MSTICPy扩展:增强Sentinel告警属性获取能力
2025-07-07 19:42:59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
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude 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 Started
Rust
1.25 K
153
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
1.1 K
611
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++
1.01 K
1.01 K
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
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253