【免费下载】 VERIS(事件记录与事故共享词汇表)使用指南
项目介绍
VERIS(Vocabulary for Event Recording and Incident Sharing) 是由Verizon Risk Team维护的一个开源项目,旨在提供一套标准化词汇和框架来记录和分享安全事件及事故信息。它帮助安全团队以一致的方式收集和分析数据,从而促进更好的事件响应和安全态势理解。版本已更新至1.3.2,并计划进一步迭代至1.4版,以解决架构层级的问题并增加更多功能。项目中包含JSON模式定义、枚举列表、脚本工具等,用于验证、转换和处理事件数据。
项目快速启动
为了快速开始使用VERIS,您首先需要克隆项目到本地:
git clone https://github.com/vz-risk/veris.git
cd veris
接下来,确保您的Python环境已经安装了必要的库,如nose测试框架。您可以使用以下命令安装:
pip install nose
进行基本的验证测试,执行以下命令:
nosetests
如果您想将标准的Excel文件转换成可用于分析的JSON格式数据,可以利用import_stdexcel.py脚本。但请注意,实际操作可能需要修改或按项目文档调整参数。
应用案例和最佳实践
在应用VERIS时,最佳实践包括:
-
事件标准化记录:在调查安全事件时,严格按照VERIS提供的分类和枚举来记录细节,这有助于跨事件的一致比较。
-
数据分析:利用转换后的JSON数据,可以进行高级分析,识别威胁趋势,优化防御策略。
-
教育与培训:组织内共享VERIS知识,作为提高安全意识和响应能力的一部分。
一个简单的应用案例是在事件响应流程中,对每次入侵尝试或成功事件,团队成员都使用veris.json中的模式来填充事件细节,确保所有关键信息被系统性捕获,之后通过checkValidity.py脚本来验证记录是否符合规范。
典型生态项目
VERIS不仅仅是一个孤立的工具集,它的存在促进了安全社区在事件记录标准化方面的努力。一些典型的关联或生态系统项目包括:
-
VERIS与MITRE ATT&CK的映射:通过
vcaf-rev20XX-vY_Y_Y.csv,可以将VERIS事件与MITRE ATT&CK框架中的战术和技术进行对应,帮助企业更好地了解攻击者的动机和手段。 -
CIS CSC与VERIS映射:
cis_csc_veris_map-rev20XX-v1_0.xlsx提供了一个桥梁,帮助安全团队根据CIS Critical Security Controls(CSC)制定更具体的安全控制措施,基于VERIS数据分析结果。
通过这些生态项目,VERIS不仅支持了基础的数据收集和标准化,还推动了更深入的安全策略发展和安全控制的实施优化。
本指南提供了VERIS项目的基本入门路径,以及如何将其融入到安全管理和响应实践中。详细的应用和定制需求应参考项目文档和不断更新的资源。
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 StartedRust0186
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 Notebook0112
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。Java03
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