Google 会使用 AI 技术将内容翻译成您偏好的语言。AI 翻译可能包含错误。

实战化威胁情报融合 Feed

支持的平台：

Google SecOps SIEM

应用威胁情报 (ATI) 融合 Feed 是一组与已知威胁行为者、恶意软件变种、活跃的攻击活动和已完成的情报报告相关联的失陷指标 (IoC)，包括哈希、IP、网域和网址。该 Feed 还包含来自开源 Feed 的 IoC，这些 IoC 经过 Mandiant Intelligence 的仔细检查和验证，可最大限度地提高价值并提供高准确性。

Mandiant 的整理流程包括以下阶段：

一线突发事件响应：在调查违规行为时，Mandiant 分析师会直接了解攻击者使用的工具和技术。
威胁研究：专门的团队负责跟踪威胁行为者、分析恶意软件，并发现新兴的攻击基础设施。
情境化：将 IoC 映射到特定威胁和攻击活动，有助于了解突发事件并确定其优先级。

Breach Analytics Feed 以 ATI Fusion Feed 为基础，纳入了来自 Mandiant 新开展和正在进行的泄露调查的指标。它可提供有关最新攻击趋势的实时数据分析。为了增强指标匹配，YARA-L 规则可以使用 ATI Fusion Feed 中的上下文信息，例如关联的威胁群组、指标在遭入侵环境中的存在情况或 Mandiant 的自动化恶意程度得分。

使用 ATI Fusion Feed 编写 YARA-L 规则

在 Google Security Operations 中编写使用 ATI Fusion Feed 的 YARA-L 规则，与编写使用其他上下文实体来源的 YARA-L 规则的过程类似。如需了解详情，请参阅创建情境感知分析。

活动和赛事部分

如需编写规则，请按以下步骤操作： 1. 过滤所选上下文实体图。在此示例中为 Fusion Feed。 1. 过滤特定类型的指示器。例如 FILE。请参阅以下示例：

events:
   $context_graph.graph.metadata.product_name = "MANDIANT_FUSION_IOC"
   $context_graph.graph.metadata.vendor_name = "MANDIANT_FUSION_IOC"
   $context_graph.graph.metadata.source_type = "GLOBAL_CONTEXT"
   $context_graph.graph.metadata.entity_type = "FILE"

您可以在 events 部分中添加活动或上下文实体的任何其他条件。您可以从上下文实体和 UDM 事件字段联接字段。

在以下示例中，占位符变量 ioc 用于在上下文实体和事件之间执行传递联接。然后，在 match 部分中使用 ioc 变量，以确保在特定时间范围内存在匹配项。

   $ioc = $context_graph.graph.entity.file.md5
   $ioc = $e1.principal.process.file.md5

match:
   $ioc over 1h

如需详细了解可在 YARA-L 规则中使用的上下文实体字段，请参阅融合 Feed 上下文实体字段部分。

结果部分

沿用上一个示例，基本指示器匹配规则是针对 graph.entity.file.md5 字段和 principal.process.file.md5 UDM 字段中的上下文实体中的文件哈希设置的。

由于此规则可以匹配大量事件，因此建议您优化该规则，以匹配具有特定智能的上下文实体。例如，您可能希望根据 Mandiant 为指标分配的置信度分数、是否在被入侵的环境中发现该指标，或与该指标关联的恶意软件系列进行匹配。所有这些操作都可以在规则的 outcome 部分中完成。

 outcome:
   // Extract the Mandiant Automated Intel confidence score of maliciousness
   $confidence_score = max(if($context_graph.graph.metadata.threat.verdict_info.source_provider = "Mandiant Automated Intel", $context_graph.graph.metadata.threat.verdict_info.confidence_score, 0))
   // Extract the status of the indicator as seen in a breached environment
   $breached = max(if($context_graph.graph.metadata.threat.verdict_info.pwn = true, 1, 0))

   // Intermediary outcome variable to combine conditions of intelligence extracted in the previous outcome variables.
   // Return 1 if conditions are met, otherwise return 0.
   $matched_conditions = if($confidence_score >= 80 AND $breached = 1, 1, 0)

