Security Onion项目中ATT&CK检测层功能优化解析
2025-06-19 08:16:34作者:田桥桑Industrious
背景概述
Security Onion作为一款开源的网络安全监控平台,其ATT&CK框架集成功能一直是威胁检测分析的核心组件。近期社区用户反馈了一个关于ATT&CK层检测功能的关键问题:当用户尝试通过右键菜单查看"相关战术剧本"时,系统会返回404错误。这个问题暴露出当前版本中外部资源链接配置的缺陷,同时也反映了平台在威胁检测工作流整合方面需要改进的空间。
问题技术分析
在默认配置文件中,系统通过/opt/so/conf/navigator/config.json定义了ATT&CK导航器的行为模式。其中存在几个关键配置项:
- 版本控制:当前使用ATT&CK v14企业版矩阵,数据源指向本地的
enterprise-attack.json文件 - 自定义菜单项:配置了"view related plays"菜单项,但URL指向了一个已失效的内部地址
- 默认图层:引用了本地的
nav_layer_playbook.json作为基础检测层
这种配置方式存在两个明显问题:首先是硬编码的外部URL不具备通用性;其次是"plays"的概念与Security Onion现有的"Detections"检测机制存在语义断层。
解决方案设计
开发团队对此进行了架构层面的重新设计:
- 功能重构:将"战术剧本"概念统一整合到平台的"Detections"检测体系
- 本地化处理:移除所有外部依赖URL,改为查询本地检测规则库
- 上下文关联:建立ATT&CK技术ID与检测规则的双向映射关系
新的实现方案通过动态生成检测规则视图,当用户选择某个ATT&CK技术时,系统会自动筛选出所有关联的检测规则,并以可视化方式展示检测覆盖率。这种设计不仅解决了404错误问题,更重要的是形成了闭环的威胁检测工作流。
技术实现要点
在具体代码实现上,主要涉及以下关键技术点:
- ATT&CK矩阵解析:改进对本地JSON数据文件的解析逻辑,确保能准确提取技术ID等元数据
- 检测规则索引:建立基于Elasticsearch的检测规则快速检索机制
- 前端交互优化:重新设计右键菜单的响应逻辑,支持异步加载检测结果
用户价值体现
此次优化为用户带来三大核心价值:
- 稳定性提升:彻底消除因外部资源不可用导致的系统异常
- 检测可视化:直观展示ATT&CK技术点的检测覆盖情况
- 分析效率:支持从战术技术直接下钻查看具体检测规则
最佳实践建议
对于升级到新版本的用户,建议:
- 定期更新ATT&CK矩阵数据文件以保持威胁情报新鲜度
- 利用新的检测层功能进行安全能力差距分析
- 结合告警事件与ATT&CK图层进行攻击链重构分析
这个改进案例典型体现了Security Onion项目"以检测为中心"的设计理念,通过深度集成ATT&CK框架,为安全团队提供了更强大的威胁狩猎能力。后续版本预计会进一步增强检测层与其他安全组件(如SIEM、EDR)的联动能力。
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
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥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
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
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
🎉 (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
1.21 K
660