一、邮件攻击的主要套路

在现在的邮件安全对抗中，攻击者的攻击手法是不断升级，我们先来盘一盘钓鱼套路：

• 直接发、大量发，钓不到大鱼，邮件网关和沙箱基本直接滤掉；

• 批量注册一些邮箱地址，变换地址的发，由于具有明显的批量性特点，基本也会被滤掉；

• 自己搭建一台服务器，安装个开源的钓鱼邮件框架，然后仿冒域名大量发送，因为邮箱的信誉度低，加上有些邮件头中都会带上钓鱼框架的信息，现在也比较难成功了。

  
  

  重点来了——

• 逐步渗透。通过以上各种办法，先拿下一些邮件安全基础比较薄弱的企业邮箱，一般是中小制造业、学校居多。拿下后，用他们的地址给目标公司的员工群发钓鱼邮件，但不会发太多，通常是先钓个人密码等信息，目标公司也不会是一家，邮件内容尽可能避开安全策略。

  
  

  一个正常的、可信的邮箱地址，给公司员工发邮件，内容再做一些伪装，成功的概率会提高很多，哪怕有一份钓鱼成功、获取了个人密码，那么再用这个地址给内部所有员工群发，基本畅行无阻。是植入病毒，还是骗取钱财，亦或是拿下权限，只是时间问题了。

二、邮件安全建设

如何去构建防御体系，让狡猾的邮件攻击者没有可趁之机呢？以笔者从业经验来看，大致有四个环节：

安全设备 - 暴露面收缩和安全配置 - 数据驱动的安全运营  - 安全意识培训。

其中安全设备是第一道硬门，由于设备大多数是采购的，好坏依赖厂商的能力，而安全意识培训是长期的事情。真正可玩又可控、也决定企业安全防御能力高低的，一是暴露面收缩和安全配置，二是是安全运营环节，在基础措施比较薄弱、人员意识水平又不高的情况下，通过数据分析和运营机制，可以有效弥补。

下面分别说说，其中 重点是 数据驱动的安全运营。

1.   安全设备

   
   

邮件安全的专用设备一般有网关和沙箱。

（1）邮件安全网关

邮件安全网关通过其反垃圾和反病毒引擎对邮件进行一道过滤，此外邮件网关还会根据发件方的IP和地址信誉进行分析，对SPF、DKIM、DMARC等配置进行监测。

• SPF：发送方策略框架（Sender Policy Framework），主要是为了防止随意伪造发件人。SPF 是一个记录，它的内容写在DNS的txt类型里面。当接受了一份邮件，接收方会把 发送邮件的服务器 IP 与 SPF 记录内的 IP 地址 进行对比，如果不匹配，则认为是伪造邮件。

  
  

  spf的记录格式是，CMD中的查询语句：
  

  nslookup -q=txt 要查询的地址，比如查询163的SPF：

注意返回中的 v-spf1 include:xxxx -all，xxx 为记录中的发件服务器地址，-all 表示硬拒绝，邮件直接被丢弃或者隔离，~all表示软拒绝，它会标记IP非法，但不采取强硬措施。

• DKIM：加密邮件验证系统（DomainKeys Identified Mail），它使用私钥将电子邮件加密，并在接受时用公钥进行解密，以验证电子邮件是否由授权服务器生成，且中间没有被篡改。DKIM的工作原理如下图所示：

（网图，来源：https://www.altn.com.cn/5730.html）

• DMARC：基于域的消息认证，报告和一致性（Domain-based Message Authentication, Reporting and Conformance），是一种邮件认证协议。它是根据SPF或DKIM来做验证（所以开启DMARC必须要开启SPF或DKIM），验证策略为：SPF 的 Return-Path 或者 DKIM 的 DKIM-Signature: d= 二者至少需有其一与 From 头对应。DMARC还可以设置当有人仿造了发件地址的时候，将邮件的发送结果发送给指定的邮箱。

  
  

（2）沙箱

沙箱是对威胁更深入的分析，它基于机器学习、全文语义、威胁情报、杀毒引擎等对可疑邮件的附件、链接做更加深入的扫描和判断。

（3）流量和主机安全设备

前面两个设备一般是串联在邮件服务器前面的，需要实时对邮件的安全性进行风险决策，这绝对它不能做更丰富、耗时更长的分析。因此，有些公司会对邮件的流量旁路一份下来，结合EDR做多维度更丰富的分析和排查，比如可疑的出站外联捕获，加密通信的应用和主机排查，以及敏感数据的外发等。

