数据科学如何应用到安全：六步创建内部DNS查询分析模型

安全实践者总被教育说要更智慧地使用数据。但问题是，很多数据科学家都迷失在自己的数学和算法世界中，而疏于从业务角度阐述自己的研究价值。

大数据平台Dataiku分析架构师兼销售工程负责人肯尼斯·桑福德( Kenneth Sanford )博士称，安全专家需与数据科学家更紧密合作，理解公司企业想要达成的目标，比如是想要合规，还是想要确定如果遭遇勒索软件攻击会造成什么损失。

桑福德表示，“定义业务问题非常重要，像是宕机时间的业务损失和不合规的经济处罚之类的。”

Rapid7首席数据科学家罗博·路迪斯( Bob Rudis )补充道，公司企业需后退一步，观察他们的过程，确定哪些可以通过数据科学做得更好。

桑福德和路迪斯构建了一套六步创建内部DNS查询分析模型的方法，可以有效减少甚至清除掉查询中的恶意代码。

1. 定义业务问题

安全实践者经常迷失在技术细节中而没有仔细考虑手头的业务问题。举个例子，如果目标是分析DNS查询请求，确定要分析的是成千上万的内部DNS请求还是某网站或电子商务站点的外部DNS请求就很重要。只要确定出哪些才是更重要的，数据科学家就能建立模型分析这些活动。

2. 确定哪些数据源最适合解决问题

这一步决定模型解决业务问题的样式。如果公司确定要解决的是内部用户点击网络钓鱼链接的问题，就需要建立针对所有内部DNS请求的模型。从所需数据类型的角度看，你将需要合法电子邮件集、被黑电子邮件集和电子邮件源IP及源域名的集合。数据科学家需能创造性地想象出一个所有数据都可用的世界。

3. 列出数据清单

这一步你需要盘点可用数据，列出数据清单。虽然应该尽善尽美，认识到局限所在也是必要的。说回DNS主题，大多数DNS数据来自于路由器、手机、服务器和工作站。你需要盘点所有查询类型，确定是否符合自己能处理的格式，确定自己是否具备恰当存储并访问这些数据的IT基础设施。如果你存储空间不够，那就需要搞清楚自己到底需要什么，配置这些基础设施需要花费多少预算。

4. 实验多种数据科学技术

现在可以坐下来打开电脑实验哪种数据科学技术最适合自己了。是高度可解释的线性模型，还是高深莫测的深度学习算法？无论哪种，切记不要为了追求高深的数学而部署算法。目标应该始终指向选出最佳方式，让机器给出人力所不及的分析，让公司能够做出明智的决策。DNS案例中，就是构建能持续以高置信度判定DNS请求是否恶意的模型。

5. 从现实世界视角测试

测试时，团队会希望确定模型是否产生过多误报或漏报，以及分析是否够快，是否能支撑业务所需。从现实世界角度测评模型很重要。DNS样例中，你应测试模型能否减少公司内部产生的恶意DNS查询请求的数量。

6. 监测与持续改进

测试过程可能持续数周，一旦测试完成，就是时候将模型应用到生产中了。但是，必须认识到，这些模型需要持续的监测和改进。这与部署杀毒软件不同，杀毒软件你每隔几周就会收到可用于更新的病毒特征码。模型则需要持续监测以确保能符合公司抵御恶意DNS请求的目标。