Ringkasan tentang bahasa YARA-L 2.0

YARA-L 2.0 adalah bahasa komputer yang digunakan untuk membuat aturan penelusuran data log perusahaan yang diserap ke instance Chronicle. Sintaksis YARA-L berasal dari bahasa YARA yang dikembangkan oleh VirusTotal. Bahasa ini berfungsi dengan Chronicle Detection Engine dan memungkinkan Anda memburu ancaman dan peristiwa lainnya di seluruh volume data yang besar.

Untuk informasi selengkapnya, lihat referensi berikut:

• Sintaksis bahasa YARA-L 2.0

• Praktik terbaik

Catatan: YARA-L 2.0 tidak kompatibel dengan bahasa YARA-L versi sebelumnya. Aturan yang ditulis dalam YARA-L versi lama tidak akan berfungsi dengan Detection Engine versi saat ini dan perlu direvisi untuk menggunakan sintaksis baru.

Contoh aturan YARA-L 2.0

Contoh berikut menunjukkan aturan yang ditulis dalam YARA-L 2.0. Masing-masing menunjukkan cara menghubungkan peristiwa dalam bahasa aturan.

Aturan dan penyesuaian

Aturan berikut memeriksa pola tertentu dalam data peristiwa dan membuat deteksi jika menemukan pola tersebut. Aturan ini mencakup variabel $e1 untuk melacak jenis peristiwa dan kolom UDM metadata.event_type. Aturan ini memeriksa kemunculan tertentu ekspresi reguler yang cocok dengan e1. Saat peristiwa $e1 terjadi, deteksi akan dibuat. Kondisi not disertakan dalam aturan untuk mengecualikan jalur tertentu yang tidak berbahaya. Anda dapat menambahkan kondisi not untuk mencegah positif palsu (PP).

rule suspicious_unusual_location_svchost_execution
{

 meta:
   author = "Google Cloud Security"
   description = "Windows 'svchost' executed from an unusual location"
   yara_version = "YL2.0"
   rule_version = "1.0"

 events:

   $e1.metadata.event_type = "PROCESS_LAUNCH"
   re.regex($e1.principal.process.command_line, `\bsvchost(\.exe)?\b`) nocase
   not re.regex($e1.principal.process.command_line, `\\Windows\\System32\\`) nocase

condition:

   $e1
}

Login dari berbagai kota

Aturan berikut menelusuri pengguna yang telah login ke perusahaan Anda dari dua kota atau lebih dalam waktu kurang dari 5 menit:

rule DifferentCityLogin {
  meta:

  events:
    $udm.metadata.event_type = "USER_LOGIN"
    $udm.principal.user.userid = $user
    $udm.principal.location.city = $city

  match:
    $user over 5m

  condition:
    $udm and #city > 1
}

Variabel pencocokan: $user

Variabel peristiwa:$udm

Variabel placeholder: $city dan $user

Hal berikut menjelaskan cara kerja aturan ini:

• Mengelompokkan peristiwa dengan nama pengguna ($user) dan menampilkannya ($user) jika ditemukan kecocokan.
• Rentang waktu adalah 5 menit, artinya hanya peristiwa yang berjarak kurang dari 5 menit yang akan dikorelasikan.
• Menelusuri grup peristiwa ($udm) yang jenis peristiwanya adalah USER_LOGIN.
• Untuk grup peristiwa tersebut, aturan memanggil User-ID sebagai $user dan kota login sebagai $city.
• Menampilkan kecocokan jika jumlah nilai city yang berbeda (ditunjukkan dengan #city) lebih besar dari 1 di grup peristiwa ($udm) dalam rentang waktu 5 menit.

Pembuatan dan penghapusan pengguna yang cepat

Aturan berikut menelusuri pengguna yang telah dibuat, lalu dihapus dalam waktu 4 jam:

rule UserCreationThenDeletion {
  meta:

  events:
    $create.target.user.userid = $user
    $create.metadata.event_type = "USER_CREATION"

    $delete.target.user.userid = $user
    $delete.metadata.event_type = "USER_DELETION"

    $create.metadata.event_timestamp.seconds <=
       $delete.metadata.event_timestamp.seconds

  match:
    $user over 4h

  condition:
    $create and $delete
}

Variabel peristiwa:$create dan $delete

Variabel pencocokan: $user

Variabel placeholder: T/A

Hal berikut menjelaskan cara kerja aturan ini:

