Elemental:您的全面威胁情报中心
2024-05-21 16:42:49作者:咎竹峻Karen

项目简介
Elemental是一个集成了MITRE ATT&CK技术、Atomic Red Team测试和超过280个Sigma规则的中央威胁库。这个平台提供了一种探索ATT&CK数据集的新方式,将相关的Atomic Red Team测试和Sigma规则映射到各自的技术中。此外,它允许防御者创建自定义的ATT&CK技术,并上传Sigma规则。
作为加州大学伯克利分校网络安全硕士课程的顶点项目,Elemental旨在社区的反馈和改进下不断成长。虽然当前实例尚未配置为生产环境,但其潜力无限,对安全研究人员和防御者来说,无疑是一个强大的工具。
技术分析
Elemental基于Django框架构建,提供了直观的用户界面来查看和管理MITRE ATT&CK技术、Atomic Red Team测试和Sigma规则。使用者可以浏览Markdown和Yaml格式的Atomic Red Team测试,以及Yaml格式的Sigma规则。该平台的核心是其数据整合和可视化的能力,使用户能快速理解和应对各种攻击技术。
应用场景
Elemental在以下场景中表现出色:
- 威胁情报研究:研究者可以通过统一的视图了解各种威胁技术和对应的检测策略。
- 防御策略规划:安全团队可以根据平台上提供的信息,设计和优化自己的防护措施。
- 事件响应:在发生安全事件时,快速查找相关Sigma规则以进行调查和响应。
- 教育与培训:为安全专业人员提供实战演练的资源库,提升他们的威胁检测技能。
项目特点
- 全面集成:涵盖MITRE ATT&CK、Atomic Red Team和Sigma三大领域的威胁情报资源。
- 自定义功能:用户可以添加自定义的ATT&CK技术和上传Sigma规则,满足特定需求。
- 可视化的技术展示:清晰的用户界面使得技术信息和关联测试易于理解。
- 持续更新:计划增加更多功能,如日志源映射、过滤器、规则转换等。
深度体验
要体验Elemental的强大功能,请按照下面的安装步骤操作:
git clone https://github.com/Elemental-attack/Elemental.git
cd Elemental/elemental
pip install -r requirements.txt
python manage.py runserver
默认的Django管理页面凭据为:user: elemental | password: berkelium。
感谢MITRE ATT&CK、Atomic Red Team、ATT&CK Python Client和Sigma的贡献者,以及Elemental的四位作者:Josh Hakala、Steve Rice、Aaron Crouch和Erick Pasco。
该项目遵循许可证文件的规定使用。
利用Elemental,让您的威胁防御更上一层楼!
登录后查看全文
热门项目推荐
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
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 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 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322