2. 安全配置和暴露面收缩

安全设备怼上之后，下面就是完善安全配置，以及尽可能收缩邮件暴露面。

（1）安全配置

这包括前面所说的SPF、DKIM、DMARC设置（有些要依赖邮件系统是否支持），以及发、收行为做安全设置，包括：

关闭匿名发送功能；对登录和收发的频率做限制；网关上的安全规则，在不影响业务的情况下能开启尽量开启，等等。

（2）暴露面收缩

此外，邮件的服务尽可能减少对外暴露，比如web端登录服务、外部通过SMTP、POP3、IMAP直接登录服务。应将关闭这些服务对外的暴露，如果怕影响到业务，可以接入到 VPN 或 零信任 后面。这样，即使攻击者拿到了员工的邮件账号，也没有地方登录。

此外，邮件系统和客户端自身的漏洞也要特别关注。

3. 数据驱动的安全运营

碓完安全设备，开启了检测规则，做完安全配置，也收缩了暴露面，至此，能把大部分威胁邮件过滤掉，也可以避免大规模的沦陷，因为至少给我们这个环节的工作争取了时间——“安全运营”。

但回顾前面的攻击套路，攻击者会先拿下一个正常的企业邮件，通过文本变换、内容混淆、附件加密/加壳/远程加载宏等方式，还是有极可能绕过设备和规则检测。尽管网关和沙箱每天可以帮我们过滤大量的威胁邮件，但只要有一份漏过投递成功，那就超出了我们的控制。

所以安全运营工作的目的就是利用已知的信息，通过数据分析挖掘，找出漏过的威胁邮件，并及时进行处置。

（1）分析环境

安全运营的首先前提，各安全设备上的数据已经经过清洗，接入到了一个运营分析平台，这个平台上可以通过SQL、Python对数据做一些分析。

如果企业内有成熟的日志采集机制、日志分析中心，或者数据中台（至少包括 数据集市+数据分析平台），那么可以直接做分析。如果没有，其实搭建一个分析平台也挺简单。参考：

• 首先有一个ES，将相关日志发送到ES中（现在的安全设备应该都支持日志的发送），然后在内网找一台服务器搭建 Python 分析环境，与ES网络相通。
  
  

• Python 的 Elasticsearch 库，支持读取ES中一定时间范围内某个索引的数据。在 Python 中可以对数据进行各种处理、清洗、分析、建模，以及可视化展示。
  
  

• 分析完了之后，也再通过 Elasticsearch 库送回 ES 中的专门的索引中，这个索引可以专门存放分析之后的数据，包括一些指标、趋势值、挖掘出来的高危告警等，Kibana 对这个索引可以做一些dashboard或者Canvas展示。
  
  

• 对以上 Python 程序做定时任务，每天处理。 

  
  

  一个简易的 ELK + Python 分析环境搭建的具体指南见 这里 。

（2）基本分析

包括，

• 投递量最大的发件地址Top10：快速扫一眼有没有大规模的恶意邮件；
  
  

• 投递量最大的邮件主题Top10，以及每一个主题涉及的发件地址数：看是否有利用大量地址聚集性的攻击；
  
  

• 过去7天威胁邮件趋势：判断近期的攻击趋势；
  
  

• 近期主要风险邮件来源地：判断主要攻击来源；
  
  

• 被投递威胁邮件最多的收件地址：审查被频繁攻击的内部邮件，进行特殊关注和审计；
  
  

• 特殊关注邮件地址的收、发情况：历史上发威胁邮件较多（但又不能封）的邮箱后缀的近期投递情况，以及历史上经常被攻击的或有中招的内部邮箱的近期收件情况；
  
  

• ......