• Mengelompokkan peristiwa dengan nama pengguna ($user) dan menampilkannya ($user) jika ditemukan kecocokan.
• Rentang waktu adalah 4 jam, artinya hanya peristiwa yang dipisahkan kurang dari 4 jam yang akan dikorelasikan.
• Menelusuri dua grup peristiwa ($create dan $delete, dengan $create setara dengan #create >= 1).
• $create sesuai dengan peristiwa USER_CREATION dan memanggil ID pengguna sebagai $user.
• $user digunakan untuk menggabungkan dua grup peristiwa.
• $delete sesuai dengan peristiwa USER_DELETION dan memanggil ID pengguna sebagai $user. Aturan ini mencari kecocokan dengan ID pengguna di dua grup peristiwa yang sama.
• Aturan ini mencari kasus ketika peristiwa dari $delete terjadi lebih lambat dari peristiwa dari $create, yang menampilkan kecocokan saat ditemukan.

Aturan peristiwa tunggal

Aturan peristiwa tunggal adalah aturan yang berkorelasi pada satu peristiwa. Satu aturan peristiwa dapat berupa:

• Aturan apa pun tanpa bagian yang cocok.
• Aturan dengan bagian match dan bagian condition yang hanya memeriksa keberadaan 1 peristiwa (misalnya, "$e", "#e > 0", "#e >= 1", "1 <= #e", "0 < #e").

Misalnya, aturan berikut menelusuri peristiwa login pengguna dan akan menampilkan peristiwa pertama yang ditemukannya dalam data perusahaan yang disimpan dalam akun Chronicle Anda:

rule SingleEventRule {
  meta:
    author = "[e-mail]"

  events:
    $e.metadata.event_type = "USER_LOGIN"

  condition:
    $e
}

Berikut adalah contoh lain dari aturan peristiwa tunggal dengan bagian pencocokan. Aturan ini menelusuri pengguna yang login setidaknya sekali dalam waktu kurang dari 5 menit. Fungsi ini memeriksa keberadaan peristiwa login pengguna yang sederhana.

rule SingleEventRule {
  meta:
    author = "[e-mail]"
    description = "windowed single event example rule"

  events:
    $e.metadata.event_type = "USER_LOGIN"
    $e.principal.user.userid = $user

  match:
    $user over 5m

  condition:
    #e > 0
}

Catatan: Aturan dengan bagian match dan bagian condition yang menyertakan variabel hasil selain keberadaan sederhana pada 1 peristiwa diklasifikasikan sebagai aturan multi-peristiwa. Dalam aturan ini, logika pembuatan deteksi bergantung pada semua peristiwa di jendela pencocokan (misalnya, banyak peristiwa), bukan peristiwa apa pun di jendela pencocokan (misalnya, peristiwa tunggal). Contoh aturan berikut menghasilkan deteksi yang sama dengan contoh aturan multi-peristiwa pertama di bagian berikutnya.

rule MultiEventRule{
  meta:
    author = "[e-mail]"
    description = "Rule with outcome condition and simple existence condition on one event variable"

  events:
    $e.metadata.event_type = "USER_LOGIN"
    $e.principal.user.userid = $user

  match:
    $user over 10m

  outcome:
    $num_events_in_match_window = count($e.metadata.id)

  condition:
    #e > 0 and $num_events_in_match_window >= 10 // Could be rewritten as #e >= 10
}

Beberapa aturan peristiwa

Gunakan beberapa aturan peristiwa untuk mengelompokkan banyak peristiwa selama jangka waktu yang ditentukan dan coba temukan korelasi di antara peristiwa. Aturan beberapa peristiwa umum akan memiliki hal berikut:

• Bagian match yang menentukan rentang waktu yang diperlukan untuk mengelompokkan peristiwa.
• Bagian condition yang menentukan kondisi yang harus memicu deteksi dan memeriksa keberadaan beberapa peristiwa.

