Azure Sentinel中Cisco ISE日志解析问题的深入分析与解决方案
问题背景
在Azure Sentinel环境中使用Cisco ISE解决方案时,用户遇到了"CiscoISEEvent"函数解析数据不正确的问题。这个问题导致日志数据被错误地分配到不匹配的列中,严重影响了安全监控和事件调查的有效性。
问题现象
当用户在Sentinel或Log Analytics中执行"CiscoISEEvent"函数查询时,返回的数据显示以下异常情况:
- 事件ID和严重级别等关键字段未能正确解析
- 数据被错误地分配到不匹配的列中
- 部分日志条目完全丢失了事件ID和严重级别信息
根本原因分析
经过深入调查,发现该问题主要由以下因素导致:
-
日志格式变化:新版Cisco ISE设备输出的日志格式发生了变化,特别是在处理包含大量外部组的事件时(如事件ID 5002/3001)。
-
多日志分段:ISE现在会将单个事件拆分为多个日志条目发送,每个条目开头包含日志标识符和序列号,这与原有解析函数不兼容。
-
混合格式:系统同时存在两种不同的日志格式,导致单一解析规则难以正确处理所有情况。
技术解决方案
改进的解析函数
针对上述问题,我们开发了增强版的解析函数,主要改进包括:
-
多日志合并处理:新增了对分段日志的识别和合并功能,确保完整事件信息的重建。
-
扩展字段支持:新增了对EapAuthentication和CPMSessionID等字段的解析支持。
-
格式兼容性增强:优化了正则表达式模式,提高了对不同日志格式的兼容性。
关键代码改进
let EventData = Syslog
| where ProcessName has_any ("CSCO", "CISE")
| extend EventVendor = 'CISCO'
| extend EventProduct = 'ISE'
| parse SyslogMessage with EventId:string " " EventSeverity " " EventCategory " " RestOfMessage
| parse SyslogMessage with * ": " EventMessage"," *
| parse-kv SyslogMessage as (ConfigVersionId:int, ['Device IP Address']:string, NetworkDeviceName:string, DestinationIPAddress:string, DestinationPort:int, UserName:string, Protocol:string, RequestLatency:int, ['NAS-IP-Address']:string, ['NAS-Port']:int, ['NAS-Port-Type']:string, ['NAS-Identifier']:string, ['Service-Type']:string, ['Framed-MTU']:int, ['Called-Station-ID']:string, ['Calling-Station-ID']:string, Action:string, ['Privilege-Level']:int, ['Remote-Address']:string, NetworkDeviceProfileId:string, AcsSessionID:string, ['Acct-Session-Id']:string, ['Authen-Type']:string, AuthenticationIdentityStore:string, AuthenticationMethod:string, Service:string, SelectedAccessService:string,CPMSessionID:string, EapAuthentication:string, SelectedShellProfile:string, IdentityGroup:string, ['Service-Argument']:string, CmdSet:string, MatchedCommandSet:string, ['Authen-Method']:string, SelectedCommandSet:string, NetworkDeviceProfileName:string, PostureStatus:string, SelectedAuthorizationProfiles:string, AuthorizationPolicyMatchedRule:string, MisconfiguredClientFixReason:string, RadiusPacketType:string, FailureReason:string, Type:string, DetailedInfo:string) with (pair_delimiter=', ', kv_delimiter='=')
实施建议
-
全面测试:在生产环境部署前,建议在测试环境中充分验证新解析函数的准确性。
-
监控机制:实施后应建立监控机制,确保所有关键字段都能被正确解析。
-
定期更新:随着Cisco ISE版本的更新,应定期检查解析函数的兼容性。
总结
Cisco ISE日志解析问题是一个典型的因源系统日志格式变化导致的数据处理异常案例。通过深入分析日志结构变化并针对性改进解析函数,我们成功解决了这一问题。建议所有使用Cisco ISE与Azure Sentinel集成的用户及时更新解析规则,确保安全监控数据的完整性和准确性。
对于更复杂的环境或特殊需求,可能需要进一步定制解析逻辑。安全团队应保持对日志格式变化的敏感性,及时调整数据处理策略,以维护安全监控体系的有效性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00