  
  

这些基本分析可以直接在kibana里面通过ES SQL写成canvas的表，作为每日风险面板的一部分。

（3）一网打尽——聚类分析挖掘攻击团伙

在 从 AI 到 信息安全 里面说过，攻击者一个特点是 变，为了不被规则稽核，攻击者对邮件的内容、标题做各种变换，让网关和沙箱认为这不是同一份邮件。

推荐做的一个分析，是 T+1 或者 H+1，对投递成功的邮件进行聚类分析，找出一些批量性、聚集性的恶意邮件，分析流程参考：

• 分析维度应主要是标题，其他可以加上发件地址后缀
  
  

• 数据是文本格式，需要进行一些NLP处理，包括分词、合并、向量化
  
  

• 选择聚类分析算法，推荐密度聚类的算法（不要用K-means这种方法，需要指定类数），比如 DBSCAN，相似度可以用余弦相似度，然后开始聚类。

  
  

  DBSCAN+余弦相似度，是简单靠谱的方法，结果也非常好，但问题是性能比较低，如果文本量大，耗时会非常久。此时可以考虑用simhash对文本进行降维量化，然后用 hamming distance 来做相似度，聚类还是用DBSCAN。

  
  

一个真实的聚类结果如下，因为相似性，这些主题的邮件被聚在了一起。

一个真实的邮件主题聚类结果

实战中，被聚出来的类会非常的多，而且绝大部分是正常的邮件，为了加快人工研判的效率，快速找出异常的类簇，可以结合一些统计指标。比如：

类簇中发件地址历史上被拦截的次数、历史上被判断为风险邮件的数量、涉及的发件地址数等。这些可以帮助判断这个类中邮件的威胁性。

（4）顺藤摸瓜——用黑标签传播出隐藏的坏人

另一个找出漏过的威胁邮件的思路，是充分利用已知的威胁邮件，给他们打上恶意的标签，然后用恶意邮件的发件地址、发件地址域名、发件IP、主题等作为介质，关联出这些介质的其他邮件，重点是已经投递成功的邮件。

一个方法是简单的关联分析，通过 SQL 不断的用去 join，但是简单关联容易把很多正常邮件关联进来，比如攻击者喜欢用的某邮箱后缀 @xxxx，可能正常人也经常用。

另外还可以考虑基于图的 标签传播算法 LPA（Label Propagation Algorithm），它从已知标签出发，通过一些介质和设定的权重，按照一定算法去不断传播、关联，直到形成一个比较合理的群组。

它的好处是不是简单粗暴的join，而是按照一定的策略去传播，所得到的群组更加自然合理。

在邮件安全这个场景，可以用的算法和模型很多，因为 ① 它有足够的训练样本，② 有丰富的多维变量（发件地址、域名、IP、时间行为、文本等），③ 也有上游的网关和沙箱给我们输送黑白标签。因此我们可以还可以用有监督的深度学习去，用基于图的最大连通图挖掘、Fast Unfolding等。

上面的聚类、最大连通图挖掘、标签传播算法，是笔者在邮件安全或相似场景使用过，效果不错的方法。

（5）专家运营和协同处置

以上分析结果，可以汇总在一个面板中，比如kibana 或者 grafana，安全运营人员根据每日面板的高危推送，来进行跟进处理。参照以上分析，一个丰富的运营面板大概是这样的：

对于研判为漏过的威胁邮件，需要及时与邮件管理员进行联动，对尚未读取的邮件进行撤回。如果员工已经读取威胁邮件，则要第一时间与其联系，询问是否打开链接、附件，是否有异常，对有进一步高危操作的员工，应该及时进行杀毒、隔离、改密。

按照以上流程，可以以较快时效、较广覆盖的发现漏过的风险邮件，大部分可以在第一时间，未读的状态下及时处理掉。

4. 安全管理：制度、意识培训和钓鱼邮件演练

在前面“暴露面收缩”中，其实漏了一个最大的暴露面，那就是——人。人始终是最大的不确定项，因此，除了设备、系统的安全管理、数据的安全运营外，还需要搭配安全管理手段。

（1）制度

安全的相关制度应该不断完善，这使得后续的安全管理手段“师出有名”。

（2）培训

应该组织定期的和专项的安全意识培训。定期的通过邮件、内部公众号进行持续宣贯；专项的可以在国家安全宣传周、保密周、重保前期等进行专题宣贯，并且要在新人培训、关键岗位人员的培训中，嵌入安全意识培训。

（3）钓鱼邮件演练

没有什么比真正中过一次招更能加深印象的了，因此企业应该定期组织钓鱼邮件演练。搭配不同的主题、套路。有预算的可以选用专门的厂商，做更加定制化、更加逼真的钓鱼模拟，预算紧张也可以直接用GoFish开源钓鱼框架。

对钓鱼的结果，应该做好分析，对中招的同事进行针对性的强化培训，而且进行多轮次的培训，对结果进行追踪。

搜狐邮件所示dkim