Security Onion项目中Elastic Agent安全事件仪表板的用户字段优化
2025-06-19 18:11:17作者:蔡怀权
在Security Onion 2.4版本中,Elastic Agent安全事件仪表板存在一个需要优化的技术细节。该仪表板原本使用user.name字段来追踪和展示用户活动,但经过技术验证,更合适的做法是使用user.effective.name字段。
背景分析
Security Onion是一个开源的网络安全监控系统,集成了多种安全工具用于威胁检测、日志管理和事件响应。其中的Elastic Agent组件负责收集端点安全事件数据,并通过仪表板可视化这些信息。
在安全事件分析中,准确识别用户身份至关重要。原始实现使用user.name字段,这个字段通常记录的是登录用户名。但在某些场景下,特别是当用户通过sudo或su等权限提升命令执行操作时,user.name可能无法反映实际执行操作的用户身份。
技术改进
技术团队识别到这个问题后,决定将仪表板中的用户标识字段从user.name替换为user.effective.name。这个改进基于以下技术考量:
user.effective.name字段会记录实际执行操作的用户身份,包括通过权限提升后的操作- 在Linux系统中,这相当于记录了有效的UID(eUID)对应的用户名
- 对于Windows系统,这相当于记录了进程令牌中的用户名
改进后的仪表板查询语句变更为:
event.dataset:endpoint.events.security | groupby host.name | groupby -sankey host.name user.effective.name | groupby user.effective.name | groupby -sankey user.effective.name process.executable | groupby process.executable | groupby event.action | groupby event.outcome
实现细节
该改进涉及两个主要变更:
- 仪表板查询逻辑的更新,将所有
user.name引用替换为user.effective.name - 底层配置文件的相应修改,确保数据展示的一致性
实际价值
这项改进带来了以下好处:
- 提高了安全事件分析的准确性,特别是在涉及权限提升的场景
- 使安全团队能够更准确地追踪实际执行敏感操作的用户
- 增强了事件调查和取证的能力
- 保持了与其他安全工具的数据一致性
验证过程
技术团队在提交变更前进行了充分测试,确认:
- 新字段在各种操作场景下都能正确记录用户身份
- 仪表板的可视化效果和功能不受影响
- 历史数据的兼容性得到保持
这项优化已随Security Onion的更新推送给用户,进一步提升了这个开源安全监控方案的事件分析能力。
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
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