Yamato-Security Hayabusa项目:基于上下文感知的告警严重性增强机制解析
2025-06-30 12:21:40作者:伍希望
背景与需求
在传统安全监控体系中,告警严重性通常基于静态规则进行判定,而忽略了目标系统在业务环境中的实际价值。以安全测试工具检测为例:当其在普通办公终端出现时可能仅需低优先级响应,但若发生在域控制器(DC)上则应立即触发最高级别告警。Yamato-Security团队在Hayabusa项目中针对这一痛点,提出了基于资产敏感度的动态告警分级增强机制。
技术实现方案
核心设计理念
-
动态权重调整:通过预定义的敏感主机清单(如DC/文件服务器/特权账号终端),对告警原始严重性进行动态升级:
- info → 保持info
- low → medium
- medium → high
- high → critical
- critical → fatal(新增终极告警级别)
-
自动化资产发现:考虑到管理员可能无法完整识别敏感资产,系统内置智能发现功能:
- 解析特定事件日志(如Kerberos认证事件识别DC)
- 分析文件共享行为特征识别文件服务器
- 追踪特权账号登录记录定位管理终端
实现架构
graph TD
A[原始日志输入] --> B[基础规则匹配]
B --> C{敏感资产匹配?}
C -->|是| D[严重性升级]
C -->|否| E[保持原级别]
D --> F[告警输出]
E --> F
技术优势
- 精准响应:避免对非关键系统的告警过度响应,同时确保关键资产异常能被立即关注
- 自适应能力:通过自动发现的资产画像持续优化告警策略
- 扩展性设计:支持用户自定义敏感资产清单与升级规则
典型应用场景
- 域控入侵检测:将DC上的PsExec使用告警从medium自动提升至critical
- 数据泄露防护:文件服务器上的异常数据访问行为直接触发fatal级别
- 横向移动监测:域管理员终端出现的RDP爆破尝试自动升级告警
最佳实践建议
- 初期部署时启用自动发现功能构建资产库
- 定期审计敏感资产清单(建议每周)
- 对fatal级别告警配置自动化响应流程
- 结合业务上下文微调升级规则(如财务系统特殊处理)
该功能已在Hayabusa 3.1.1版本正式发布,标志着安全告警系统从"规则驱动"向"上下文驱动"的重要演进。
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137