Yamato-Security Hayabusa项目中Sigma关联规则的引用规则处理机制
2025-06-30 14:33:46作者:胡唯隽
摘要
在安全事件检测与分析领域,Sigma规则引擎提供了一种强大的方式来定义和检测安全事件。本文将深入探讨Yamato-Security Hayabusa项目中Sigma关联规则对引用规则的处理机制,特别是如何优雅地处理被引用的子规则输出问题。
Sigma关联规则基础
Sigma关联规则允许安全分析师创建基于多个子规则组合的复杂检测逻辑。一个典型的关联规则包含以下几个关键组成部分:
- 规则类型:定义关联的方式,如值计数(value_count)
- 引用规则列表:指定参与关联的子规则
- 分组字段:确定如何对事件进行分组关联
- 时间窗口:关联事件的时间范围
- 条件表达式:触发关联的条件
引用规则处理机制
Hayabusa项目在处理Sigma关联规则时,采用了一种智能的引用规则处理策略:
- 默认行为:当规则被关联规则引用时,默认不会单独输出这些被引用规则的检测结果
- 例外情况:只有当关联规则中显式设置了
generate: true参数时,才会同时输出被引用规则的检测结果
这种设计带来了几个显著优势:
- 减少冗余输出:避免了相同事件在结果中重复出现
- 简化分析流程:分析师可以专注于关联事件模式而非单个事件
- 提高效率:减少了需要处理和存储的数据量
实现细节
在技术实现层面,Hayabusa项目通过以下方式处理引用规则:
- 规则加载阶段:解析所有Sigma规则时,识别关联规则及其引用的子规则
- 引用关系构建:建立关联规则与子规则之间的映射关系
- 执行决策:根据
generate参数决定是否执行并输出子规则
实际应用示例
考虑一个检测登录失败场景的关联规则示例:
title: 登录失败模式检测
id: 0e95725d-7320-415d-80f7-004da920fc11
level: medium
correlation:
type: value_count
rules:
- 用户名不存在规则
- 密码错误规则
group-by:
- Computer
timespan: 5m
condition:
gte: 2
field: SubStatus
在这个案例中,系统只会输出满足关联条件的复合事件,而不会单独输出"用户名不存在"或"密码错误"的单个事件,除非特别配置。
最佳实践建议
基于Hayabusa项目的这一特性,安全团队可以遵循以下最佳实践:
- 合理设计关联规则:将逻辑相关的检测规则组织在一起
- 谨慎使用generate参数:仅在需要调试或特殊分析时启用子规则输出
- 模块化规则设计:创建可重用的基础检测规则,供多个关联规则引用
- 性能考量:对于高频事件类型,优先使用关联规则而非单独规则
结论
Yamato-Security Hayabusa项目对Sigma关联规则中引用规则的处理机制体现了高效、灵活的设计理念。通过智能控制子规则的输出,既满足了复杂检测场景的需求,又避免了结果冗余,为安全运营团队提供了更清晰、更有价值的安全事件视图。这一设计在处理大规模安全日志时尤其重要,能够显著提升安全事件检测和分析的效率。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210