Wazuh引擎规则字段映射优化与架构改进
2025-05-19 08:07:02作者:霍妲思
背景与需求分析
在安全信息与事件管理(SIEM)系统中,规则引擎是核心组件之一。Wazuh作为一款开源的SIEM解决方案,其规则引擎负责对安全事件进行分析和响应。随着系统复杂度增加,规则管理面临两个关键挑战:
- 规则中使用的字段缺乏统一管理,导致规则间存在不一致性
- 数据处理逻辑分散在规则和解析器(decoder)中,增加了维护难度
技术方案设计
架构改进要点
本次改进主要围绕两个核心目标展开:
- 字段映射规范化:确保规则中所有映射字段都来自预定义的模式(schema)
- 职责分离:将数据解析逻辑完全下放到解析器层,规则层仅关注分析逻辑
实现机制
在技术实现上,项目团队设计了以下解决方案:
- 构建时验证机制:在资产构建过程中引入字段验证环节,通过专门的验证对象管理允许使用的字段集合
- 上下文传递机制:通过BuildCtx将允许字段集合传递给各构建器(builder),实现构建时和运行时的双重验证
- 阶段移除:彻底移除规则资产中的parse|$field阶段,强制数据解析在解析器层完成
具体实现细节
字段验证系统
新引入的字段验证系统具有以下特点:
- 集中管理允许使用的字段集合
- 支持构建时静态检查,提前发现不合规的字段引用
- 保留运行时验证作为最后防线
构建器改造
项目团队对多个核心构建器进行了改造:
- 基础映射构建器:作为核心组件首先完成改造
- 专用转换构建器:包括数组处理、帮助函数、Windows特定功能等
- 键值数据库构建器:确保存储操作也符合新的字段规范
字段标准化方案
基于行业最佳实践,项目采用了以下字段分类标准:
- 规则相关字段:包含规则标识、分类、版本等元数据
- 威胁情报字段:涵盖攻击框架、战术、技术等威胁分析要素
- 风险评估字段:涉及事件、主机、用户等多维度的风险评分
- 内部追踪字段:专用于Wazuh引擎内部的事件处理追踪
技术价值与影响
本次架构改进带来了多方面的技术收益:
- 提升一致性:通过强制字段标准化,确保不同规则间的行为一致
- 增强可维护性:明确划分解析器和规则的职责边界
- 提高可靠性:构建时验证减少了运行时错误的可能性
- 优化性能:减少冗余的数据解析操作
实施建议
对于Wazuh用户和开发者,建议:
- 逐步审查现有规则,将数据解析逻辑迁移到解析器
- 采用新的字段标准重新设计规则结构
- 利用构建时验证机制提前发现潜在问题
- 关注引擎更新日志,了解兼容性变化
这项改进标志着Wazuh引擎在架构成熟度上的重要进步,为后续的功能扩展和性能优化奠定了坚实基础。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218