01｜
傳統 RASP 落地的兩大“攔路虎”
除了 WAF 和主機安全等基于流量或主機側的產品外，RASP 本應是應用安全的重要防線。但經過多年觀察，我們發現傳統 RASP 方案在實際落地中存在兩個難以逾越的障礙：
01
技術資源投入的巨大鴻溝
可觀測性廠商的資源投入往往是安全廠商的十倍以上，這直接決定了產品的穩定性和成熟度。
可觀測性廠商（如基調聽云）： 在 Agent 研發和技術支持上，通常擁有數百人的團隊規模。
傳統安全廠商： 投入 Agent 研發的往往是十幾人的小團隊。
結論： 面對具有強入侵性的 Agent 技術，可觀測性廠商的資源投入往往是安全廠商的十倍以上，這直接決定了產品的穩定性和成熟度。
?
02｜
安云的“可觀測性+安全”融合之道”
基調聽云·安云通過“復用可觀測性能力”，從架構層面完美解決了上述問題：
01
統一 Agent，零運維成本
方案邏輯： 安云不再單獨部署安全探針，而是直接復用基調聽云成熟的可觀測性 Agent。
權責清晰： 運維團隊統一管理和維護 Agent 的穩定性；安全團隊則專注于使用采集到的運行時數據進行安全分析。
價值： 這避免了讓不具備運維能力的安全人員去背負生產穩定性的風險，徹底解決了“誰為事故負責”的長期矛盾。
02
全鏈路覆蓋，數據采集更完整
部署深度： 銀行等核心業務系統對穩定性要求極高，通常都會部署可觀測性 Agent，但往往不敢部署獨立的 RASP Agent（通常只敢部署在邊緣外圍系統）。
數據完整性： 由于復用了可觀測性 Agent，安云可以深入到最核心的業務系統中。這確保了我們能采集到完整的攻擊鏈路數據，避免因數據斷層導致的分析失敗。
?
03｜
產品三大核心能力升級
基于上述架構優勢，安云在具體功能上實現了三個維度的突破：
01
基于 AI 的運行時威脅感知
深度上下文： 通過實時獲取運行時堆棧，我們可以捕獲敏感函數、參數、執行的 SQL 語句等詳細上下文，實現精準預警。
Trace 聯動： 將運行時 Trace 數據與代碼調用鏈關聯，大幅提升告警準確率。
AI 修復： 結合大模型能力，不僅能發現問題，還能直接給出函數級、代碼級的修復方案建議。
02
主動式 API 資產全量測繪
傳統的網關被動流量統計往往存在盲區。安云采用框架級路由監控方案：
啟動即捕獲： 在應用啟動時，通過監控路由注冊函數，一次性捕獲所有 API 資產。
無死角覆蓋： 無論是未下線的僵尸 API、內部測試接口，還是隱藏的后門 API，即使沒有流量請求，也能被精準發現。
03
基于 AI 的供應鏈安全（SCA）深度研判
針對供應鏈安全領域“漏洞報警多、修復難、優先級不清”的現狀，安云在 T0 最新版本中引入了深度觀測能力，對風險組件進行科學的優先級排序：
第一步：API 資產關聯分析
我們將組件與 API 資產關聯，通過標簽化分析風險暴露面：
該組件關聯的 API 是否暴露在公網？背后是否連接敏感數據庫？是否存在外部文件下載行為？
第二步：代碼級真實調用驗證（Reachability Analysis）
利用 Trace 和生產環境代碼信息，深入分析組件的調用位置：
漏洞函數是否真的被執行了？調用的上下文是否存在真實攻擊風險？
最終價值：科學定級
通過上述分析，我們不再讓業務團隊盲目升級所有組件，而是給出有理有據的修復清單：哪些必須立即修（存在真實調用且暴露公網）；哪些可以暫緩修（代碼未調用或內網隔離）；并提供完整的研判邏輯和分析理由。
基調聽云·安云不僅僅是一個安全工具，更是基于可觀測性技術對應用安全的一次重構。我們致力于用更穩定的架構、更全的數據、更智能的 AI，幫助企業實現安全與業務的共贏。感謝大家的關注，我們下期再見。
推薦閱讀
大數據、云計算、物聯網等信息技術的發展，讓新基建如火如荼的同時，也帶來了不小的挑戰。首當其中的是網絡性能問題。一個性能良好的網絡，可以讓企業業務開展更加順利。因此，網絡性能管理的概念被提出。通過對網絡性能進行管理和實時監控，全方位的對網絡問題進行排查和快速響應，保證網絡性能的穩定與安全。
2023-03-31
