگین WooCommerce Payments وردپرس، به مهاجم تایید هویت نشده، اجازه می دهد درخواست هایی را از طرف یک کاربر با دسترسی بالا مانند مدیر ارسال کند. از این رو، مهاجم از راه دور و تایید هویت نشده می تواند به سایتی که با نسخه آسیب پذیر پلاگین فعال شده است، دسترسی مدیر داشته باشد.
گزارش ها نشان می دهد افزایش درخواست های شمارش پلاگین ها، از چند روز قبل، نشانه هایی از حملات گسترده را شناسایی کرده اند. این درخواست ها یک فایل خاص read.txt را در فهرست wp-content/plugins/woocommerce-payments/ در میلیون ها سایت جستجو می کردند. اگرچه، همه اسکن‌هایی که فایل‌های readme.txt را هدف قرار می‌دهند مخرب نیستند. بااین حال، افزایش جستجوها برای یک پلاگین خاص معمولاً نشان‌دهنده علاقه شدید عوامل تهدید است.
حفره مشترک مشاهده شده در حملات، استفاده از هدر درخواست HTTP “X-Wcpay-Platform-  Checkout-User: 1 است که باعث می شود سایت های حساس هر گونه بار اضافی را به عنوان یک کاربر مدیریتی Wordfence در نظر بگیرند. این حفره برای استقرار پلاگین WP Console استفاده می شود که می تواند برای اجرای کدهای مخرب و نصب یک آپلود کننده فایل برای تنظیم پایداری سایت در معرض آسیب پذیری باشد.

محصولات تحت تأثیر
نسخه های 4.8.0 تا 5.6.1 پلاگین WooCommerce Payments آسیب پذیر هستند. بیش از 600000  وب سایت وردپرسی وجود دارد که از این پلاگین استفاده می کنند. وصله های مربوط به این آسیب پذیری توسط WooCommerce در مارس 2023 منتشر شد و وردپرس با استفاده از نسخه های آسیب پذیر نرم افزار، بروزرسانی هایی را برای سایت ها صادر کرد.

منبع : hdeveloper.woocommerce.com

اخیرا Citrix با انتشار بیانیه ای امنیتی کاربران خود را از سه آسیب پذیری جدید NetScaler ADC و NetScaler Gateway با خبر کرد. از بین این سه آسیب پذیری، آسیب پذیری با شناسه CVE-2023-3519 شدیدترین است که سواستفاده ی موفقیت آمیز از آن، به مهاجمین احراز نشده اجازه ی اجرای کد از راه دور بر روی سیستم های آسیب پذیر که به عنوان دروازه (Gateway) تنظیم شده اند را می دهد.

• آسیب پذیری CVE-2023-3466: این آسیب پذیری از نوع Reflected XSS (XSS بازتابی) بوده و سو استفاده ی موفق از آن به دسترسی کاربر از طریق مرورگر به یک لینک کنترل شده توسط مهاجم درحالی که در یک شبکه به NetScaler IP (NSIP) متصل شده است دارد.
• آسیب پذیری CVE-2023-3467: باعث افزایش سطح دسترسی به ادمین root (nsroot) می شود.
• آسیب پذیری CVE-2023-3519: از نوع اجرای کد از راه دور احراز نشده است و برای آن دستگاه باید به صورت یک دروازه (Gateway) مثل VPN virtual server, ICA Proxy, CVPN RDP Proxy یا به صورت AAA  virtual server تنظیم شده باشد.
این محصول برای مهاجمین با هر سطح مهارتی، هدف محبوبی است و توصیه می شود کاربران در اسرع وقت آن را به یک نسخه ی اصلاح شده ارتقا دهند و منتظر پچ شدن آن نمانند.

محصولات آسیب پذیر:

هر سه آسیب پذیری در محصولات زیر رفع شده است:

منابع : https://gbhackers.com/zero-day-vulnerability-citrix-netscaler/

مایکروسافت، بروزرسانی های جدیدی برای رفع  132 آسیب‌ پذیری امنیتی جدید، در نرم افزار خود منتشر کرد که شامل 6 آسیب‌ پذیری zero-day است که اکسپلویت شده است. از بین این آسیب پذیری ها، 9 آسیب‌ پذیری بحرانی و 122 آسیب پذیری مهم ارزیابی شده اند. این آسیب پذیری ها، علاوه بر 8 آسیب‌ پذیری است که در پایان ماه گذشته، در Edge browser مبتنی بر Chromium خود وصله کرد.

