Databricks
3 节点1 篇4 来源
Databricks安全团队发布了一套针对“凭证驱动型攻击”的检测框架,核心观点是:仅监控登录行为不足以发现威胁,必须通过跨身份的行为关联来识别攻击链。该框架将攻击划分为六个阶段,指出攻击者常利用窃取的会话Cookie或个人访问令牌(PAT)进入系统后,通过读取新身份的密钥进行权限提升和数据导出,这些动作若孤立看可能符合常规操作,但串联起来则暴露入侵痕迹。
【背景】随着2025-2026年Shiny Hunters等SaaS供应链攻击频发,OAuth令牌窃取成为主要威胁向量。Databricks同步推出了包含35种检测规则的开源工具及Genie AI助手,帮助安全团队在审计日志中自动化识别此类异常。争议点在于如何平衡误报率与漏报风险,特别是在区分合法开发者活动与攻击者行为时。未来需关注该框架在实际大规模数据泄露事件中的验证效果及社区反馈。
事情怎么走到这一步
Databricks官方博客发布《Detecting credential-driven attacks on Databricks》,提出六阶段凭证攻击模型,强调跨身份行为关联的重要性。
databricks.com ↗Disconfirm收录该文章,摘要指出攻击者通过窃取凭证读取新身份密钥后行动,仅追踪原始被窃身份会遗漏关键事件。
databricks.com ↗Databricks平台专家Arun Pamulapati等人介绍Security Analysis Tool (SAT)新增基于TruffleHog的自动秘密扫描功能,用于检测笔记本中硬编码的凭证。
medium.com ↗
还没定论的部分
- Databricks提出的六阶段模型在应对非PaaS环境或混合云架构时的适用性如何?
- 开源检测工具中的35条规则在实际生产环境中产生的误报率具体数据是多少?
- 随着AI代理(如Genie)介入安全调查,其决策的可解释性和审计合规性如何保障?