MITRE ATT&CK Navigator中JSON与Excel导出的差异解析
2025-07-04 14:01:46作者:胡唯隽
背景介绍
MITRE ATT&CK Navigator是一个用于浏览和注释ATT&CK矩阵的交互式工具,它允许安全专业人员可视化攻击技术并创建自定义层。在使用过程中,用户可能会注意到JSON和Excel两种导出格式之间存在一些差异,这实际上是设计使然而非软件缺陷。
核心差异解析
JSON导出的设计理念
JSON格式导出时,Navigator采用了"最小化原则",即只包含那些被用户显式注释过的技术项。这里的"注释"包括:
- 评分(score)
- 颜色标记(color)
- 用户评论(comment)
- 启用的子技术(enabled)
- 其他自定义元数据
这种设计带来了两个主要优势:
- 显著减小了文件体积,特别是当用户只对少量技术进行注释时
- 使文件内容更加聚焦于用户实际关注的技术点
Excel导出的工作机制
相比之下,Excel导出功能采用了"渲染模式",它会完整呈现用户在Navigator界面中看到的所有内容,包括:
- 所有可见的技术项(无论是否被注释)
- 当前应用的过滤器结果
- 展开的子技术结构
- 可视化效果(如颜色编码)
这种设计更符合用户对"导出当前视图"的预期,适合用于报告或演示场景。
实际案例分析
在用户报告的场景中,T1530技术出现在Excel导出但未出现在JSON导出中,这完全符合预期行为:
- 用户通过过滤器使T1530在界面中可见
- 但未对该技术添加任何注释(评分、颜色等)
- 因此Excel导出包含该技术(因为它在视图中可见)
- 而JSON导出则排除了该技术(因为没有相关注释)
最佳实践建议
- 需要完整技术列表时:使用Excel导出功能,适合创建检查清单或完整技术矩阵
- 需要共享注释内容时:使用JSON导出,适合团队协作或版本控制
- 混合使用场景:可以同时导出JSON和Excel,前者用于程序化处理,后者用于人工查阅
- 注意事项:JSON导入时只会显示被注释的技术,这是正常行为而非数据丢失
技术实现细节
从架构角度看,这种差异源于两种导出方式的不同目的:
- JSON层(Layer)格式是Navigator的核心数据结构,设计为轻量级的注释容器
- Excel导出则是面向最终用户的展示格式,需要保持与界面显示的一致性
开发者可以通过检查JSON中的techniques数组来确认哪些技术被显式注释,而Excel则更适合用于验证当前视图的完整内容。
理解这一设计差异有助于用户更有效地使用Navigator进行威胁建模、红蓝对抗演练和安全态势评估等工作。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
614
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
260
92
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
1.03 K
475
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
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++
647
255