مایکروسافت، در صورتی یک آسیب پذیری را به عنوان zero-day ارزیابی می کند که بصورت عمومی افشا شود و یا اکسپلویت شود. 6 آسیب پذیری zero-day که بطور فعال اکسپلویت شده اند، شامل این موارد هستند:

در این آسیب پذیری، مهاجم حقوق کاربری را که برنامه آسیب پذیری را اجرا میکند را بدست می آورد. این آسیب پذیری، توسط مرکز اطلاعات تهدیدات مایکروسافت کشف شده است. مایکروسافت این آسیب پذیری را که با باز کردن یک فایل ساختگی، از طریق ایمیل یا وب-سایت های مخرب اکسپلویت شده بود را برطرف کرده است.

مهاجمان از این آسیب پذیری برای جلوگیری از نمایش Open File – Security Warning هنگام دانلود و بازکردن فایل ها از اینترنت اکسپلویت کرده اند. این آسیب پذیری، توسط مرکز اطلاعات تهدیدات مایکروسافت کشف شده است.

این آسیب پذیری، به مهاجم اجازه میدهد تا حساب ادمین را در دستگاه ویندوز به دست آورند. مهاجم باید به دستگاه مورد نظر دسترسی محلی داشته باشد و با حقوق محدودی که کاربران عادی بطور پیش فرض دارند، باید بتواند پوشه ها و ردیابی عملکرد روی دستگاه ایجاد کند.

 CVE-2023035311 – Microsoft Outlook Security Feature Bypass Vulnerability

این آسیب پذیری، هشدارهای امنیتی را دور می زند و در صفحه پیش نمایش کار می کند. مهاجم با استفاده از این آسیب پذیری، می تواند اعلان امنیتی Microsoft Outlook را دور بزند. مایکروسافت، این آسیب پذیری را رفع کرده است.

CVE-2023-36884- Office and Windows HTML Remote Code Execution Vulnerability

مایکروسافت دستورالعمل‌هایی را در موردMicrosoft Office  و ویندوز zero-day وصله نشده منتشر کرده است که امکان اجرای کد از راه دور را، با استفاده از اسناد Microsoft Office  ایجاد می کند. همچنین، در حال بررسی گزارش های تعدادی از آسیب پذیری های اجرای کد از راه دور است که بر ویندوز و محصولات Office تأثیر می گذارد. مهاجم می تواند، یک سند Microsoft Office  ساخته شده ایجاد کند که اجازه می دهد، کد از راه دور را در زمینه قربانی انجام دهند. با این حال، یک مهاجم باید قربانی را متقاعد کند که فایل مخرب را باز کند.

ADV230001- Malicious use of Microsoft-signed drivers for post-exploitation activity

مایکروسافت اعلام کرده است که درایورهای تایید شده، توسط برنامه توسعه سخت افزار ویندوز مایکروسافت، به طور مخرب اکسپلویت شده اند. در این حملات، مهاجم قبل از استفاده از درایورها، حساب های مدیریتی را بر روی سیستم های در معرض خطر به دست آورده بود. چندین حساب توسعه دهنده، برای مرکز شریک مایکروسافت (MPC) درگیر ارسال درایورهای مخرب، برای به دست آوردن امضای مایکروسافت بوده اند. همه حساب‌های توسعه‌دهنده درگیر، در این حادثه بلافاصله به حالت تعلیق درآمدند.

منبع : thehackernews.com

چندین کارشناس به خبرگزاری ریکوردد فیوچر نیوز (Recorded Future News) گفته اند که یک رمزگشا برای این باج افزار، ماه‌ها قبل از اینکه شرکت امنیت سایبری Avast نسخه آن را برای دانلود عمومی تولید و منتشر کند، بی‌ سر و صدا در میان پاسخ‌دهنده‌ها استفاده می‌شده است.

گروه باج‌ افزاری آکیرا، مسئولیت چندین حادثه مهم را به عهده گرفته است؛ از جمله حملات به دولت خلیج ناسائو در تگزاس، دانشگاه بلوفیلد، یک بانک دولتی در آفریقای جنوبی و کارگزار بزرگ فارکس لندن؛ یعنی کپیتال گروپ.

این رمزگشا بر روی نسخه ویندوز این باج افزار کار می کند و آواست می گوید که در حال کار بر روی رمزگشایی است که برای نسخه لینوکس کشف شده در ماه گذشته کار کند.

نسخه لینوکس باج‌ افزار آکیرا مانند نسخه ویندوزی خود کار می‌کند.

به گفته محققان، فایل های رمزگذاری شده دارای پسوند و طرح رمزگذاری یکسانی هستند و رمزگشای فعلی می تواند برای باز کردن قفل فایل های رمزگذاری شده توسط نوع لینوکس نیز استفاده شود.

محققان خاطرنشان می کنند که باج‌ افزار آکیرا شباهت‌های زیادی با باج‌افزار کانتی (Conti) دارد که به گفته آنها ممکن است نشان دهد که نویسندگان بد افزار آکیرا، حداقل از منابع فاش شده کانتی الهام گرفته‌اند.

فایل‌ها و دایرکتوری‌هایی که در طول حملات حذف می‌شوند، یکسان هستند و چندین ویژگی رمزگذاری شبیه به موارد استفاده شده توسط کانتی است.

چندین شرکت امنیتی دیگر در مورد شباهت ها و روابط بین باج افزار کانتی که امروزه از بین رفته است و آکیرا اشاره کرده اند.

آلن لیسکا، کارشناس باج‌افزار ریکوردد فیوچر (Recorded Future) می‌گوید که اگرچه آکیرا تنها از ماه مارس شروع به کار کرده است، اما در حال حاضر بیش از 50 قربانی را به سایت اخاذی خود اضافه کرده است، که نشان می‌دهد به احتمال زیاد آنها یک گروه با تجربه هستند که به استفاده از نوع باج افزار متفاوتی روی آورده‌اند.

او می گوید:

این گروه بیشتر به خاطر سایت نشت خود شناخته شده است، که شبیه ترمینال رایانه ای دهه 80 (متن سبز در پس زمینه سیاه) است.

 

یکی دیگر از چیزهایی که در مورد آنها جالب است این است که آنها در یادداشت باج خود به همه می گویند که چگونه وارد شبکه قربانیانی شده اند که پولی نمی پردازند.

این گروه هفته گذشته پس از ارسال یک عذرخواهی به دلیل حمله به بانک توسعه دولتی آفریقای جنوبی با ادعای اینکه شخصی بدون اجازه آنها از باج افزار آنها استفاده کرده است، موجی به راه انداخته بود.

توسعه سریع هوش مصنوعی مولد باعث رونق بازارها در سال جاری شده است، اما پس از خوشحالی از این توسعه، سرمایه‌گذاران از خطرات احتمالی آن نیز نگران هستند.از کسب و کارهایی مانند خدمات فناوری اطلاعات و مشاوره گرفته تا رسانه ها و آموزش، اکنون در حال ارزیابی پتانسیل اختلالات هوش مصنوعی میباشند.
طبق گفته مک کینزی، هوش مصنوعی مولد میتواند سالانه ۷.۳ تریلیون دلار به ارزش اقتصاد جهانی اضافه کند و نیمی از فعالیت های امروزی میتوانند بین سال های ۲۰۳۰ تا ۲۰۶۰ توسط هوش مصنوعی به صورت خودکار انجام شوند.

 این اتفاق ،بدان معنا نیست که هوش مصنوعی تنها تاثیر مثبتی بر جهان خواهد داشت. ژیل گیبوت رئیس استراتژی سهام اروپا در شرکت سرمایه گذاری AXA در پاریس گفت که ممکن است توسعه هوش مصنوعی بر جهان اثر تورمی داشته باشد.

آخرین نظرسنجی که توسط بانکی در آمریکا انجام شد ،نشان داد که ۲۹ درصد از سرمایه گذاران جهانی انتظار ندارند هوش مصنوعی باعث افزایش سود و یا ایجاد شغل شود. نگرانی ها در مورد هوش مصنوعی در حال حاضر در سراسر جهان و بازارهای مالی وجود دارد.

سهام شرکت هایی مانند شرکت فرانسوی تله پرفورمانس (Teleperformance) و تاسکوس (Taskus) مستقر در ایالات متحده در سال جاری حدود 30 درصد کاهش پیدا کرده است.

سهام شرکت پیرسون بریتانیا (PSON.L) نیز در یک روز 15درصد و همچنین سهام شرکت آمریکایی چِگ  (CHGG.N)به میزان 62 درصد در سال جاری به دلیل استفاده دانش آموزان از چت جی پی تی (ChatGPT) سقوط کرد.

آندره اسکوری، مدیر گروه لمانیک(Lemanik) گفت که عدم اطمینان در مورد هوش مصنوعی، او را از سرمایه گذاری در برخی از سهام شرکتهای خدمات فناوری اطلاعات، علیرغم جذاب به نظر رسیدن آنها، باز داشته است.

شرکت اکسنچر (Accenture) سه ماه پس از اعلام ۱۹ هزار اخراج یا حدود ۲.۵ درصد از نیروی کار خود، از یک برنامه سرمایه گذاری ۳ میلیارد دلاری برای تقویت هوش مصنوعی خود در ماه جاری پرده برداشت.ارزش سهام این شرکت در سال جاری میلادی ۱۹ درصد و ارزش سهام شرکت فرانسوی کپکام ۱۳ درصد افزایش یافته است.

با این وجود،سرمایه گذاران زیادی جهت سرمایه گذاری در پروژه های هوش مصنوعی آمادگی خود را اعلام کرده اند و ریسک این سرمایه گذاری را پذیرفته اند.