Utilizzare i dati di Sensitive Data Protection in analisi sensibili al contesto
Questo documento illustra come utilizzare i dati di contesto dell'entità da Sensitive Data Protection e origini di log aggiuntive per aggiungere una comprensione contestuale dell'impatto l'ambito di una potenziale minaccia quando si esegue un'indagine.
Il caso d’uso descritto in questo documento rileva l’esecuzione di un file di un utente (tecnica MITRE ATT&CK T1204.002) e se l'utente ha anche accesso a dati sensibili altrove sul in ogni rete.
Questo esempio richiede che i seguenti dati siano stati importati e normalizzati in Google Security Operations:
- Dati sull'attività utente utilizzando i log di rete e EDR.
- Relazioni delle risorse da origini dati come Analisi Google Cloud IAM.
- Log di Sensitive Data Protection che contengono etichette sul tipo e sulla sensibilità dei dati archiviati.
Google Security Operations deve essere in grado di analizzare i dati non elaborati nel modello di dati unificato (UDM) record di entità ed eventi.
Per informazioni sull'importazione di dati di Sensitive Data Protection in Google Security Operations, consulta Esportazione dei dati di Sensitive Data Protection in Google Security Operations.
Dati di analisi Google Cloud IAM
I dati del log di Google Cloud IAM Analysis di questo esempio identificano gli utenti nel
dell'organizzazione e acquisisce le relazioni che ogni utente ha con gli altri sistemi
in ogni rete. Di seguito è riportato uno snippet di un log di analisi IAM archiviato come UDM
record dell'entità. Memorizza le informazioni sull'utente mikeross
, che
amministra una tabella BigQuery denominata analytics:claim.patients
.
metadata.vendor_name: "Google Cloud Platform"
metadata.product_name: "GCP IAM Analysis"
metadata.entity_type: "USER"
entity.user.userid: "mikeross"
relations[2].entity.resource.name: "analytics:claim.patients"
relations[2].entity.resource.resource_type: "TABLE"
relations[2].entity_type: "RESOURCE"
relations[2].relationship: "ADMINISTERS"
dati di Sensitive Data Protection
In questo esempio, i dati di log di Sensitive Data Protection memorizzano informazioni su un
tabella. Di seguito è riportato uno snippet di un log di Sensitive Data Protection archiviato come entità UDM
record. Rappresenta la tabella BigQuery denominata analytics:claim.patients
con
l'etichetta Predicted InfoType
US_SOCIAL_SECURITY_NUMBER
, che indica che
nella tabella sono archiviati i codici fiscali degli Stati Uniti.
metadata.vendor_name: "Google Cloud Platform"
metadata.product_name: "GCP DLP CONTEXT"
metadata.entity_type: "RESOURCE"
metadata.description: "RISK_HIGH"
entity.resource.resource_type: "TABLE"
entity.resource.resource_subtype: "BigQuery Table"
entity.resource.attribute.cloud.environment"GOOGLE_CLOUD_PLATFORM"
entity.resource.attribute.labels[0].key: "Sensitivity Score"
entity.resource.attribute.labels[0].value: "SENSITIVITY_HIGH"
entity.resource.attribute.labels[1].key: "Predicted InfoType"
entity.resource.attribute.labels[1].value: "US_SOCIAL_SECURITY_NUMBER"
entity.resource.product_object_id: "analytics:claim.patients"
Eventi proxy web
L'evento proxy web in questo esempio acquisisce l'attività di rete. Le seguenti
lo snippet è un log del proxy web Zscaler archiviato come record di eventi UDM. Acquisisce
Un evento di download dalla rete di un file eseguibile dell'utente con il valore mikeross
userid
dove il valore received_bytes
è 514605.
metadata.log_type = "ZSCALER_WEBPROXY"
metadata.product_name = "NSS"
metadata.vendor_name = "Zscaler"
metadata.event_type = "NETWORK_HTTP"
network.http.response_code = 200
network.received_bytes = 514605
principal.user.userid = "mikeross"
target.url = "http://manygoodnews.com/dow/Client%20Update.exe"
Eventi EDR
L'evento EDR in questo esempio acquisisce l'attività su un dispositivo endpoint. La
lo snippet seguente fa parte di un log EDR di CrowdStrike Falcon archiviato come evento UDM
record. Acquisisce un evento di rete che coinvolge l'applicazione Microsoft Excel
e un utente con il valore userid
mikeross
.
metadata.log_type = "CS_EDR"
metadata.product_name = "Falcon"
metadata.vendor_name = "Crowdstrike"
metadata.event_type = "NETWORK_HTTP"
target.process.file.full_path = "\\Device\\HarddiskVolume1\\Program Files\\C:\\Program Files\\Microsoft Office\\Office16\\EXCEL.exe"
target.url = "http://manygoodnews.com/dow/Client%20Update.exe"
target.user.userid = "mikeross"
Tieni presente che questi record contengono informazioni comuni, sia l'identificatore utente
mikeross
e nome della tabella analytics:claim.patients
. La sezione successiva di questo documento
dimostra come questi valori vengono utilizzati nella regola per unire i record.
Regola del motore di rilevamento in questo esempio
Questa regola di esempio rileva l'esecuzione di un file dannoso da parte di un utente (MITRE Tecnica ATT&CK T1204.002.
