Hayabusa项目增强:多维度分组计数功能解析
2025-06-30 10:08:39作者:袁立春Spencer
背景与需求分析
在安全日志分析领域,精确的事件计数功能对于检测潜在攻击行为至关重要。Yamato-Security团队开发的Hayabusa工具近期提出了一个功能增强需求:在现有的计数规则中支持多字段分组统计。这一需求源于实际检测场景中单维度分组可能导致的误报问题。
当前实现与局限性
当前Hayabusa的计数规则采用单字段分组机制,例如在检测密码猜测攻击时,只能按单一IP地址进行分组统计。这种实现方式在分析多主机日志时存在明显缺陷:当攻击者针对不同目标主机实施密码喷洒攻击时,单IP分组可能导致合法行为被误判为攻击。
技术实现方案
新功能将扩展分组语法,支持通过逗号分隔多个字段进行复合分组。例如:
condition: selection | count() by IpAddress,Computer >= 5
这种多维度分组机制将确保只有当相同IP地址和相同计算机名组合出现指定次数时才会触发告警,显著提高检测准确性。
输出格式优化
配合功能增强,输出格式也将进行改进:
- 移除冗余的条件语句显示
- 采用更简洁的键值对格式展示统计结果
- 支持通过details字段自定义输出字段别名
优化后的输出示例:
Count: 4 ¦ TgtUser: tanaka/Administrator/adsyncadmin/suzuki ¦ SrcIp: -
安全价值与应用场景
多维度分组计数功能特别适用于以下场景:
- 区分针对单主机的密码猜测攻击与多主机的密码喷洒攻击
- 减少多主机日志合并分析时的误报
- 支持更精细化的攻击行为分析
总结
Hayabusa的这次功能增强将显著提升其在复杂环境下的检测准确性,特别是对于企业级部署中常见的多主机日志分析场景。通过支持多维度分组和优化输出格式,安全分析师能够获得更精确、更易读的检测结果,从而更有效地识别真正的安全威胁。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
388
458
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++
894
679
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
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
806
198
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
12
1
🔥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
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781