Misalnya, aturan berikut menelusuri pengguna yang masuk setidaknya 10 kali dalam waktu kurang dari 10 menit:

rule MultiEventRule {
  meta:
    author = "[e-mail]"

  events:
    $e.metadata.event_type = "USER_LOGIN"
    $e.principal.user.userid = $user

  match:
    $user over 10m

  condition:
    #e >= 10
}

Satu peristiwa dalam rentang alamat IP

Contoh berikut menunjukkan satu aturan peristiwa yang menelusuri kecocokan antara dua pengguna tertentu dan rentang alamat IP tertentu:

rule OrsAndNetworkRange {
  meta:
    author = "[e-mail]"

  events:
    // Checks CIDR ranges.
    net.ip_in_range_cidr($e.principal.ip, "203.0.113.0/24")

    // Detection when the hostname field matches either value using or.
    $e.principal.hostname = /pbateman/ or $e.principal.hostname = /sspade/

  condition:
    $e
}

contoh aturan apa pun dan semua

Aturan berikut menelusuri peristiwa login ketika semua alamat IP sumber tidak cocok dengan alamat IP yang diketahui aman dalam rentang waktu 5 menit.

rule SuspiciousIPLogins {
  meta:
    author = "[e-mail]"

  events:
    $e.metadata.event_type = "USER_LOGIN"

    // Detects if all source IP addresses in an event do not match "100.97.16.0"
    // For example, if an event has source IP addresses
    // ["100.97.16.1", "100.97.16.2", "100.97.16.3"],
    // it will be detected since "100.97.16.1", "100.97.16.2",
    // and "100.97.16.3" all do not match "100.97.16.0".

    all $e.principal.ip != "100.97.16.0"

    // Assigns placeholder variable $ip to the $e.principal.ip repeated field.
    // There will be one detection per source IP address.
    // For example, if an event has source IP addresses
    // ["100.97.16.1", "100.97.16.2", "100.97.16.3"],
    // there will be one detection per address.

    $e.principal.ip = $ip

  match:
    $ip over 5m

  condition:
    $e
}

Ekspresi reguler dalam aturan

Contoh ekspresi reguler YARA-L 2.0 berikut menelusuri acara dengan email yang diterima dari domain altostrat.com. Karena nocase telah ditambahkan ke perbandingan regex variabel $host dan fungsi regex, kedua perbandingan ini tidak peka huruf besar/kecil.

rule RegexRuleExample {
  meta:
    author = "[e-mail]"

  events:
    $e.principal.hostname = $host
    $host = /.*HoSt.*/ nocase
    re.regex($e.network.email.from, `.*altostrat\.com`) nocase

  match:
    $host over 10m

  condition:
    #e > 10
}

Contoh aturan jendela geser

Contoh jendela geser YARA-L 2.0 berikut menelusuri tidak adanya peristiwa firewall_2 setelah peristiwa firewall_1. Kata kunci after digunakan dengan variabel peristiwa pivot $e1 untuk menentukan bahwa hanya periode 10 menit setelah setiap peristiwa firewall_1 yang harus diperiksa saat menghubungkan peristiwa.

rule SlidingWindowRuleExample {
  meta:
    author = "[e-mail]"

  events:
    $e1.metadata.product_name = "firewall_1"
    $e1.principal.hostname = $host

    $e2.metadata.product_name = "firewall_2"
    $e2.principal.hostname = $host

  match:
    $host over 10m after $e1

  condition:
    $e1 and !$e2
}

Contoh pengecualian nilai nol

Rules Engine secara implisit memfilter nilai nol untuk semua placeholder yang digunakan dalam bagian match. Untuk mengetahui informasi selengkapnya, lihat penanganan nilai nol di bagian match. Ini dapat dinonaktifkan menggunakan opsi allow_zero_values seperti yang dijelaskan dalam allow_zero_values.

Namun, untuk kolom peristiwa yang direferensikan lainnya, nilai nol tidak dikecualikan kecuali jika Anda menentukan kondisi tersebut secara eksplisit.

rule ExcludeZeroValues {
  meta:
    author = "[e-mail]"

  events:
    $e1.metadata.event_type = "NETWORK_DNS"
    $e1.principal.hostname = $hostname

    // $e1.principal.user.userid may be empty string.
    $e1.principal.user.userid != "Guest"

    $e2.metadata.event_type = "NETWORK_HTTP"
    $e2.principal.hostname = $hostname

    // $e2.target.asset_id cannot be empty string as explicitly specified.
    $e2.target.asset_id != ""

  match:
    // $hostname cannot be empty string. The rule behaves as if the
    // predicate, `$hostname != ""` was added to the events section, because
    // `$hostname` is used in the match section.
    $hostname over 1h

  condition:
    $e1 and $e2
}

Aturan dengan contoh bagian outcome

Anda dapat menambahkan bagian outcome opsional dalam aturan YARA-L 2.0 untuk mengekstrak informasi tambahan dari setiap deteksi. Di bagian kondisi, Anda juga dapat menentukan kondisional pada variabel hasil. Anda dapat menggunakan bagian outcome dari aturan deteksi guna menetapkan variabel untuk konsumsi downstream. Misalnya, Anda dapat menetapkan skor tingkat keparahan berdasarkan data dari peristiwa yang dianalisis.

