当攻击者知道你在看：采集对抗与智能化情报生产

01 · 采集对抗全景：攻防双方的"猫鼠游戏"

前四页默认了一个隐含前提：攻击基础设施会稳定暴露在公开渠道中。现实恰恰相反——成熟攻击者默认自己的域名、服务器、证书会被防御方监测，因此从一开始就设计反侦察与快速更换机制。采集体系的价值不取决于"能收到多少"，而取决于"对手更换后多快能重新发现"。这就是采集对抗的核心命题：把对手的更换成本抬高，把自己的再发现时延压低。

1.1 对抗的四个层面

1.2 对抗分析的标准流程

02 · 反侦察手法识别矩阵

下表系统拆解常见反侦察手法的原理、对采集体系的影响与识别特征。识别特征是公开安全研究中的通行结论，用于指导监测规则设计：

2.1 补充手法速查

03 · 规模化采集工程：从脚本到数据平台

当采集面扩展到数十个来源、日处理量达到百万级事件，"脚本+定时任务"的作坊模式必然崩溃。规模化采集的本质是把采集体系当作一个数据平台工程来建设：

3.1 参考架构分层

3.2 工程关键决策

• 原始数据必须留档：任何加工错误都可以从原始报文回放修复；原始区按合规要求设保留期，与标准区分离。
• 先队列化再处理：来源波动（某源突然爆发）不应拖垮整个管道；消费端按自身能力匀速拉取。
• 幂等设计：每条报文携带来源+内容哈希作为幂等键，重试与多副本消费不产生重复情报。
• 背压与降级：富化等外部依赖不可用时，主流程以"待富化"状态降级通过，绝不阻塞入库（第4页§5.1）。
• 小团队简化路径：来源少（<10个）、日量小（<10万事件）时，"采集脚本→本地队列文件→批量处理→MISP"的单机管道完全够用——架构复杂度应与规模匹配，避免过度设计。

3.2.1 采集适配器设计模式（接口约定）

interface CollectorAdapter:
    def fetch(cursor) -> list[RawRecord]         # 增量拉取：cursor=上次位置/时间戳
    def parse(raw: RawRecord) -> ParsedIOC        # 字段抽取 + Schema校验（不合规进隔离区）
    def normalize(ioc: ParsedIOC) -> CanonicalIOC # 第4页规范化规则
    # 平台统一负责：去重 → 富化 → 入库 → 分发（适配器不各自为政）

• 无状态可扩展：适配器不持有全局状态，可多副本水平部署；
• 断点续传：cursor持久化，进程重启后从上次位置继续；
• 熔断保护：单源解析失败率超过阈值自动熔断并告警，避免单源故障拖垮全管道。

3.3 出口与代理使用的合规边界

3.4 速率限制与配额管理（配置基线）

04 · AI/LLM辅助情报生产：能力跃迁与风险控制

4.1 四个高价值落地场景

4.2 幻觉零容忍的工程框架

LLM的最大风险是"编造看似合理的IOC或ATT&CK映射"。本课题规定三条工程红线：

• 抽取必回链：模型输出的每个IOC必须能指回原文位置（段落定位）；无法在原文中找到出处的抽取结果直接丢弃，不进入任何下游环节。
• 校验必过规则：抽取结果须经格式校验（如域名语法、哈希长度）与已有库交叉比对——模型负责"召回"，规则与人工负责"精确"。
• 置信度分离：AI辅助产物的置信度初始值不得超过人工研判产物，且在对象中标注"机器辅助"来源属性，消费端可据此区别对待。
• 结构化输出约束：抽取任务使用JSON Schema/function calling约束输出格式，结合RAG（检索增强）要求模型仅依据给定原文作答，从机制上压缩自由发挥空间。

4.3 间接提示注入：被低估的新威胁

4.4 落地成熟度梯度

1. 起步：用LLM做报告摘要与初筛，人工完成全部抽取与研判；
2. 进阶：IOC抽取自动化+回链校验，人工抽检比例≥20%；
3. 成熟：ATT&CK映射建议+多源冲突聚合，人工聚焦裁决与深研；全程指标化（抽检命中率、回链率、纠错率）。

4.5 AI辅助产出质量指标与放行阈值

注：金标评估集每季度用人工新判样本扩充复测；模型、提示词或解析链路任一变更须重新评估后方可调整自动化比例。

05 · 多模态与相似度分析：超越精确匹配

精确哈希（SHA-256）只能回答"是否完全相同"。攻击者对恶意文件做小改动即可绕过，因此需要模糊匹配能力衡量"有多像"：

5.1 主流模糊哈希算法对比

5.2 多模态情报

• 页面截图特征：钓鱼页面按截图感知哈希（如pHash类方法）聚类，可发现同一模板批量生成的钓鱼站点——即使域名、IP完全不同。
• TLS证书相似度：同一工具自动签发的证书在字段顺序、序列号模式上留有指纹，可作为基础设施归并的辅助键。
• 行为相似度：网络流量时间序列（心跳间隔、包长分布）的相似度分析，用于无文件攻击与加密流量中的家族识别——与第3页JA3思路互补。

06 · 采集基础设施自身安全

采集器天天接触"最脏的数据源"（钓鱼页面、恶意样本元数据、暗网内容），本身就是高价值攻击目标——攻击者完全可能在情报源里预埋针对采集系统的攻击（恶意文档解析漏洞、图片解析漏洞、服务端请求伪造等）。

6.1 加固清单

07 · 对抗时代的采集KPI增补

在第2页§06 KPI体系基础上，增加四项对抗韧性指标：

本节参考来源（第5页）

以下均为真实可查的开源项目、学术文献或官方资料。