OpenCTI CSV映射器中多杀伤链阶段分配的技术解析
2025-05-30 03:34:37作者:管翌锬
背景介绍
在网络安全威胁情报分析中,杀伤链(Kill Chain)模型是描述攻击生命周期的重要框架。OpenCTI作为一款开源威胁情报平台,允许用户通过CSV映射器批量导入数据,包括为攻击模式(Attack Pattern)与行动(Operation)之间的关系分配杀伤链阶段。
问题描述
当需要为同一关系分配多个杀伤链阶段时,用户遇到了技术障碍。例如,一个扫描工具(如nmap)可能同时在"侦察"(Reconnaissance)和"发现"(Discovery)两个阶段被使用。在OpenCTI 6.6.8版本中,标准的CSV映射器配置无法直接实现这一需求。
技术解决方案
经过深入测试,发现可以通过以下配置实现多杀伤链阶段的分配:
-
CSV文件结构设计
- 每行数据需要包含所有相关的杀伤链阶段信息
- 采用列对形式存储阶段名称和顺序:(阶段1名称,阶段1顺序,阶段2名称,阶段2顺序,...)
-
映射器配置要点
- 为每个可能的杀伤链阶段创建独立的实体映射
- 每个实体映射对应CSV中的一对列(阶段名称+顺序)
- 在关系配置中,添加所有需要的杀伤链阶段实体
-
实现示例
- 假设自定义杀伤链包含5个阶段(AAA到EEE)
- CSV中需要包含10列(5个阶段名称+5个顺序值)
- 映射器中创建5个杀伤链阶段实体
- 在关系配置中引用所有5个实体
当前方案的局限性
虽然上述方案可以解决问题,但存在以下不足:
-
配置复杂度高
- 需要为每个可能的阶段创建独立映射
- 配置工作量随阶段数量呈线性增长
-
数据冗余
- 即使某些阶段不使用,也需要在CSV中保留对应列
- 导致数据文件臃肿
-
灵活性不足
- 不同关系可能需要不同数量的阶段
- 目前需要为每种情况创建独立映射器
改进建议
从技术架构角度,建议OpenCTI未来版本考虑以下优化:
-
支持动态阶段分配
- 允许在单个杀伤链阶段实体中指定多个阶段
- 使用分隔符区分不同阶段
-
增强空值处理
- 改进映射器对空列的处理逻辑
- 仅处理有值的阶段,忽略空值
-
简化配置流程
- 提供更直观的多阶段选择界面
- 减少重复配置工作
实践建议
对于当前版本的用户,建议:
- 根据实际需要,合理规划杀伤链阶段数量
- 对于常用阶段组合,可创建专用映射器模板
- 考虑将复杂关系拆分为多个简单关系处理
- 定期检查导入结果,确保阶段分配正确
总结
OpenCTI的CSV映射器在杀伤链阶段分配方面功能强大但存在优化空间。通过合理的配置,用户可以实现多阶段分配的需求,但过程较为复杂。期待未来版本能提供更简洁高效的解决方案,进一步提升威胁情报管理的便利性。
登录后查看全文
热门项目推荐
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 StartedRust0197
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 Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
5.01 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++
863
1.96 K
Ascend Extension for PyTorch
Python
722
894
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++
689
1.35 K
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
458
453
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
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
152
250
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
627
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425