Untuk informasi selengkapnya, lihat referensi berikut:

• Sintaksis bagian hasil
• Sintaksis kondisional hasil
• Ringkasan bagian outcome

Aturan multi-peristiwa dengan bagian hasil:

Aturan berikut memperhatikan dua peristiwa untuk mendapatkan nilai $hostname. Jika nilai $hostname cocok dengan periode 5 menit, skor tingkat keparahan akan diterapkan. Saat menyertakan jangka waktu di bagian match, aturan akan memeriksa dalam jangka waktu yang ditentukan.

rule OutcomeRuleMultiEvent {
    meta:
      author = "Google Cloud Security"
    events:
      $u.udm.principal.hostname = $hostname
      $asset_context.graph.entity.hostname = $hostname

      $severity = $asset_context.graph.entity.asset.vulnerabilities.severity

    match:
      $hostname over 5m

    outcome:
      $risk_score =
        max(
            100
          + if($hostname = "my-hostname", 100, 50)
          + if($severity = "HIGH", 10)
          + if($severity = "MEDIUM", 5)
          + if($severity = "LOW", 1)
        )

      $asset_id_list =
        array(
          if($u.principal.asset_id = "",
             "Empty asset id",
             $u.principal.asset_id
          )
        )

      $asset_id_distinct_list = array_distinct($u.principal.asset_id)

      $asset_id_count = count($u.principal.asset_id)

      $asset_id_distinct_count = count_distinct($u.principal.asset_id)

    condition:
      $u and $asset_context and $risk_score > 50 and not arrays.contains($asset_id_list, "id_1234")
}

rule OutcomeRuleMultiEvent {
    meta:
      author = "[e-mail]"
    events:
      $u.udm.principal.hostname = $hostname
      $asset_context.graph.entity.hostname = $hostname

      $severity = $asset_context.graph.entity.asset.vulnerabilities.severity

    match:
      $hostname over 5m

    outcome:
      $total_network_bytes = sum($u.network.sent_bytes) + sum($u.network.received_bytes)

      $risk_score = if(total_network_bytes > 1024, 100, 50) +
        max(
          if($severity = "HIGH", 10)
          + if($severity = "MEDIUM", 5)
          + if($severity = "LOW", 1)
        )

      $asset_id_list =
        array(
          if($u.principal.asset_id = "",
             "Empty asset id",
             $u.principal.asset_id
          )
        )

      $asset_id_distinct_list = array_distinct($u.principal.asset_id)

      $asset_id_count = count($u.principal.asset_id)

      $asset_id_distinct_count = count_distinct($u.principal.asset_id)

    condition:
      $u and $asset_context and $risk_score > 50 and not arrays.contains($asset_id_list, "id_1234")
}

Aturan peristiwa tunggal dengan bagian hasil:

rule OutcomeRuleSingleEvent {
    meta:
        author = "[e-mail]"
    events:
        $u.metadata.event_type = "FILE_COPY"
        $u.principal.file.size = $file_size
        $u.principal.hostname = $hostname

    outcome:
        $suspicious_host = $hostname
        $admin_severity = if($u.principal.userid in %admin_users, "SEVERE", "MODERATE")
        $severity_tag = if($file_size > 1024, $admin_severity, "LOW")

    condition:
        $u
}

Memfaktorkan ulang aturan hasil multi-peristiwa menjadi aturan hasil satu peristiwa.

Anda dapat menggunakan bagian outcome untuk aturan peristiwa tunggal (aturan tanpa bagian match) dan aturan multi-peristiwa (aturan dengan bagian match). Jika sebelumnya Anda mendesain aturan menjadi multi-peristiwa agar dapat menggunakan bagian hasil, Anda dapat memfaktorkan ulang aturan tersebut secara opsional dengan menghapus bagian match untuk meningkatkan performa. Perlu diketahui bahwa karena aturan Anda tidak lagi memiliki bagian match yang menerapkan pengelompokan, Anda mungkin menerima lebih banyak deteksi. Pemfaktoran ulang ini hanya dapat dilakukan untuk aturan yang menggunakan satu variabel peristiwa seperti yang ditunjukkan dalam contoh berikut.

