Hayabusa日志分析工具字段输出问题解析
2025-06-30 21:47:32作者:晏闻田Solitary
问题背景
Hayabusa是一款功能强大的Windows事件日志分析工具,主要用于安全事件调查和威胁检测。在最新版本中,用户发现当使用all-field-info和all-field-info-verbose这两种输出模式时,工具未能正确显示事件日志中的原始字段信息。
问题现象
正常情况下,当使用默认输出模式时,Hayabusa能够正确显示如下的详细字段信息:
2016-09-20 01:50:06.513 +09:00 · PW Guessing · med · DESKTOP-M5SN04R · Sec · 4625 · - · Count: 3558 ¦ TargetUserName: Administrator ¦ TargetDomainName: . ¦ IpAddress: 192.168.198.149 ¦ LogonType: 3 ¦ ProcessName: - ¦ LogonProcessName: NtLmSsp · -
然而,当切换到all-field-info模式时,输出结果中缺失了关键的字段信息:
2016-09-20 01:50:06.513 +09:00 · PW Guessing · med · DESKTOP-M5SN04R · Sec · 4625 · - · - · Sec_4625_Med_LogonFail_WrongPW_PW-Guessing_Correlation.yml · ../hayabusa-sample-evtx/DeepBlueCLI/smb-password-guessing-security.evtx
技术分析
这个问题主要影响两类规则:
- 关联规则(Correlation Rules)
- 旧的计数聚合规则(Count Aggregation Rules)
从技术实现角度来看,all-field-info模式本应输出原始的事件日志字段名称而不进行任何名称转换。当前的问题表明在代码实现中存在逻辑遗漏,导致在该模式下未能正确处理和输出字段信息。
影响范围
此问题会影响安全分析人员在以下场景中的工作效率:
- 需要查看原始事件字段进行深入分析时
- 使用自定义脚本处理Hayabusa输出结果时
- 进行事件日志字段级别的关联分析时
解决方案
项目维护者已确认这是一个实现上的疏漏,并承诺将修复此问题。修复后,无论使用何种输出模式,都将保持一致的字段信息输出行为。
未来改进方向
项目团队还计划对字段命名进行统一规范化处理,这将涉及:
- 标准化字段名称格式
- 确保不同输出模式间的命名一致性
- 提供清晰的字段映射文档
这一改进将进一步提升工具的输出可读性和处理一致性,但需要仔细规划以避免破坏现有用户的工作流程。
总结
字段信息的完整输出对于日志分析至关重要,特别是在安全调查场景中。Hayabusa团队对此问题的快速响应体现了对工具质量的重视。用户可期待在后续版本中获得更稳定、一致的字段输出功能,无论选择何种输出模式。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219