MSTICPy扩展:增强Sentinel告警属性获取能力
2025-07-07 21:24:17作者:董灵辛Dennis
背景介绍
在安全运营中心(SOC)的日常工作中,Microsoft Sentinel作为云原生SIEM解决方案,其告警和事件管理功能至关重要。MSTICPy作为微软开源的威胁情报和安全分析工具包,提供了与Sentinel集成的能力,使安全分析师能够更高效地处理安全事件。
问题发现
在使用MSTICPy获取Sentinel事件关联告警时,发现当前实现存在一个功能限制:当通过get_incident方法设置alerts=True参数时,返回的告警信息仅包含ID和Name两个字段,而实际API响应中包含的丰富属性信息被丢弃了。
技术分析
深入分析MSTICPy源代码发现,在sentinel_incidents.py文件中,处理告警数据的逻辑确实只提取了系统告警ID和显示名称。然而,Sentinel API返回的告警对象包含更多有价值的属性,特别是ExtendedProperties字段,其中存储了查询语句、查询时间范围等关键信息。
这些扩展属性对于安全分析具有重要价值:
- 查询语句:可以直接获取触发告警的KQL查询
- 时间范围:包含查询的开始和结束时间UTC
- 其他上下文:可能包含实体映射、严重性评分等辅助分析的信息
解决方案实现
针对这一限制,社区贡献者提出了两种改进思路:
- 扩展现有参数功能:修改
alerts参数,使其不仅能接受布尔值,还可以接受字符串值如"full"来指定返回完整告警详情 - 新增专用参数:添加
all_alert_details=True参数来明确控制是否返回完整告警对象
实际实现采用了更直接的方案:在保持现有接口兼容性的前提下,将所有告警属性完整保留,放入一个名为"AlertProperties"的字段中。这种设计既不会破坏现有代码,又提供了访问完整告警数据的途径。
技术实现细节
改进后的告警数据处理逻辑如下:
{
"ID": alert["properties"]["systemAlertId"],
"Name": alert["properties"]["alertDisplayName"],
"AlertProperties": alert["properties"]
}
这种结构化的处理方式使得:
- 原有依赖ID和Name字段的代码不受影响
- 需要深入分析的安全团队可以通过AlertProperties访问所有原始属性
- 保持了数据的完整性和一致性
应用场景示例
获取完整告警属性后,安全团队可以实现更高级的分析功能,例如:
# 获取事件关联的所有告警
incident_alerts = sentinel.get_incident(incident_id, alerts=True)
for alert in incident_alerts:
# 访问基础属性
print(f"告警名称: {alert['Name']}")
# 访问完整属性
ext_props = json.loads(alert['AlertProperties']['ExtendedProperties'])
query = ext_props.get('Query')
start_time = ext_props.get('Query Start Time UTC')
end_time = ext_props.get('Query End Time UTC')
# 使用原始查询和时间范围进行深入分析
print(f"触发查询: {query}")
print(f"时间范围: {start_time} 至 {end_time}")
总结
MSTICPy对Sentinel告警属性获取能力的增强,显著提升了安全分析工作的效率和深度。这一改进使得安全团队能够:
- 直接获取告警的完整上下文信息
- 基于原始查询进行更精确的事件调查
- 减少额外API调用的需求,提高分析效率
- 保持与现有工作流程的兼容性
这一功能增强现已合并到主分支,将在下一版本中发布,为安全社区提供更强大的Sentinel集成能力。
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