Yamato-Security Hayabusa项目新增Sigma规则大小写敏感匹配功能解析
2025-06-30 18:19:06作者:裴麒琰
在日志分析领域,精确匹配是提升检测准确性的重要手段。Yamato-Security团队近期为Hayabusa项目实现了Sigma规则中大小写敏感匹配的功能增强,为安全分析师提供了更精细化的检测控制能力。
功能背景
传统Sigma规则在进行字符串匹配时通常采用不区分大小写的方式,这在某些特定场景下可能导致误报。例如:
- 区分Windows系统路径中的大小写(如
C:\Windows\System32与C:\WINDOWS\system32) - 识别特定编程语言中的大小写敏感标识符
- 匹配严格遵循大小写规范的系统日志条目
技术实现
Hayabusa新增的|cased修饰符支持以下四种匹配模式:
-
精确匹配
field|cased: stringHogeHoge
该语法要求字段值必须与指定字符串完全一致(包括大小写) -
前缀匹配
field|startswith|cased: HogeHoge
仅匹配以指定字符串开头且大小写一致的字段值 -
后缀匹配
field|endswith|cased: HogeHoge
仅匹配以指定字符串结尾且大小写一致的字段值 -
包含匹配
field|contains|cased: HogeHoge
匹配包含指定子字符串且大小写一致的字段值
应用价值
这项改进为安全运营带来三个层面的提升:
-
降低误报率
在需要区分大小写的场景中,可避免因大小写不匹配导致的误报 -
增强检测精度
对攻击者故意使用大小写变体规避检测的行为(如cmd.exe与CMD.EXE)提供精确识别能力 -
合规性支持
满足某些严格审计场景下对日志内容精确还原的要求
实现原理
在底层实现上,该功能通过以下机制工作:
- 移除默认的字符串规范化处理(如大小写转换)
- 保持原始查询字符串的字符编码
- 在正则表达式构建时禁用忽略大小写标志
- 确保与现有修饰符的链式调用兼容性
最佳实践建议
安全团队在使用该功能时应注意:
- 仅在确有必要时使用大小写敏感匹配,避免过度限制导致漏报
- 结合威胁情报,识别攻击者常用的大小写混淆技术
- 对关键系统路径、注册表项等建议启用该功能
- 在规则注释中明确说明使用大小写敏感匹配的原因
这项改进体现了Hayabusa项目对检测工程精细化的持续追求,为构建更准确的威胁检测体系提供了重要工具支持。
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