在 YARA-L 规则的 outcome 部分，使用封装在 max 函数中的 if statement 提取置信度分数。多事件规则必须采用此技术。同样的技术也用于从 verdict_info 中提取 pwn 变量，该变量用于指示在 Mandiant 识别的遭入侵环境中是否发现了指示器。

然后，这两个结果变量会合并到另一个 matched_conditions 变量中，从而可以在 condition 部分中使用链式逻辑。

条件部分

condition 部分可确保 e1、context_graph 和 matched_conditions 存在，并且/或者符合指定的条件。

 condition:
   // Ensure $e1, $context_graph and $matched_conditions conditions are met.
   $e1 AND $context_graph AND $matched_conditions = 1

完整的 YARA-L 规则

此时，该规则已可供使用，应如下所示：

rule fusion_feed_example_principal_process_file_md5 {
 meta:
   rule_name = "File Hash - Applied Threat Intelligence"
   description = "Matches file hashes against the Applied Threat Intelligence Fusion Feed."

 events:
   // Filter graph
   $context_graph.graph.metadata.product_name = "MANDIANT_FUSION_IOC"
   $context_graph.graph.metadata.vendor_name = "MANDIANT_FUSION_IOC"
   $context_graph.graph.metadata.entity_type = "FILE"
   $context_graph.graph.metadata.source_type = "GLOBAL_CONTEXT"

   // Do join
   $ioc = $context_graph.graph.entity.file.md5
   $ioc = $e1.principal.process.file.md5

 match:
   $ioc over 1h

 outcome:
   // Extract the Mandiant Automated Intel confidence score of maliciousness
   $confidence_score = max(if($context_graph.graph.metadata.threat.verdict_info.source_provider = "Mandiant Automated Intel", $context_graph.graph.metadata.threat.verdict_info.confidence_score, 0))
   // Extract the status of the indicator as seen in a breached environment
   $breached = max(if($context_graph.graph.metadata.threat.verdict_info.pwn = true, 1, 0))

   // Intermediary outcome variable to combine conditions of intelligence extracted in the previous outcome variables.
   // Return 1 if conditions are met, otherwise return 0.
   $matched_conditions = if($confidence_score >= 80 AND $breached = 1, 1, 0)

 condition:
   // Ensure $e1, $context_graph and $matched_conditions conditions are met.
   $e1 AND $context_graph AND $matched_conditions = 1
}

ATI Fusion Feed context entity fields

您可以在规则中使用 ATI Fusion Feed 中的许多字段。这些字段均在统一数据模型字段列表中定义。以下字段与确定指标优先级相关：

实体字段	可能的值
`metadata.threat.associations.type`	`MALWARE`，`THREAT_ACTOR`
`metadata.threat.associations.name`	威胁关联名称
`metadata.threat.verdict_info.pwn`	`TRUE`，`FALSE`
`metadata.threat.verdict_info.pwn_first_tagged_time.seconds`	时间戳（秒）

某些字段具有需要组合使用的键值对，才能访问正确的值。例如：

实体字段 1	值	实体字段 2	值
`metadata.threat.verdict_info.source_provider`	Mandiant Global Intel	`metadata.threat.verdict_info.global_hits_count`	整数
`metadata.threat.verdict_info.source_provider`	Mandiant Global Intel	`metadata.threat.verdict_info.global_customer_count`	整数
`metadata.threat.verdict_info.source_provider`	Mandiant 分析师情报	`metadata.threat.verdict_info.confidence_score`	整数
`metadata.threat.verdict_info.source_provider`	Mandiant Automated Intel	`metadata.threat.verdict_info.confidence_score`	整数

在 YARA-L 规则的 outcome 部分中，您可以使用以下命令访问由特定键指定的值：

$hit_count = max(if($context_graph.graph.metadata.threat.verdict_info.source_provider = "Mandiant Global Intel", $context_graph.graph.metadata.threat.verdict_info.global_hits_count, 0))

在 Google Security Operations 中检查实体匹配项有助于您全面了解数据，发现其他可能有助于评估指标提醒优先级和上下文的字段。

以下示例展示了作为初始参考点的 Fusion Feed 上下文实体：

{
  "metadata": {
    "product_entity_id": "md5--147d19e6-cdae-57bb-b9a1-a8676265fa4c",
    "collected_timestamp": {
      "seconds": "1695165683",
      "nanos": 48000000
    },
    "vendor_name": "MANDIANT_FUSION_IOC",
    "product_name": "MANDIANT_FUSION_IOC",
    "product_version": "1710194393",
    "entity_type": "FILE",
    "creation_timestamp": {
      "seconds": "1710201600"
    },
    "interval": {
      "start_time": {
        "seconds": "1"
      },
      "end_time": {
        "seconds": "253402300799"
      }
    },
    "threat": [
      {
        "category_details": [
          "A phishing email message or the relevant headers from a phishing email."
        ],
        "severity_details": "HIGH",
        "confidence_details": "75",
        "risk_score": 75,
        "first_discovered_time": {
          "seconds": "1683294326"
        },
        "associations": [
          {
            "id": "threat-actor--3e5e6bdf-5b4e-5166-84fa-83045e637f23",
            "type": "THREAT_ACTOR",
            "name": "UNC2633"
          },
          {
            "id": "threat-actor--3e5e6bdf-5b4e-5166-84fa-83045e637f23",
            "country_code": [
              "unknown"
            ],
            "type": "THREAT_ACTOR",
            "name": "UNC2633",
            "description": "UNC2633 is a distribution threat cluster that delivers emails containing malicious attachments or links that lead to malware payloads, primarily QAKBOT, but also SNOWCONE.GZIPLOADER (which leads to ICEDID) and MATANBUCHUS. Historically, UNC2633 has distributed ZIP files containing malicious Excel files that download malware payloads. In early 2023, UNC2633 started distributing OneNote files (.one) that usually led to QAKBOT. It has also leveraged HTML smuggling to distribute ZIP files containing IMG files that contain LNK files and malware payloads.",
            "alias": [
              {
                "name": "TA570 (Proofpoint)"
              }
            ],
            "first_reference_time": {
              "seconds": "1459085092"
            },
            "last_reference_time": {
              "seconds": "1687392000"
            },
            "industries_affected": [
              "Aerospace & Defense",
              "Agriculture",
              "Automotive",
              "Chemicals & Materials",
              "Civil Society & Non-Profits",
              "Construction & Engineering",
              "Education",
              "Energy & Utilities",
              "Financial Services",
              "Governments",
              "Healthcare",
              "Hospitality",
              "Insurance",
              "Legal & Professional Services",
              "Manufacturing",
              "Media & Entertainment",
              "Oil & Gas",
              "Pharmaceuticals",
              "Retail",
              "Technology",
              "Telecommunications",
              "Transportation"
            ]
          }
        ],
        "campaigns": [
          "CAMP.23.007"
        ],
        "last_updated_time": {
          "seconds": "1695165683",
          "nanos": 48000000
        },
        "verdict_info": [
          {
            "source_provider": "Mandiant Automated Intel",
            "confidence_score": 75
          },
          {
            "verdict_type": "ANALYST_VERDICT",
            "confidence_score": 75
          },
          {
            "source_count": 91,
            "response_count": 1,
            "verdict_type": "PROVIDER_ML_VERDICT",
            "malicious_count": 1,
            "ioc_stats": [
              {
                "ioc_stats_type": "MANDIANT_SOURCES",
                "second_level_source": "Knowledge Graph",
                "quality": "HIGH_CONFIDENCE",
                "malicious_count": 1,
                "response_count": 1,
                "source_count": 8
              },
              {
                "ioc_stats_type": "MANDIANT_SOURCES",
                "second_level_source": "Malware Analysis",
                "source_count": 4
              },
              {
                "ioc_stats_type": "MANDIANT_SOURCES",
                "second_level_source": "Spam Monitoring",
                "source_count": 1
              },
              {
                "ioc_stats_type": "THIRD_PARTY_SOURCES",
                "second_level_source": "Crowdsourced Threat Analysis",
                "source_count": 71
              },
              {
                "ioc_stats_type": "THIRD_PARTY_SOURCES",
                "first_level_source": "MISP",
                "second_level_source": "Trusted Software List",
                "source_count": 3
              },
              {
                "ioc_stats_type": "THIRD_PARTY_SOURCES",
                "first_level_source": "Threat Intelligence Feeds",
                "second_level_source": "Digitalside It Hashes",
                "source_count": 1
              },
              {
                "ioc_stats_type": "THIRD_PARTY_SOURCES",
                "first_level_source": "Threat Intelligence Feeds",
                "second_level_source": "Tds Harvester",
                "source_count": 1
              },
              {
                "ioc_stats_type": "THIRD_PARTY_SOURCES",
                "first_level_source": "Threat Intelligence Feeds",
                "second_level_source": "Urlhaus",
                "source_count": 1
              }
            ]
          },
          {
            "source_provider": "Mandiant Analyst Intel",
            "confidence_score": 75,
            "pwn": true,
            "pwn_first_tagged_time": {
              "seconds": "1683911695"
            }
          }
        ],
        "last_discovered_time": {
          "seconds": "1683909854"
        }
      }
    ],
    "source_type": "GLOBAL_CONTEXT",
    "source_labels": [
      {
        "key": "is_scanner",
        "value": "false"
      },
      {
        "key": "osint",
        "value": "false"
      },
      {
        "key": "misp_akamai",
        "value": "false"
      },
...
      {
        "key": "has_pwn",
        "value": "2023-05-12T17:14:55.000+0000"
      }
    ],
    "event_metadata": {
      "id": "\\000\\000\\000\\000\\034Z\\n\\2545\\237\\367\\353\\271\\357\\302\\215t\\330\\275\\237\\000\\000\\000\\000\\007\\000\\000\\000\\206\\000\\000\\000",
      "base_labels": {
        "log_types": [
          "MANDIANT_FUSION_IOC"
        ],
        "allow_scoped_access": true
      }
    }
  },
  "entity": {
    "file": {
      "sha256": "000bc5900dc7a32851e380f418cc178ff0910242ee0561ae37ff424e6d3ec64a",
      "md5": "f0095b0a7480c826095d9ffc9d5d2d8f",
      "sha1": "8101315b9fbbf6a72bddbfe64837d246f4c8b419"
    },
    "labels": [
      {
        "key": "is_scanner",
        "value": "false"
      },
      {
        "key": "osint",
        "value": "false"
      },
      {
        "key": "misp_akamai",
        "value": "false"
      },
...
    ]
  }
}

复杂条件

如需在上下文实体中使用多个字段，您可以组合多个结果变量，以创建更复杂的条件逻辑。中介结果变量可用于合并多个字段。然后，将这些变量组合起来，形成一个可在 condition 部分中使用的新结果变量。

例如：

// Value will be 1 if threat.associations.type = "MALWARE"
// Wrapper max function required for multi-event rules
$is_attributed_malware = max(if($entity_context.graph.metadata.threat.associations.type = "MALWARE", 1, 0))

// Value will be 1 if threat.associations.type = "THREAT_ACTOR"
$is_attributed_actor = max(if($entity_context.graph.metadata.threat.associations.type = "THREAT_ACTOR", 1,0))

// Value will be the sum of the $is_attributed_malware $is_attributed_malware and $is_attributed_actor
$is_attributed = if($is_attributed_malware = 1, 1, 0)
                    +
                    if($is_attributed_actor = 1, 1, 0)

// If the value of $is_attributed is greater than 1, this indicates the indicator has been attributed at least once with the type "MALWARE" or "THREAT_ACTOR"

在此示例中，两个中间结果变量 is_attributed_malware 和 is_attributed_actor 组合成一个结果变量 is_attributed。

中间结果值会返回数值，从而可以在新的结果变量中进行数值比较。

如果指示器至少有一个类型为 MALWARE 或 THREAT_ACTOR 的威胁关联，则 is_attributed 中的值为 1 或更大。

YARA-L 规则中的灵活联接

为了减少所需的规则数量，您可以在 IoC 之间使用灵活的联接，将多个 UDM 字段连接到上下文实体。

以下示例展示了如何在 event 部分中针对多个 UDM 字段使用灵活联接：

  events:
    // Filter graph
    $mandiant.graph.metadata.product_name = "MANDIANT_FUSION_IOC"
    $mandiant.graph.metadata.vendor_name = "MANDIANT_FUSION_IOC"
    $mandiant.graph.metadata.entity_type = "FILE"
    $mandiant.graph.metadata.source_type = "GLOBAL_CONTEXT"

    $mandiant.graph.entity.file.md5 = strings.coalesce($e.target.process.file.md5, $e.target.process.file.md5) OR
    $mandiant.graph.entity.file.md5 = strings.coalesce($e.principal.process.file.md5, $e.principal.process.file.md5)

将 Mandiant 旧版 Feed 迁移到 GTI

Google SecOps 正在整合威胁情报数据源。为了提供种类更全的失陷指标 (IoC) 并简化集成，我们正在从旧版 Mandiant Feed 迁移到统一的 Google Threat Intelligence (GTI) Feed。

本指南面向希望在迁移到统一 GTI Feed 的同时保持不间断威胁覆盖范围的检测工程师和分析师。其中介绍了如何更新现有 YARA-L 规则，以便与新的 GTI IoC 匹配，同时保留旧版提醒功能。通过按照提供的时间表和迁移工作流更新规则语法，您可以确保在旧版 Feed 冻结之前顺利完成转换。

更新 YARA-L 规则

建议您将 YARA-L 规则更新为新的 GTI 产品名称，以保持不间断的覆盖范围。

旧版 Mandiant Feed 名称	新 GTI 商品名称	许可层级
`MANDIANT_FUSION_IOC`	GTI_IOC	企业版或企业加强版
`OPEN_SOURCE_INTEL_IOC`	GTI_IOC	企业版或企业加强版
`MANDIANT_ACTIVE_BREACH_IOC`	GTI_IOC	Enterprise+

YARA-L 迁移参考文档

如果您不想使用 Gemini 应用功能，请使用以下代码段手动更新规则。

基本迁移

使用此 YARA-L 语法可同时匹配历史数据和新的 GTI 数据。

旧 YARA-L 语法：

$mandiant.graph.metadata.product_name = "MANDIANT_FUSION_IOC"

推荐的 YARA-L 语法：

(
    $mandiant.graph.metadata.product_name = "GTI_IOC"
    $mandiant.graph.metadata.threat_intel.stable = true
)

了解迁移工作流

以下工作流反映了更新后的规则管理体验，旨在引导您完成迁移。

确定受影响的规则。打开规则管理/列表页面。如果您的租户有受影响的规则，系统会显示醒目的全局横幅。
- 指示：引用旧版 Feed 的规则会显示警告图标或 Update Required 工具提示。
- 操作：点击问问 Gemini 帮助更新或选择特定规则以查看详情。
分析规则详细信息。当您打开受影响的规则时，规则编辑器会突出显示旧版语法（例如 $mandiant.graph.metadata.product_name = "MANDIANT_FUSION_IOC"）。

编辑器标题中会显示一个专用迁移按钮，用于触发 Gemini 侧边栏。
阅读 Gemini 辅助更新。Gemini 侧边栏会自动加载预先填充的上下文卡片：
- Gemini 会根据您的授权情况，说明旧 Feed 与新的 GTI Feed 之间的映射关系。
- Gemini 会提供建议的修复代码块。查看更新后的 YARA-L 逻辑，该逻辑添加了 GTI_IOC，同时保留了旧版引用以确保历史覆盖范围。
点击应用到编辑器，将旧逻辑替换为建议的新语法。
验证新语法。使用更新后的 GTI_IOC 语法保存规则后，系统会显示以下详细信息：
- 编辑器和主规则列表页面中的需要更新警告图标会消失。
- 在您清除标记的规则时，迁移状态会实时更新。