Hayabusa项目MITRE战术标签解析异常问题分析
2025-06-30 19:18:45作者:廉彬冶Miranda
在安全日志分析工具Hayabusa的最新测试中,发现了一个关于MITRE ATT&CK战术标签输出的技术问题。该问题主要影响聚合规则(Correlation Rules)的结果输出,导致JSON时间线中的MitreTactics字段出现异常格式。
问题现象
当使用Hayabusa处理特定样本数据集时,安全研究人员发现以下异常情况:
- 在"PW Spray"聚合规则(Sec_4648_Med_ExplicitLogon_PW-Spray_Correlation)的两次匹配中
- 在"PW Guessing"聚合规则(Sec_4625_Med_LogonFail_WrongPW_PW-Guessing_Correlation)的一次匹配中
这些规则的输出结果中,MitreTactics字段没有像其他规则那样正常显示"credaccess"战术,而是出现了格式混乱的数据。
技术背景
MITRE ATT&CK框架是网络安全领域广泛使用的知识库,它将攻击行为分类为不同的战术(Tactics)和技术(Techniques)。在日志分析工具中,正确标注这些战术信息对于威胁检测和事件响应至关重要。
Hayabusa作为一款专业的Windows事件日志分析工具,其JSON时间线输出中的MitreTactics字段本应清晰地展示检测到的攻击行为所属的MITRE战术类别。
问题根源
经过开发团队分析,该问题源于聚合规则结果记录中的标签格式化处理过程存在缺陷。具体表现为:
- 对于常规检测规则,战术标签能够正确输出
- 但对于需要聚合多个事件的关联规则,标签格式化逻辑出现异常
解决方案
开发团队已提交修复代码,主要调整了聚合规则结果记录的标签处理流程。该修复确保:
- 所有规则类型(包括聚合规则)都能正确输出MITRE战术标签
- 保持输出格式的一致性
- 不影响原有检测逻辑的准确性
影响评估
该问题属于输出格式问题,不影响实际检测能力。但可能对以下场景造成困扰:
- 自动化处理JSON输出的工作流
- 依赖MitreTactics字段进行后续分析的工具链
- 人工阅读分析报告时的体验
最佳实践建议
对于安全分析人员,建议:
- 定期更新Hayabusa工具和规则库
- 对关键分析结果进行人工复核
- 建立输出验证机制,特别是自动化分析流程中
该问题的及时修复体现了开源安全工具持续改进的特性,也提醒我们在使用任何安全分析工具时都需要关注输出结果的完整性和准确性。
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 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 Notebook0114
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
项目优选
收起
暂无描述
Dockerfile
763
4.96 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++
676
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
296
114
昇腾LLM分布式训练框架
Python
178
220