應用程序編程接口（API）實際上是現代應用程序的構建塊，對于構建和連接應用程序及網站都是十分必要的存在。如今，應用程序開發中的API使用已成為新的實踐標準，通過集成第三方服務的功能，開發人員不用再從無到有自己構建所有功能，這樣一來可以加快新產品及服務的開發過程。
近年來，API的使用更是呈現爆炸式增長。根據Akamai的說法，API通信現在占所有互聯網流量的83％以上。
盡管API支撐著用戶早已習慣的互動式數字體驗，是公司數字化轉型的基礎，但由于API的防護薄弱，同時也為惡意黑客提供了訪問公司數據的多種途徑，成為攻擊的主要目標之一，特別是惡意機器人攻擊。
根據Perimeterx最新調查數據顯示，通過API端點進行登錄嘗試的流量中，高達75%都是惡意的。攻擊者正在系統地使用機器人進行惡意登錄嘗試。那么如何保護API免受機器人侵擾和攻擊呢？下文將為大家介紹API 機器人檢測和防護的有效方法。
API機器人攻擊不斷增長
API允許開發人員更輕松地訪問、重用和集成功能資產和數據，從而將敏捷性、速度和效率引入開發流程。這也導致了越來越多的組織過度依賴API，開始部署越來越多的API來幫助實現自身的數字化轉型計劃。
API流量不斷增長，但惡意API流量卻增長得更快。數據顯示，Salt Security客戶每月的API調用量增長了51％，而惡意流量則增長了211％。
API經常面臨機器人網絡攻擊的風險，如拒絕服務（DoS）和分布式拒絕服務（DDoS）攻擊、內容和敏感信息抓取、梳理攻擊以及賬戶接管等。
根據Salt Security于去年2月發布的報告顯示，2020年有91％的公司存在與API相關的安全問題。其中，最常見的是漏洞，涉及54%的受訪組織；緊隨其后的是身份驗證問題（46%受訪者）、僵尸程序（20%受訪者）以及拒絕服務（19%受訪者）。
此外，98% 的組織宣稱發生過針對其應用程序/網站的攻擊，而82% 的組織報告說這些是機器人網絡攻擊。一些組織每月至少面臨一次 DoS/DDoS 攻擊或某種形式的注入或屬性操縱事件。
但糟糕的現實是，超過四分之一的組織正在沒有任何安全策略的情況下運行基于關鍵API的關鍵應用程序。例如，Peloton最初就是可供任何人在任何地方通過API訪問用戶數據，而無需任何身份驗證。
API機器人攻擊日盛的推動因素
40%的組織報告稱，由于API的存在，超過一半以上的應用程序暴露在第三方服務或互聯網上；
基于機器人的API攻擊更容易編排，因為僵尸網絡隨時可供租用；
傳統的檢測和預防技術，如速率限制、基于簽名的檢測、阻塞協議等，被發現無法抵御高度復雜的API機器人攻擊；
惡意行為者正在系統地利用機器人，組織通常很難區分人類活動和機器人活動，以及區分好的和惡意的機器人，這嚴重限制了他們保護API免受機器人攻擊的能力；
API請求不經過瀏覽器或原生應用程序代理的傳統路徑；它們充當可以訪問資源和功能的直接管道。這使得API成為攻擊者有利可圖的目標；
通常，開發人員使用API的標準/通用規則集，而不考慮業務邏輯。這就為API敞開了業務邏輯漏洞的大門，這些漏洞經常被機器人利用來造成嚴重破壞。
如何保護API免受機器人攻擊影響？
收集情報，建立正常行為的基線
為了有效地保護API免受機器人攻擊影響，組織需要確定什么是可接受的正常行為，以及什么是異常行為。為此，組織的安全解決方案必須監控API流量，并通過指紋、行為、模式和啟發式分析、工作流驗證、全局威脅源、網絡響應時間等收集情報。這些見解必須與內部和外部的信譽源相結合，以建立人類和機器人行為的基線，以及在機器人行為中，區分什么是好的和壞的行為。
這個過程必須是持續的，因為數字領域正在迅速發展；攻擊者正在不斷利用復雜的技術，以確保機器人能夠模仿人類行為。組織需要不斷地針對API安全性重新校準哪些是可接受的和惡意的行為。
持續監控API請求
根據基線模型細粒度地監控所有API請求。API中的機器人檢測過程需要智能（使用自學習AI、深度分析和自動化）且靈活，以確保實時機器人活動檢測的敏捷性、速度和準確性。此外，持續的監控和記錄同樣至關重要。
部署即時的惡意機器人緩解技術
為了保護API免受機器人攻擊，組織不能停止實時檢測，必須能夠阻止惡意機器人訪問API和API經常暴露的關鍵任務資產。為此，智能API機器人管理解決方案可以即時、智能地對抗最復雜和最隱秘的惡意機器人。
智能API機器人管理工具根據實時洞察和信號決定是否允許、阻止、標記或質疑傳入的API請求。結合一個可靠的錯誤管理系統，這有助于最大限度地減少誤報和漏報。換句話說，它們有助于為惡意機器人和惡意行為者訪問API、非法流量和良性機器人增加摩擦力。
實施零信任架構
采用零信任架構，其中每個用戶都必須證明自己的身份，并根據其角色和執行必要操作所需的范圍內給予訪問權限。不受限制的、未經檢查的權限和特權都不利于API安全，特別是針對諸如憑證填充和暴力攻擊等機器人網絡攻擊。此外，組織還可以實施基于角色的強大訪問控制、強密碼策略和多因素身份驗證。
自定義規則集
根據上下文智能定制規則集，以防止機器人利用API中的業務邏輯缺陷和其他漏洞。此外，請務必在獲得認證的安全專家的幫助下，準確地定制安全策略。
更多信息可以來這里獲取==>>電子技術應用-AET<<
