实施零信任模型的方法指南：支柱1用户行为、上下文身份识别和生物识别

创作时间:

作者:

@小白创作中心

实施零信任模型的方法指南：支柱1用户行为、上下文身份识别和生物识别

引用

CSDN

https://blog.csdn.net/nick_zlg/article/details/145111887

零信任模型是一种网络安全架构，其核心理念是“永不信任，始终验证”。在零信任模型中，用户支柱是确保安全访问的关键组成部分。本文将详细介绍如何通过行为分析、上下文身份识别和生物识别技术来增强身份验证和访问控制，从而构建更安全的零信任环境。

功能描述

利用企业身份提供商（Enterprise IDP），可使用基本用户属性实现用户和实体行为分析 (UEBA)。完成后，使用可用的组织身份提供商（Organizational IDP）将其扩展为组织特定属性。最后，将UEBA与PAM和JIT/JEA系统集成，以更好地检测异常和恶意活动。

能力结果

国防部组织利用行为、上下文和生物特征遥测技术来增强基于风险的身份验证和访问控制。

对 ZT 的影响

行为、上下文和生物特征遥测技术增强了多因素身份验证（MFA）。

活动

实施用户实体行为分析（UEBA）和用户活动监控（UAM）工具。

模型解读

此模型描述了美国国防部如何利用行为、上下文和生物识别技术来增强其身份验证和访问控制，并将其整合到零信任架构中。实施步骤是先使用企业IDP提供的基本用户属性启用基础UEBA，然后使用组织IDP提供的组织特定属性扩展UEBA，最后将UEBA与PAM和JIT/JEA系统集成，以实现更全面的安全监控和控制，通过集成这些技术，可以更有效地检测和应对安全威胁，提高整体安全性。

这里有几个核心概念需要知道，如UEBA、上下文身份识别、生物识别。

UEBA：User and Entity Behavior Analytics，用户和实体行为分析是指通过分析用户和实体（例如设备、应用程序）的行为模式，检测异常活动。这包括分析登录时间、访问资源、使用的设备类型等。

Contextual ID：上下文身份识别指基于用户的环境信息（例如位置、设备、网络）进行身份验证。例如，如果用户通常从办公室登录，而突然从国外登录，则可能触发额外的安全检查。

生物识别：使用生物特征（例如指纹、面部识别）进行身份验证。

Gartner 研究

尽管 MFA 可以减轻 ATO 风险，但漏洞仍然存在，过度依赖此类主动身份验证方法会让用户和组织面临风险。在登录过程中以及整个用户使用过程中收集情境和行为信号（包括被动行为生物识别）可以提供持续的被动身份验证。将高级分析应用于更广泛的识别和风险信号可以提高灵活性和弹性，并进一步优化所有用户的用户体验，而不仅仅是在 PAM 环境中。信号分析可以通过 AM、ZTNA、SSE 和其他工具中的 UEBA 功能提供。

AM概念参考MFA中的解释、SSE（Security Service Edge，安全服务边缘）指一种云交付的安全模型，将多种安全功能集成到一个云平台上。