Aturan hasil multi-peristiwa yang hanya menggunakan satu variabel peristiwa (kandidat yang baik untuk pemfaktoran ulang):

rule OutcomeMultiEventPreRefactor {
    meta:
      author = "[e-mail]"
      description = "Outcome refactor rule, before the refactor"

    events:
      $u.udm.principal.hostname = $hostname

    match:
      $hostname over 5m

    outcome:
      $risk_score = max(if($hostname = "my-hostname", 100, 50))

    condition:
      $u
}

Anda dapat memfaktorkan ulang aturan dengan menghapus bagian match. Perhatikan bahwa Anda juga harus menghapus agregat di bagian outcome karena aturan sekarang akan menjadi peristiwa tunggal. Untuk informasi selengkapnya tentang agregasi, lihat agregasi hasil.

rule OutcomeSingleEventPostRefactor {
    meta:
      author = "[e-mail]"
      description = "Outcome refactor rule, after the refactor"

    events:
      $u.udm.principal.hostname = $hostname

    // We deleted the match section.

    outcome:
      // We removed the max() aggregate.
      $risk_score = if($hostname = "my-hostname", 100, 50)

    condition:
      $u
}

Contoh aturan fungsi ke placeholder

Anda dapat menetapkan variabel placeholder ke hasil panggilan fungsi dan dapat menggunakan variabel placeholder di bagian aturan yang lain, seperti bagian match, bagian outcome, atau bagian condition. Lihat contoh berikut:

rule FunctionToPlaceholderRule {
    meta:
      author = "[e-mail]"
      description = "Rule that uses function to placeholder assignments"

    events:
        $u.metadata.event_type = "EMAIL_TRANSACTION"

        // Use function-placeholder assignment to extract the
        // address from an email.
        // [e-mail] -> address
        $email_to_address_only = re.capture($u.network.email.from , "(.*)@")

        // Use function-placeholder assignment to normalize an email:
        // uid@??? -> [e-mail]
        $email_from_normalized = strings.concat(
            re.capture($u.network.email.from , "(.*)@"),
            "@company.com"
        )

        // Use function-placeholder assignment to get the day of the week of the event.
        // 1 = Sunday, 7 = Saturday.
        $dayofweek = timestamp.get_day_of_week($u.metadata.event_timestamp.seconds)

    match:
        // Use placeholder (from function-placeholder assignment) in match section.
        // Group by the normalized from email, and expose it in the detection.
        $email_from_normalized over 5m

    outcome:
        // Use placeholder (from function-placeholder assignment) in outcome section.
        // Assign more risk if the event happened on weekend.
        $risk_score = max(
            if($dayofweek = 1, 10, 0) +
            if($dayofweek = 7, 10, 0)
        )

    condition:
        // Use placeholder (from function-placeholder assignment) in condition section.
        // Match if an email was sent to multiple addresses.
        #email_to_address_only > 1
}

Contoh aturan kondisional hasil

Di bagian condition, Anda dapat menggunakan variabel hasil yang ditentukan di bagian outcome. Contoh berikut menunjukkan cara memfilter skor risiko untuk mengurangi derau dalam deteksi dengan menggunakan kondisional hasil.

rule OutcomeConditionalRule {
    meta:
        author = "[e-mail]"
        description = "Rule that uses outcome conditionals"

    events:
        $u.metadata.event_type = "FILE_COPY"
        $u.principal.file.size = $file_size
        $u.principal.hostname = $hostname

        // 1 = Sunday, 7 = Saturday.
        $dayofweek = timestamp.get_day_of_week($u.metadata.collected_timestamp.seconds)

    outcome:
        $risk_score =
            if($file_size > 500*1024*1024, 2) + // Files 500MB are moderately risky
            if($file_size > 1024*1024*1024, 3) + // Files over 1G get assigned extra risk
            if($dayofweek=1 or $dayofweek=7, 4) + // Events from the weekend are suspicious
            if($hostname = /highly-privileged/, 5) // Check for files from highly privileged devices

    condition:
        $u and $risk_score >= 10
}