ntopng集成Mitre ATT&CK框架增强警报分类能力
2025-06-02 19:09:18作者:翟江哲Frasier
背景与需求
在网络安全监控领域,警报分类与关联分析是提高威胁检测效率的关键。ntopng作为一款专业的网络流量分析工具,需要将生成的各类警报与业界标准框架进行映射,以便安全团队能够快速理解威胁性质并采取相应措施。
技术实现方案
ntopng通过以下方式实现了Mitre ATT&CK框架的集成:
-
数据表设计:
- 在ClickHouse中创建专用表用于存储警报与Mitre ATT&CK的映射关系
- 支持两种主要警报类型的映射:
- 流量警报(flow_alert_id)
- 主机警报(host_alert_id)
-
映射机制:
- 警报分类信息存储在ALERT_CATEGORY字段
- 具体警报类型通过STATUS字段标识(对应flow_alert_id)
- 警报详细信息存储在ALERT_JSON字段中,包含完整的上下文信息
-
初始化流程:
- 系统每次启动时自动创建映射表
- 同时支持SQLite和ClickHouse两种数据库后端
实际应用示例
以DNS错误警报为例,系统会记录以下关键信息:
- 警报类别(ALERT_CATEGORY): 3
- 警报状态(STATUS): 71 (对应特定类型的DNS错误)
- 详细警报信息(ALERT_JSON): 包含DNS查询类型、返回码、查询域名等
- 风险评分(alert_score): 对应该警报的风险值
- 风险ID(risk_id): 43 (NXDOMAIN错误)
技术优势
-
标准化分类:将内部警报与业界公认的Mitre ATT&CK框架关联,便于安全团队使用通用语言进行沟通。
-
丰富上下文:不仅记录警报类型,还保存完整的流量上下文信息,便于后续分析。
-
灵活扩展:设计支持多种警报类型映射,便于未来扩展新的警报类别。
-
双数据库支持:同时兼容SQLite和ClickHouse,适应不同规模的部署环境。
实现细节
映射表的创建和更新完全自动化,无需人工干预。系统通过解析预定义的Lua模块(位于scripts/lua/modules/alert_definitions/)中的警报定义,自动建立与Mitre ATT&CK框架的关联关系。
警报JSON结构中包含丰富的技术细节,例如在DNS错误示例中,不仅记录了错误类型(NXDOMAIN),还保存了具体的查询域名(host.docker.internal)和DNS返回码(3),为安全分析提供了完整的技术上下文。
总结
ntopng通过集成Mitre ATT&CK框架,显著提升了警报分类的标准化程度和可操作性。这一改进使得安全团队能够更快速地理解警报含义,评估威胁严重程度,并采取适当的响应措施。系统设计兼顾了灵活性和扩展性,为未来的安全威胁检测能力提升奠定了坚实基础。
登录后查看全文
热门项目推荐
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 StartedRust0191
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 Notebook0117
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。Java04
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
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
455
437
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++
1.07 K
1.09 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
150
252
CANN 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 Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220