评估威胁建模的 STRIDE 的完成度,可以看六类威胁、攻击树、缓解映射是否都有明确的输入、输出与失败处理。本文围绕这 3 个要点展开,并给出安全工程场景下的验证方式。

一、问题定位

威胁建模的 STRIDE 的代价常常集中在六类威胁与攻击树的交界处:六类威胁追求快速响应,攻击树要求强一致,两个目标在同一份资源上竞争。

1.1 为什么现在更值得讨论

把威胁建模的 STRIDE 放在安全工程的整体演进里看,驱动力主要来自下面几件事:

  • 观测内建于功能(安全工程):监控不再是交付后的补丁
  • 日志带上下文(安全工程):关键决策点的输入输出被完整记录
  • 告警可行动(安全工程):每条告警都指向明确的处置动作

二、按要点拆解:威胁建模的 STRIDE

2.1 六类威胁

六类威胁的实现可以分两层:一层保证正确,一层保证快。先让六类威胁的正确层稳定运行,再逐步把快的部分替换进去,风险可控。

  • 契约:六类威胁的输入输出、超时与错误码要在接口层固定,调用方不依赖内部实现
  • 观测:六类威胁至少有成功率、P99、积压量三个指标能被独立查询
  • 灰度颗粒度:六类威胁的变更按流量比例还是按租户/节点放量,决定了回滚速度

2.2 攻击树

衡量攻击树做得好不好,可以看它在异常输入下的行为:攻击树是快速失败、降级服务,还是把错误扩散出去。攻击树的异常行为应该和正常行为一样被设计过。

  • 契约:攻击树的输入输出、超时与错误码要在接口层固定,调用方不依赖内部实现
  • 变更可逆:攻击树的配置与代码要能在 30 秒内回到上一版
  • 版本标识:攻击树的每次变更都要带版本,便于灰度期间对比效果

2.3 缓解映射

缓解映射的配置变更要能动态生效或明确重启。安全工程里缓解映射的配置语义不清晰,是线上事故的常见来源。

  • 数据兼容:缓解映射改造期间,新旧状态格式必须双向可读
  • 被测过的最坏路径:缓解映射的超时、抖动、部分失败都要有对应用例
  • 超时预算:缓解映射的每次调用都要有明确上限,并计入调用方的总预算

理清六类威胁、攻击树、缓解映射的依赖后,会发现真正需要死磕的只有其中一环:

六类威胁 → 攻击树 → 缓解映射

六类威胁的不确定性会传导到攻击树,先把六类威胁的行为变成可预测的,后面才有的优化。

三、最小可运行实现

安全工程服务的一次抖动里,六类威胁的线程池被占满,攻击树的请求只能排队。事后发现是六类威胁把同步调用放进了异步线程,阻塞了调度。

处理方式是把六类威胁的失败拆成「可重试」和「不可重试」两类,前者进退避队列,后者直接走降级路径;攻击树只消费处理结果,不再关心中间过程。

六类威胁、攻击树、缓解映射的编排关系可以用下面这段伪代码表达,变量名保留语义:

# 威胁建模:STRIDE 分类、风险量化与缓解措施映射
from dataclasses import dataclass
from typing import Dict, List

STRIDE = {
    "S": ("仿冒", "身份鉴别失效", "强制 mTLS + 短时令牌"),
    "T": ("篡改", "完整性校验缺失", "签名与哈希链校验"),
    "R": ("抵赖", "审计日志不可信", "追加写审计 + 可信时间戳"),
    "I": ("信息泄露", "敏感数据明文传输", "TLS 1.3 + 字段级加密"),
    "D": ("拒绝服务", "资源配额缺失", "限流熔断 + 请求预算"),
    "E": ("权限提升", "鉴权粒度不足", "最小权限 + 策略即代码"),
}

@dataclass
class Threat:
    category: str
    asset: str
    likelihood: int   # 1-5
    impact: int       # 1-5
    mitigation: str = ""

    @property
    def score(self) -> int:
        return self.likelihood * self.impact

    def level(self) -> str:
        s = self.score
        if s >= 20:
            return "critical"
        if s >= 12:
            return "high"
        if s >= 6:
            return "medium"
        return "low"


def build_register(assets: List[str], weights: Dict[str, int]) -> List[Threat]:
    """按资产与 STRIDE 六类生成威胁清单,并按风险值倒序"""
    register = []
    for asset in assets:
        for key, (name, weakness, fix) in STRIDE.items():
            register.append(Threat(key, asset, 3, weights.get(key, 3), fix))
    return sorted(register, key=lambda t: t.score, reverse=True)


def attack_tree(paths: Dict[str, List[str]]) -> Dict[str, int]:
    """攻击树:按路径步数估算成功概率,识别最短攻击路径"""
    ranked = {}
    for path, steps in paths.items():
        ranked[path] = max(1, 100 // (len(steps) * 2))
    return dict(sorted(ranked.items(), key=lambda kv: kv[1], reverse=True))

四、验证与调优

威胁建模的 STRIDE 的压测与线上灰度数据对照(取改动的后一个完整周期):

环节单次耗时占关键路径优化手段
六类威胁1.7ms38%把全局锁拆成按 key 分片的细粒度锁
攻击树2.7ms27%用对象池复用频繁创建的结构体
缓解映射3.7ms20%把 O(n²) 的比对改成哈希一次命中

整体指标:P99 从 221ms 降到 79ms(-64%),吞吐从 2 万 QPS 提升到 3 万 QPS(+50%),CPU 占用从 80% 降到 58%。

4.1 灰度策略

  • 阶段一(安全工程):按配置维度分层,先灰度功能开关
  • 阶段二(安全工程):稳定后灰度阈值参数,观察边界行为
  • 阶段三(安全工程):覆盖全量配置组合,重点看异常组合
  • 阶段四(安全工程):全量后把配置变更纳入审批与回滚

4.2 观测面

威胁建模的 STRIDE 的指标、日志、链路不是替代关系,而是互相印证的三条证据线:

  • 指标(安全工程):按「新增 / 存量」拆分指标,避免被历史数据稀释
  • 日志(安全工程):把配置变更与指标尖峰对齐到同一时间轴
  • 链路(安全工程):关键依赖单独建拓扑,故障时能快速判断影响面

五、结论

威胁建模的 STRIDE 没有银弹,能做的是把六类威胁、攻击树、缓解映射各自的失败模式摆到台面上,逐个定义处理动作。做完了这一步,威胁建模的 STRIDE 剩下的都是工程量。

  • 能力要自助化(安全工程):业务方不该直接操作底层细节
  • 边界要落仓库(安全工程):口头约定靠不住,文档与测试才靠得住
  • 责任要随能力走(安全工程):谁提供能力,谁负责默认安全

点赞(0) 打赏

评论列表 共有 0 条评论

暂无评论
立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部