© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
杭州安恒信息技术股份有限公司
企业杭州安恒信息技术股份有限公司成立于2007年，属软件和信息技术服务业，主营第一类增值电信业务。面向网络安全、威胁情报等领域提供数据服务，开放网络安全管理威胁情报hash情报原始数据（网络安全、威胁情报）、网络安全管理域名威胁原始情报数据（网络安全、威胁情报）、网络安全管理威胁情报APT组织情报数据（网络安全、威胁情报），支撑预警干预与风险管控。
网络安全威胁情报软件信息服务高新技术企业瞪羚企业
数据集列表
网络安全高级持续性威胁防护恶意家族数据
该情报库，来源内部数据采集。网络安全高级持续恶意家族数据涵盖攻击多方面信息，可用于预警、防御与取证分析，在安全管理等多领域应用广泛。
浙江大数据交易服务平台2025-03-27 更新140
网络安全管理DNS解析数据
1.安全解决方案
1）安全运营（SOC）/ 托管检测与响应（MDR）/ 托管安全服务（MSS）
数据钻取与上下文关联：DNS解析库适用于SOC、MDR、MSS等平台的数据钻取，通过解析域名信息，增强域名的上下文关联。这有助于安全团队更准确地理解网络流量、用户行为和设备之间的关联，从而更有效地识别潜在的安全威胁。
威胁情报与防御：DNS解析库可以提供有关恶意域名、钓鱼网站和僵尸网络的实时情报。这些情报可以与SOC、MDR、MSS等平台集成，帮助安全团队及时发现和响应针对这些威胁的攻击活动。
2.数据安全
1） 数据库安全
数据库访问控制：通过DNS解析库，数据库管理员可以基于域名信息来限制和监控对数据库的访问。这有助于防止未经授权的访问和数据泄露。
2） 数据泄露防护（DLP）
流量分析与识别：DNS解析库可以帮助DLP系统分析网络流量中的域名请求，识别潜在的数据泄露行为。例如，通过分析用户访问的域名和请求的内容，DLP系统可以检测是否存在未经授权的数据传输或共享。
安全策略制定：基于DNS解析库的数据，DLP系统可以制定更精细的安全策略。数据采集：通过massdns对收集的基础域名进行DNS请求。
数据清洗：对扫描结果进行合并，解析出域名A记录等逻辑关系，统一结构，加入ip定位标记。
数据加工：1.清洗DNS数据，去除无效或错误的记录，例如查询那些不存在的域名或IP地址的记录。2.数据解析：分析DNS数据包，提取关键信息如域名、查询类型、响应代码、TTL值等；3.数据关联分析：将DNS数据与其他数据源进行关联，比如结合IP地理位置信息、CDN使用情况、云防护服务等，进行综合分析；数据应用：DNS解析记录在将域名转换为IP地址的过程中起关键作用，不仅支持网站访问、电子邮件传递、内容分发网络（CDN）、负载均衡、分布式服务发现和应用程序配置，还在网络安全方面用于反垃圾邮件保护、钓鱼网站防范、DDoS攻击缓解、威胁情报收集和网络取证等多种安全功能。
浙江省数据知识产权登记平台2024-09-11 更新1140
网络安全管理威胁情报漏洞预警通报数据
网络安全管理威胁情报漏洞预警通报数据的应用场景：1.安全管理-漏洞扫描与漏洞管理：
漏洞库是漏洞扫描和漏洞管理系统的核心组件。系统通过定期扫描网络资产，比对漏洞库中的已知漏洞信息，发现潜在的安全风险。同时，管理员可以利用漏洞库中的修复建议和补丁信息，及时对漏洞进行修复和管理，降低安全风险。
2.端点安全-终端防病毒与终端安全管理：
终端防病毒软件和终端安全管理平台可以利用漏洞库中的信息，对终端系统进行风险评估和加固。例如，通过检测终端上是否存在漏洞库中的已知漏洞，并采取相应的防护措施，如隔离感染终端、更新安全补丁等，防止恶意软件利用这些漏洞进行攻击。
3.安全解决方案-安全运营/MDR/MSS：
在安全运营、托管检测与响应（MDR）以及托管安全服务（MSS）中，漏洞库是提供全面安全服务的重要支撑。通过实时更新漏洞库中的信息，安全团队能够为客户提供及时的漏洞预警、风险评估和应急响应服务，确保客户资产的安全。
4.工控安全-工控安全管理平台与工控安全审计：
在工控安全领域，漏洞库对于确保工业控制系统的安全至关重要。工控安全管理平台可以利用漏洞库中的信息，对工业控制系统进行风险评估和加固。网络安全管理威胁情报漏洞预警通报数据的算法规则：1. 数据收集与标准化：收集漏洞数据，包括但不限于数据ID、来源ID、风险名称、风险描述、风险分析、处置建议、漏洞类型、受影响厂商、受影响产品、受影响版本、相关报告等。