La regola assegna un punteggio di rischio più alto a un rilevamento quando anche l'utente ha l'accesso a dati sensibili altrove sulla rete. La regola mette in correlazione le seguenti informazioni:
- Attività utente, ad esempio il download o l'avvio di un eseguibile.
- La relazione tra le risorse, ad esempio la relazione dell'utente Tabella BigQuery.
- Presenza di informazioni sensibili nella risorsa a cui un utente ha accesso, per ad esempio il tipo di dati archiviati nella tabella BigQuery.
Di seguito è riportata una descrizione di ciascuna sezione nella regola di esempio.
La sezione
events
specifica il pattern di dati visualizzati dalla regola per e include quanto segue:- Il Gruppo 1 e il Gruppo 2 identificano gli eventi di rete e EDR che acquisiscono il download di una grande quantità di dati o di un eseguibile correlato anche dell'attività nell'applicazione Excel.
- Il Gruppo 3 identifica i record in cui l'utente identificato nel ed eventi EDR dispongono inoltre dell'autorizzazione per una tabella BigQuery.
- Il gruppo 4 identifica i record di Sensitive Data Protection per la tabella BigQuery a cui l'utente ha accesso.
Ogni gruppo di espressioni utilizza la variabile
$table_name
o la variabile$user
per unire i record relativi alla stessa tabella di utenti e database.Nella sezione
outcome
, la regola crea una variabile$risk_score
e imposta un valore in base alla sensibilità dei dati nella tabella. In questo caso, controlla se i dati sono etichettati conUS_SOCIAL_SECURITY_NUMBER
infoType Sensitive Data Protection.La sezione
outcome
imposta anche variabili aggiuntive, come$principalHostname
e$entity_resource_name
. Queste variabili sono restituiti e archiviati insieme al rilevamento, in modo che quando lo visualizzi in Google Security Operations tu possa mostrano anche i valori delle variabili sotto forma di colonne.La sezione
condition
indica che il pattern cerca tutti i record UDM specificati nella sezioneevents
.
rule high_risk_user_download_executable_from_macro {
meta:
author = "Google Cloud Security Demos"
description = "Executable downloaded by Microsoft Excel from High Risk User"
severity = "High"
technique = "T1204.002"
events:
//Group 1. identify a proxy event with suspected executable download
$proxy_event.principal.user.userid = $user
$proxy_event.target.url = /.*\.exe$/ or
$proxy_event.network.received_bytes > 102400
//Group 2. correlate with an EDR event indicating Excel activity
$edr_event.target.user.userid = $user
$edr_event.target.process.file.full_path = /excel/ nocase
$edr_event.metadata.event_type = "NETWORK_HTTP"
//Group 3. Use the entity to find the permissions
$user_entity.graph.entity.user.userid = $user
$user_entity.graph.relations.entity.resource.name = $table_name
//Group 4. the entity is from Cloud DLP data
$table_context.graph.entity.resource.product_object_id = $table_name
$table_context.graph.metadata.product_name = "GCP DLP CONTEXT"
match:
$user over 5m
outcome:
//calculate risk score
$risk_score = max(
if( $table_context.graph.entity.resource.attribute.labels.value = "US_SOCIAL_SECURITY_NUMBER", 80)
)
$technique = array_distinct("T1204.002")
$principalHostname = array_distinct($proxy_event.principal.hostname)
$principalIp = array_distinct($proxy_event.principal.ip)
$principalMac = array_distinct($proxy_event.principal.mac)
$targetHostname = array_distinct($proxy_event.target.hostname)
$target_url = array_distinct($proxy_event.target.url)
$targetIp = array_distinct($proxy_event.target.ip)
$principalUserUserid = array_distinct($proxy_event.principal.user.userid)
$entity_resource_name = array_distinct($table_context.graph.entity.resource.name)
condition:
$proxy_event and $edr_event and $user_entity and $table_context
}
Informazioni sul rilevamento
Se testi la regola su dati esistenti e quest'ultimo identifica il pattern di all'attività specificata nella definizione, viene generato un rilevamento. La funzionalità Rilevamento che mostra il rilevamento generato dopo aver testato la regola. La Nel riquadro Rilevamento vengono visualizzati anche i record dell'evento e delle entità che hanno causato l'errore per creare un rilevamento. In questo esempio, i seguenti record sono visualizzato:
- Entità UDM dell'analisi Google Cloud IAM
- Entità UDM Sensitive Data Protection
- Evento UDM del proxy web Zscaler
- Evento UDM EDR CrowdStrike Falcon
Nel riquadro Rilevamento, seleziona un evento o un record di entità per visualizzarne i dettagli.
Il rilevamento memorizza anche le variabili definite nel criterio outcome
sezione della regola. Per visualizzare le variabili nel riquadro Rilevamento, seleziona
Colonne, poi seleziona uno o più nomi di variabili dal
Menu Colonne. Le colonne selezionate vengono visualizzate nel riquadro Rilevamento.
Passaggi successivi
Per scrivere regole personalizzate, consulta: Panoramica della lingua YARA-L 2.0.
Per creare analisi sensibili al contesto personalizzate, consulta Creare analisi sensibili al contesto
Per utilizzare l'analisi delle minacce predefinita, consulta Utilizzo dei rilevamenti selezionati di Google Security Operations.