第 4 阶段项目:一个威胁模型
为什么重要 这个项目把第 4 阶段汇聚在一起。你将为一款你真正在使用的产品写一个真实的威胁模型,形式是 Python 数据,并编写对照评分标准检查它的代码。最后你会得到一个可以复用于任何产品的工具,以及一份清楚的、你应该首先修复的三件事的清单。
任务说明
挑一款你使用的产品:一个通讯应用、一个健身追踪器、一个购物网站、一个智能音箱。在一个名为 MODEL 的字典里,从你作为用户的角度写出它的威胁模型,然后编写三个检查它并给它排序的函数。
保持私密:你的代码在你自己的浏览器里评分。如果你打开了跨设备保存,你的草稿也会保存在 Floati 的服务器上,这又是一个让它保持笼统的理由。即便如此,也要让模型保持笼统:写“我的消息”或“我的家庭住址”,绝不要写真实的密码、用户名、地址或账号。威胁模型关乎的是风险的形状,而不是秘密本身。
MODEL 的形状
MODEL = {
"product": "a fitness tracker app (fitly.example)",
"assets": ["my running routes", "my heart-rate history", "my contacts"],
"adversaries": [
{"who": "advertisers", "wants": "my habits", "capability": "buy data from the app"},
{"who": "a stranger", "wants": "where I live", "capability": "see public route maps"},
],
"threats": [
{"id": "T1", "asset": "my running routes", "adversary": "a stranger",
"what": "public maps show where my runs start, near my home",
"likelihood": 2, "impact": 3},
# ... at least 4 threats
],
"mitigations": [
{"threat": "T1", "action": "hide the first and last 500 m of every route", "owner": "me"},
# ... at least one for every threat
],
}
每个威胁的 asset 都必须是你的 assets 之一,每个威胁的 adversary 都必须和某个对手的 "who" 相匹配。这让模型连成一体:每个威胁都准确地说明它打击的是什么,以及是谁干的。owner 说明由谁来执行缓解措施:"me" 或 "product"(你会要求公司去改变的事情)。
评分标准
| 检查项 | 不通过时的问题代码 |
|---|---|
| 一个非空的产品名称 | no-product |
| 至少 3 项资产 | few-assets |
| 至少 2 个对手 | few-adversaries |
| 至少 4 个威胁 | few-threats |
| 每个威胁的资产都在资产列表里 | unknown-asset:T1(带上那个威胁的 id) |
| 每个威胁的对手都和某个“who”相匹配 | unknown-adversary:T1 |
| 可能性和影响都是 1、2 或 3 | bad-score:T1 |
| 每个威胁都至少有一项缓解措施 | unmitigated:T1 |
自我评估与导师反馈
测试会检查你的模型是否完整、是否连成一体,以及你的函数是否正确。它们没法判断你的威胁是不是正确的威胁。为此,把你的前三个威胁大声读出来,问问自己:一个了解这款产品的人会同意这些是最大的风险吗?你也可以按下设备端导师的代码审查按钮,获得对你作品的意见。它在你的浏览器里运行,所以模型会留在你身边。它是一个小模型,所以把它的意见当作促使你思考的提示,而不是定论。自动检查能证明你的模型是完整的;它是否正确,是需要你自己判断的部分。
做出一个好模型的技巧
- 用上你学到的东西:Cookie、指纹、像素和同意(第 1 阶段),跟踪器在代码中如何运作(第 2 阶段),网站上的第三方和泄露(第 3 阶段),HTTPS 和端到端加密能隐藏什么、不能隐藏什么,以及 AI 功能把你的文本发到了哪里。
- 至少包含一个普通的威胁(一个重复使用的密码、一部丢失的手机),以及一个关于产品本身的威胁(它收集什么、它和谁分享)。
- 优先选择你这周真的会去做的缓解措施,而不是那些你不会去做的完美措施。
用其他语言实现
JavaScript:用一个两部分的排序来做风险排名。
const risk = t => t.likelihood * t.impact;
function topThreats(model, n = 3) {
return [...model.threats]
.sort((a, b) => risk(b) - risk(a) || a.id.localeCompare(b.id))
.slice(0, n)
.map(t => t.id);
}
Rust:用 sort_by 实现同样的排序。
threats.sort_by(|a, b| risk(b).cmp(&risk(a)).then(a.id.cmp(&b.id)));
回顾
- 写成数据的威胁模型可以被代码检查:是否完整、是否连成一体、并且排好序。
- 风险等于可能性乘以影响;平局时按威胁 id 决定先后,这样顺序永远是一样的。
- 测试检查的是结构;由你和导师来判断威胁是不是正确的那些。
- 让你的模型保持笼统和私密:描述风险,永远不要写下秘密。
为一款你使用的产品填写 MODEL(参见上面的形状):一个 "product" 字符串,至少 3 项 "assets",至少 2 个 "adversaries"(每个都有非空的 "who"、"wants" 和 "capability"),至少 4 个 "threats",并为每个威胁写一项缓解措施(有非空的 "action",以及值为 "me" 或 "product" 的 "owner")。然后编写:
risk(threat):返回likelihood * impact。top_threats(model, n=3):返回风险最高的n个威胁的 id,最高的排在前面;当两个威胁的风险相同时,较小的 id(按普通的字符串顺序)排在前面。rubric(model):返回评分标准表中的问题代码列表,当模型通过时返回[]。先检查四条针对整个模型的规则,然后按列表顺序检查每个威胁,按资产、对手、分数、缓解措施的顺序进行检查。使用带默认值的.get,这样缺少某些键的模型就不会崩溃。
rubric(MODEL) 和 top_threats(MODEL)。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。