2. 风险评估：分析漏洞的严重性，考虑漏洞的影响范围、潜在威胁、已知晓的利用情况以及漏洞被利用可能导致的后果。
3. 漏洞特征提取：提取漏洞的关键特征，如受影响的产品、版本号、已知的攻击向量、利用效果等。4. 影响分析：根据受影响的厂商和产品，分析可能受影响的行业和领域，评估漏洞被利用可能导致的业务影响。5. 修复措施制定：根据漏洞详情和相关报告，制定具体的修复措施，包括软件更新、补丁应用、配置更改等。6. 通报机制：
设计通报机制，确保漏洞信息能够及时准确地传达给相关利益相关者，包括监管机构、厂商、用户等。
浙江省数据知识产权登记平台2024-09-07 更新330
网络安全管理IP威胁画像数据
1. 安全管理平台/态势感知： 全面监控与风险识别：IP威胁画像数据为安全管理平台提供详尽的IP地址信息，涵盖地理位置、组织归属、历史行为等。通过实时网络监控与画像库信息的融合，平台能高效识别异常或高风险IP，为安全团队提供即时的风险预警。 威胁溯源与定位：安全事件发生时，IP威胁画像数据助力安全团队迅速追踪攻击源头，了解攻击者背景和行为模式，为制定精准应对措施提供支持。 2.威胁情报（TI）： 恶意IP识别：IP威胁画像数据整合了已知的恶意IP信息，如僵尸网络节点、恶意软件C&C服务器等。威胁情报系统利用这些信息快速识别网络中的恶意IP，为安全团队提供关键威胁线索。 情报分析与关联：借助IP威胁画像数据的丰富数据，威胁情报系统能深入分析安全事件，揭示复杂网络环境中的潜在威胁。例如，通过对比多个恶意IP的画像信息，可发现其关联关系，揭示更广泛的威胁网络。 情报共享与协作：IP威胁画像数据支持跨组织情报共享，通过共享IP画像信息，促进不同组织间的网络安全防护能力提升，实现更广泛的威胁情报协作。数据采集：通过采集系统获取网络安全攻击信息，内容包括但不限于攻击时间、侦查扫描攻击集合、IP等。通过恶意文件监控系统获取内外部流行恶意文件样本：综合收集各类产品日志、SaaS监测等数据； 数据清洗：对采集到的数据进行ETL。以满足后续对IP画像信息进行生产的需求。 数据加工： 1. 利用AI大模型、LSTM+CRF算法等技术进行自然语言处理和安全文章分析，提取分析相关IP画像信息。2. 采用MinHashLSH、Xgboost等算法结合数据进行挖掘产出-恶意IP画像字段：IP、攻击者30天中小时分布、省份分布集合、dnslog集合、侦查扫描攻击集合、漏洞利用攻击集合、IP攻击分析访问端口集合、正常UA占比、403占比、携带XFF占比、访问成功占比、活跃时区分析、访问域名 Top10集合、行为走势分析访问端口TOP10 集合、UA Top10集合、访问路径 Top10集合3. 采用Flink和Kafka等流处理技术，对实时数据进行高效处理分析，并利用Spark和Hadoop等计算框架对海量IP数据并行处理。 4. 结合图谱与聚类算法，形成以上述提到的”恶意IP画像字段“构成的IP威胁画像
浙江省数据知识产权登记平台2024-09-03 更新320
网络安全威胁情报IPV4地理位置数据
安全管理 - 安全管理平台/态势感知 场景描述：在安全管理平台或态势感知系统中，通过整合威胁IP的地理位置数据，可以构建全面的网络安全态势图。这张图不仅展示了当前的网络安全状况，还能揭示潜在的安全威胁趋势和地理分布特征。安全团队可以基于这些信息，制定更加精准的防御策略和应急响应计划。 应用价值：增强对网络安全态势的感知能力，提高决策效率和准确性，为网络安全策略的制定和执行提供有力支持。 安全管理 - 漏洞扫描与漏洞管理 场景描述：在企业进行定期或不定期的网络安全扫描过程中，发现潜在的安全漏洞后，需要迅速评估这些漏洞可能带来的风险。此时，结合威胁IP的地理位置数据，安全团队能够识别出哪些区域的IP地址频繁尝试利用这些漏洞，从而有针对性地加强这些区域的防御措施，比如通过IP黑名单、地理围栏等手段限制或阻断来自高风险地区的访问。数据加工：将IP地址数据统一格式，IP块采用最大之和最小值表示，如将IPv4地址转换为标准的点分十进制表示。将每个部分的数值转换为十进制。算法公式是：IPdecimal=(w×16777216)+(x×65536)+(y×256)+z，其中IPdecimal为IP的数值表示，w、x、y和z分别是IP地址的四个部分。例如：IP:192.168.0.1的取值为w:192,x:168,y:0,z:1;IPdecimal=(192×16777216)+(168×65536)+(0×256)+1=3232235521；维护一个包含IP地址与地理位置对应关系的数据库。定期更新以保证数据的准确性。为了提高匹配效率，采用数据哈希、二分查找等数据结构或算法优化查找过程。
