Sigma规则中IntegrityLevel匹配问题的技术解析
背景介绍
在安全监控领域,Sigma作为一种通用的日志检测规则格式,被广泛应用于各种SIEM系统中。然而,在实际使用过程中,安全分析师们经常会遇到规则匹配失败的情况,特别是在涉及Windows系统完整性级别(IntegrityLevel)检测的场景中。
问题本质
近期有用户反馈,在使用Sigma规则检测UAC绕过技术时,发现基于ComputerDefaults.exe的检测规则无法正常触发。经过分析,核心问题在于日志源中记录的完整性级别是以SID(安全标识符)形式呈现的,而Sigma规则中直接使用的是"high"或"system"这样的字符串描述。
技术细节解析
Windows系统的完整性级别实际上是通过SID来表示的,常见的对应关系如下:
- S-1-16-4096:低完整性级别(Low Integrity)
- S-1-16-8192:中完整性级别(Medium Integrity)
- S-1-16-12288:高完整性级别(High Integrity)
- S-1-16-16384:系统完整性级别(System Integrity)
在用户提供的案例中,日志显示IntegrityLevel为"S-1-16-12288",这实际上对应着高完整性级别,但由于Sigma规则中直接使用了"high"字符串进行匹配,导致无法正确识别。
解决方案
针对这一问题,安全团队提出了两种解决方案:
-
规则优化方案:在Sigma规则中同时包含字符串描述和SID表示形式,确保无论日志源采用哪种表示方式都能正确匹配。例如,可以将规则中的IntegrityLevel条件扩展为包含"high"和"S-1-16-12288"两种形式。
-
日志预处理方案:在日志收集阶段,通过SIEM系统或日志收集工具的转换功能,将SID表示的完整性级别转换为易读的字符串描述。这种方法需要在日志管道中添加相应的转换逻辑。
实际应用建议
对于安全运营团队,建议采取以下措施:
-
审查现有的Sigma规则库,特别是涉及Windows系统完整性检测的规则,确保其同时支持字符串和SID两种表示形式。
-
在部署新的检测规则前,先验证日志源中相关字段的实际格式,避免因格式不匹配导致的检测盲区。
-
考虑在SIEM系统中建立SID到字符串的映射表,实现自动转换功能,提高规则的可移植性。
总结
这个案例揭示了安全检测规则与实际日志格式之间可能存在的差异问题。作为安全分析师,不仅需要理解攻击技术的原理,还需要深入了解各种日志源的记录方式,才能构建出真正有效的检测机制。同时,这也体现了Sigma规则需要不断优化以适应不同环境的重要性。
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