Elastic Detection Rules项目中的Azure AD异常令牌检测规则解析
背景与威胁场景
在云身份认证安全领域,Microsoft Entra ID(原Azure AD)的认证机制一直是攻击者重点研究的对象。近期安全研究人员发现了一种新型攻击手法:攻击者通过钓鱼获取授权码后,利用Microsoft Authentication Broker(MAB)客户端向Azure设备注册服务(ADRS)发起带有adrs_access作用域的刷新令牌请求,试图实现持久化访问。
技术原理分析
这种攻击的核心在于滥用OAuth 2.0的刷新令牌机制和ADRS服务特性。攻击者首先通过钓鱼获取用户的授权码,然后将其兑换为访问令牌和刷新令牌。随后,攻击者使用这些令牌通过Microsoft Authentication Broker(客户端ID:29d9ed98-a469-4536-ade2-f981bc1d605e)向ADRS服务(资源ID:01cb2876-7ebd-4aa4-9cc9-d28bd4d359a9)发起请求,请求中包含特殊的adrs_access作用域。
ADRS(设备注册服务)是Azure中用于管理设备注册和加入的功能组件。攻击者获取adrs_access权限后,可以执行设备注册操作,为后续持久化访问创造条件。
检测规则详解
Elastic Detection Rules项目中提出的检测规则采用KQL语法,主要检测以下几个关键特征:
-
数据源限定:专门筛选azure.signinlogs数据集,聚焦Azure AD登录日志
-
客户端标识:匹配Microsoft Authentication Broker的标准客户端ID
-
目标服务:限定为ADRS服务的资源ID
-
认证类型:筛选非交互式登录(NonInteractiveUserSignInLogs),这是使用刷新令牌的典型特征
-
作用域检测:检查认证处理详情中是否包含adrs_access特殊作用域
-
令牌类型确认:明确要求令牌类型为refreshToken
-
用户类型过滤:仅关注常规成员账户,排除访客账户
安全意义与响应建议
这类检测规则的价值在于能够发现潜在的OAuth滥用行为。在正常业务场景中,普通用户很少会直接使用刷新令牌访问ADRS服务,特别是带有adrs_access作用域的请求更是罕见。
安全团队在发现此类告警后,建议采取以下响应措施:
-
立即审查相关用户账户的活动历史,确认是否存在异常登录
-
检查目标租户中的设备注册记录,确认是否有可疑设备被加入
-
必要时撤销相关用户的会话和刷新令牌
-
对受影响用户进行安全意识教育,防范钓鱼攻击
规则优化方向
在实际部署中,可以考虑以下优化:
-
增加频率检测:短时间内多次此类请求更可疑
-
结合地理位置:来自异常地区的请求风险更高
-
关联设备信息:检查请求是否来自用户常用设备
-
添加白名单机制:排除已知的服务账号
通过持续优化这类检测规则,企业可以更好地防御基于OAuth的复杂攻击,保护云身份安全。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112