浙江省数据知识产权登记平台2024-08-14 更新230
网络安全管理-威胁情报-域名精准情报数据
该情报库，来源内部数据采集，通过多个维度详细记录每个可疑或恶意域名的特征和关联信息，确保分析人员能够迅速识别、评估潜在威胁并采取相应措施。
浙江大数据交易服务平台2025-03-20 更新270
网络安全管理威胁情报黑灰产网站要素数据
威胁情报分析：利用这些数据来收集有关网络犯罪团伙的信息，包括他们的联系方式、使用的平台和服务。可以识别出黑灰产活动的模式和趋势，以便更好地预测未来的威胁。 网络防御：创建黑名单数据库，包含可疑的URL、电子邮件地址、电话号码等，以防止员工访问这些网站或与这些联系人交流。使用这些数据来监控网络流量，识别可疑的访问尝试或通信行为。安全预警：设置自动化的警报系统，当检测到与黑名单数据匹配的行为时立即发出警报，一旦发现可疑活动，迅速启动事件响应流程，采取必要的措施来减轻威胁。数据泄露监控：利用这些数据来检测敏感信息（如身份证号、手机号等）是否已被泄露，并及时通知受影响的客户或员工，分析数据泄露的源头，帮助确定泄漏途径和原因。数据的核心字段为"要素内容"字段，该字段存放基于正则表达式进行提取的要素，通过“要素类型”字段进行要素类型的标识，提取规则如下：1.url要素：^(((((ht|f)tps?):\/\/)|www\.)[\w-]+(\.[\w-]+)+([\w.,@?^=%&:\/~+#-]*[\w@?^=%&\/~+#-])?)$，2.手机号要素：(((?:0|86|\+86)?1[3456789]\d{9}))[^\d\-\.]*，3.固定号码要素：\d{3}-\d{8}|\d{4}-\{7,8}，4.电子邮箱要素：[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)，5.qq号要素：[1-9][0-9]{5,9}@q{2}\.com，6.TG号要素：@[A-Za-z0-9_]{4,19}，7.推特号要素：[A-Za-z0-9_]{4,19},黑灰产网站要素数据是基于以上规则进行加工处理的，本样例是以其中的URL规则处理的数据作为样例展示。
浙江省数据知识产权登记平台2024-09-07 更新410
网络安全管理威胁情报域名精准情报数据
1. 安全管理 日志分析与审计：通过域名精准情报库，安全团队可以快速分析网络日志，识别出与恶意域名相关的活动，从而发现潜在的攻击行为或失陷资产。 安全管理平台/态势感知：集成域名精准情报库的安全管理平台能够提供全面的网络态势感知能力，实时检测与恶意域名相关的威胁活动，为安全团队提供及时的预警和处置建议。 安全基线与配置管理：了解哪些域名与组织的业务相关，哪些可能是潜在的威胁来源，有助于安全团队制定更加合理的安全基线和配置策略。 威胁情报（TI）：域名精准情报库是威胁情报的重要来源之一，为安全团队提供关于恶意域名的详细信息，支持安全决策和响应。 漏洞扫描与漏洞管理：通过域名精准情报库，安全团队可以识别出与已知漏洞相关的恶意域名，从而优先处理与这些域名相关的漏洞，降低安全风险。 2. 安全解决方案 威胁管理/XDR：在XDR（扩展检测与响应）解决方案中，域名精准情报库能够提供关于恶意域名的关键信息，支持对威胁的全面检测、分析和响应。 安全运营/MDR/MSS：对于安全运营、托管检测与响应（MDR）以及托管安全服务（MSS）提供商来说，域名精准情报库是提升服务质量和效率的重要工具。数据加工： 1.使用公司自主研发的新一代沙箱对恶意文件样本进行动态分析，从中获取样本的攻击行为。 2.利用AI大模型进行自然语言处理和安全文章分析，提取分析相关域名威胁情报信息。 3.采用多因子AI威胁评分模型，对恶意域名的威胁程度进行评估。 威胁等级TI计算公式： [Tl=w_1×F_1+w_2×F_2+…+w_n×F_n] 。(F_1,F_2,…,F_n)是域名的历史记录、注册者信息、黑名单关联等威胁评分依据。 (w_1,w_2,…,w_n)是对应的权重。 可信度Tw是评估恶意域名是否可信的程度： [Tw=v_1×G_1+v_2×G_2+…+v_m×G_m] 。(G_1,G_2,…,G_m)是域名的注册时间、SSL证书、WHOIS信息的完整性等可信度因素。 (v_1,v_2,…,v_m)是对应的权重。 4.采用MinHashLSH、Xgboost等算法结合海量数据进行恶意域名及IOC挖掘 5.利用威胁定性模型，聚合多源情报及关联数据
