OpenCTI CSV映射器中多杀伤链阶段分配的技术解析
2025-05-30 12:47:05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
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
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
392
3.9 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
261
322
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++
661
312
🎉 (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
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1