Hayabusa日志分析工具中的expand修饰符支持解析
2025-06-30 07:48:17作者:房伟宁
背景介绍
Hayabusa作为一款开源的Windows事件日志分析工具,其规则引擎支持多种修饰符来增强检测能力。近期开发团队正在讨论对expand修饰符的完整支持方案,这是当前规则系统中最后一个待实现的关键修饰符。
expand修饰符技术解析
expand修饰符的主要功能是通过预定义列表实现规则条件的动态扩展。与常规修饰符不同,它需要依赖外部配置文件才能正常工作。目前规则库中存在以下五种预定义的扩展列表类型:
- 管理员工作站列表(Admins_Workstations)
- 域控制器主机名列表(DC-MACHINE-NAME)
- 工作站列表(Workstations)
- 内部域名列表(internal_domains)
- 域控制器主机名列表(domain_controller_hostnames)
实现方案设计
开发团队提出了以下技术实现要点:
-
配置文件存储:
- 采用
./config/expand/目录存储扩展列表文件 - 每个列表对应一个文本文件(如
Admins_Workstations.txt) - 文件内容为每行一个扩展值
- 采用
-
规则处理逻辑:
- 当检测到
expand修饰符时,工具会查找对应的列表文件 - 将占位符(如
%Admins_Workstations%)替换为文件中的所有值 - 自动生成多条等效规则条件进行匹配
- 当检测到
-
修饰符组合支持:
- 基础
expand修饰符 contains|expand组合修饰符- 计划支持
startswith|expand和endswith|expand
- 基础
-
错误处理机制:
- 当列表文件不存在时,自动忽略相关规则
- 在统计信息中单独显示扩展规则的数量和启用状态
应用场景示例
考虑以下检测规则示例:
detection:
selection:
EventID: 5145
RelativeTargetName|contains: '\winreg'
filter_main:
IpAddress|expand: '%Admins_Workstations%'
condition: selection and not filter_main
当Admins_Workstations.txt包含5个IP地址时,工具会将其转换为等效于检查5个独立IP条件的规则,大幅简化了规则编写工作。
技术优势
- 灵活性:允许用户自定义扩展列表,适应不同环境需求
- 可维护性:集中管理常用值列表,便于统一更新
- 兼容性:保持与现有Sigma规则语法的兼容
- 可扩展性:支持多种修饰符组合使用
未来发展方向
开发团队还计划添加相关命令工具:
- 列出所有可用的扩展占位符名称
- 创建扩展列表配置文件的辅助工具
这种设计将使Hayabusa在复杂企业环境中的适应性更强,特别是对于需要频繁更新检测对象列表(如管理员工作站、域控制器等)的场景,提供了更优雅的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220