浙江省数据知识产权登记平台2024-09-07 更新170
网络安全管理威胁情报黑灰产APP数据
1.安全防御与检测。 网络安全行业：安全厂商和研究人员利用黑灰产APP数据来开发和改进防御策略，包括反病毒软件、防火墙和入侵检测系统。 金融行业：银行和金融机构通过监控黑灰产APP，预警欺诈行为，强化客户身份验证和交易安全。 电信行业：运营商识别并阻止恶意流量，减少网络攻击，保护用户通信安全。 2.网络安全治理。 此类情报对于政府监管部门、执法机构来说至关重要，它们用于识别、追踪、打击网络犯罪行为，强化网络空间监管与法治建设打击犯罪 3.风险管理与品牌保护。 电子商务与零售：电商平台和品牌商利用数据优化防欺诈系统，打击假冒APP，保护品牌知识产权和消费者权益。 软件与移动应用平台：强化审核机制，确保上架应用的安全性，减少恶意软件的存在。数据采集：通过公司自研探测引擎获取APP相关信息，包括不限于APP名称、APP版本、APP通讯信息、APP源码等信息。
数据清洗：对数据进行结构化转换、标准统一、字段清洗以及多维信息聚合，以满足后续数据研判以及分析需求。
数据加工：对APP通讯信息以及APP源码进行分析。包含文本特征处理、TextCNN模型训练、模型预测以及分类标签输出四个阶段。
1.文本特征处理阶段，清洗文本，去除噪声和停用词。然后，使用分词技术分割文本为词汇。为了捕捉文本的深层含义，我们采用词嵌入技术，将每个词转换为携带语义信息的词向量。
2.TextCNN模型训练阶段，我们使用卷积神经网络架构。输入层接收处理后的词向量，随后通过多个卷积层，旨在捕捉文本中的短语结构。池化层随后提炼出关键特征，全连接层整合这些特征，最后，输出层通过Softmax函数，生成概率分布。
3.模型预测环节，当有新的文本输入时，它们首先经历与训练数据相同的预处理步骤，然后通过训练好的TextCNN模型进行分类预测。输出每个类别概率，为后续决策提供依据。
4.输出分类标签阶段，基于预测的概率和预设的阈值，APP被进行分类。
浙江省数据知识产权登记平台2024-08-16 更新830
网络安全高级持续性威胁防护策略知识数据
安全管理-漏洞扫描与漏洞管理
应用场景：在漏洞扫描过程中，安全管理策略知识数据被用于验证发现的漏洞是否已被现有安全策略所覆盖或是否需要调整策略以应对新发现的威胁。通过比对漏洞数据库与策略库，安全团队可以快速识别哪些漏洞是策略盲点，从而优先制定补救措施和更新安全策略。
端点安全-终端防病毒
应用场景：终端防病毒软件利用安全管理策略知识数据来优化病毒检测规则和行为分析模型。这些数据包括已知病毒的特征码、恶意软件的行为模式以及最新的安全威胁情报，帮助防病毒软件更准确地识别并阻止潜在的恶意软件入侵，同时减少误报和漏报。
端点安全-终端安全管理
应用场景：在终端安全管理中，策略知识数据用于配置和执行终端访问控制、应用程序白名单、系统补丁管理等策略。通过定期更新策略知识库，管理员可以确保终端符合最新的安全标准，防止未授权访问、恶意软件执行和漏洞利用。
端点安全-终端检测与响应（EDR）
应用场景：EDR系统利用安全管理策略知识数据来增强对终端异常行为的检测和响应能力。策略知识数据包括预设的威胁指示器、行为基线模型和响应预案，帮助EDR系统快速识别并响应潜在的安全事件，如勒索软件攻击、数据泄露等步骤1：数据采集，通过公司扫描类、流量类、终端类和防护类产品的策略规则提取的信息。
步骤2：数据清洗，对采集到的数据进行结构化转换和标准化处理，并进行多维信息的聚合。以更好地满足后续对恶意家族进行数据分析和关联的需求。
步骤3：数据加工，通过策略平台进行数据汇总，汇集扫描类、流量类、终端类和防护类产品的策略信息，规则类型包括系统扫描、主机扫描、数据库扫描、流量规则、WAF规则、玄武盾规则以及终端攻防规则等，每月根据最新策略规则进行汇总，按照策略名称与更新时间取最新策略信息。
浙江省数据知识产权登记平台2024-08-14 更新250