Menggunakan data yang diperkaya konteks dalam laporan

Untuk mendukung investigasi keamanan, Chronicle menyerap data kontekstual dari berbagai sumber, melakukan analisis pada data yang diserap, dan memberikan konteks tambahan tentang artefak di lingkungan pelanggan. Dokumen ini memberikan contoh bagaimana analis dapat menggunakan data kontekstual yang diperkaya di dasbor dan dalam skema Chronicle di BigQuery.

Untuk mengetahui informasi selengkapnya tentang pengayaan data, lihat Cara Chronicle memperkaya data peristiwa dan entitas.

Menggunakan data yang diperkaya geolokasi

Peristiwa UDM dapat menyertakan data yang diperkaya geolokasi untuk memberikan konteks tambahan selama investigasi. Ketika peristiwa UDM diekspor ke BigQuery, kolom ini juga diekspor. Bagian ini menjelaskan cara menggunakan kolom yang diperkaya geolokasi saat membuat laporan.

Data kueri dalam skema events

Data geolokasi dapat dikueri menggunakan skema events Chronicle di BigQuery. Contoh berikut adalah kueri SQL yang menampilkan hasil agregat untuk semua peristiwa USER_LOGIN menurut pengguna, negara, serta dengan waktu pengamatan pertama dan terakhir.

SELECT
 ip_geo_artifact.location.country_or_region,
 COUNT(ip_geo_artifact.location.country_or_region) AS count_country,
 ip_geo_artifact.location.state,
 COUNT(ip_geo_artifact.location.state) AS count_state,
 target.user.email_addresses[ORDINAL(1)] AS principal_user,
 TIMESTAMP_SECONDS(MIN(metadata.event_timestamp.seconds)) AS first_observed,
 TIMESTAMP_SECONDS(MAX(metadata.event_timestamp.seconds)) AS last_observed,
FROM `datalake.events`,
UNNEST (principal.ip_geo_artifact) as ip_geo_artifact
WHERE DATE(hour_time_bucket) = "2023-01-11"
AND metadata.event_type = 15001
AND metadata.vendor_name IN ("Google Cloud Platform","Google Workspace")
GROUP BY 1,3,5
HAVING count_country > 0
ORDER BY count_country DESC

Tabel berikut berisi contoh hasil yang mungkin ditampilkan.

country_or_region count_country state count_state principal_user first_observed last_observed
Netherlands 5

North Holland 5

admin@acme.com 2023-01-11 14:32:51 UTC 2023-01-11 14:32:51 UTC
Israel 1

Tel Aviv District

1

omri@acme.com 2023-01-11 10:09:32 UTC 2023-01-11 15:26:38 UTC

Kueri SQL berikut mengilustrasikan cara mendeteksi jarak antara dua lokasi.

SELECT
DISTINCT principal_user,
(ST_DISTANCE(north_pole,user_location)/1000) AS distance_to_north_pole_km
FROM (
  SELECT
    ST_GeogPoint(135.00,90.00) AS north_pole,
    ST_GeogPoint(ip_geo_artifact.location.region_coordinates.longitude, ip_geo_artifact.location.region_coordinates.latitude) AS user_location,
    target.user.email_addresses[ORDINAL(1)] AS principal_user
  FROM `datalake.events`,
  UNNEST (principal.ip_geo_artifact) as ip_geo_artifact
  WHERE DATE(hour_time_bucket) = "2023-01-11"
  AND metadata.event_type = 15001
  AND metadata.vendor_name IN ("Google Cloud Platform","Google Workspace")
  AND ip_geo_artifact.location.country_or_region != ""
)
ORDER BY 2 DESC

Tabel berikut berisi contoh hasil yang mungkin ditampilkan.

principal_user distance_to_north_pole_km
omri@acme.com 6438.98507

admin@acme.com 4167.527018

Anda dapat membuat kueri yang sedikit lebih berguna dengan memanfaatkan poligon area untuk menghitung area yang wajar untuk perjalanan dari suatu lokasi dalam interval tertentu. Anda juga dapat memeriksa apakah beberapa nilai geografi cocok untuk mengidentifikasi deteksi perjalanan yang mustahil. Solusi ini membutuhkan sumber data geolokasi yang akurat dan konsisten.

Lihat kolom yang diperkaya di dasbor

Anda juga dapat membuat dasbor menggunakan kolom UDM yang diperkaya geolokasi. Gambar berikut adalah salah satu contohnya.

Contoh dasbor dengan data yang diperkaya Contoh dasbor yang menggunakan data yang diperkaya

Langkah selanjutnya

Untuk mengetahui informasi tentang cara menggunakan data yang diperkaya dengan fitur Chronicle lainnya, lihat artikel berikut: