此页面由 Cloud Translation API 翻译。

UEBA 类别的风险分析概览

支持的平台：

Google SecOps SIEM

本文档概述了“UEBA 的风险分析”类别中的规则集、所需的数据，以及可用于调整每个规则集生成的提醒的配置。这些规则集通过评估受支持的日志来源来帮助识别威胁。

规则集说明

风险分析（UEBA）类别中提供了以下规则集，这些规则集按检测到的模式类型分组：

身份验证

用户登录新设备：用户登录了新设备。
按用户细分的异常身份验证事件：与历史使用情况相比，单个用户实体最近发生了异常身份验证事件。
按设备划分的身份验证失败次数：与历史使用情况相比，单个设备实体最近的登录尝试失败次数过多。
用户身份验证失败次数：与历史使用情况相比，单个用户实体最近的登录尝试失败次数过多。

网络流量分析

设备上传的异常字节数：与历史使用情况相比，最近上传到单个设备实体的数据量显著增加。
设备的出站字节数异常：与历史使用情况相比，单个设备实体最近下载了大量数据。
设备的总字节数异常：与历史使用情况相比，某个设备实体最近上传和下载了大量数据。
用户入站字节数异常：与历史使用情况相比，单个用户实体最近下载了大量数据。
用户总字节数异常：与历史用量相比，用户实体最近上传和下载了大量数据。
用户先暴力破解，然后成功登录：来自一个 IP 地址的单个用户实体在成功登录之前，对某个应用进行了多次失败的身份验证尝试。

基于同类群组的检测

新创建的用户的登录次数异常或过多：新创建的用户的身份验证活动异常或过多。此方法使用广告情境数据中的创建时间。
新创建的用户的异常或过度可疑操作：新创建的用户的异常或过度活动（包括但不限于 HTTP 遥测、进程执行和群组修改）。这会使用广告上下文数据中的创建时间。

可疑操作

设备创建的账号过多：某个设备实体创建了多个新用户账号。
用户收到的提醒过多：系统报告了某个用户实体收到大量来自防病毒软件或端点设备的安全提醒（例如连接被阻止、检测到恶意软件），远超历史模式。这些事件的 security_result.action UDM 字段设置为 BLOCK。

基于数据泄露防护的检测

具有数据渗漏功能的异常或过量进程：与具有数据渗漏功能的进程（例如键盘记录器、屏幕截图和远程访问）相关的异常或过量活动。此功能使用 VirusTotal 的文件元数据扩充功能。

风险分析功能（UEBA 类别）所需的必要数据

本部分详细介绍了每个规则集类别所需的数据，以便实现最佳性能。虽然 UEBA 检测功能旨在与所有受支持的默认解析器搭配使用，但使用以下特定数据类型可最大限度地发挥其优势。如需查看支持的默认解析器的完整列表，请参阅支持的日志类型和默认解析器。

身份验证

如需使用上述任何规则集，请从 Azure AD 目录审核 (AZURE_AD_AUDIT) 或 Windows 事件 (WINEVTLOG) 中收集日志数据。

对于 WINEVTLOG，您必须配置数据收集配置，以在 Security 事件日志 Channel 中包含以下 Windows Event IDs。这些事件直接映射到检测引擎使用的 Event types（例如 USER_LOGIN 或 PROCESS_LAUNCH）。

Windows 事件 ID 要求

事件类型	Windows 事件 ID
USER_LOGIN	`529, 4624, 4625, 4626, 4648, 4672, 4768, 4769, 4770, 4771, 4777, 4820, 4821, 4964`
USER_CREATION	`4720`
NETWORK_CONNECTION	`4096, 4097, 4321, 5156, 5632, 5633, 5157`
GROUP_MODIFICATION	`4728, 4729, 4732, 4733, 4735, 4737, 4745, 4746, 4747, 4750, 4751, 4752, 4755, 4756, 4757, 4760, 4761, 4762, 4764, 4784, 4785, 4786, 4787, 4788, 4791`
PROCESS_LAUNCH	`4688`
PROCESS_OPEN	`4663, 4670, 4691, 8002`

网络流量分析

如需使用上述任何规则集，请收集可捕获网络活动的日志数据。例如，来自 FortiGate (FORTINET_FIREWALL)、Check Point (CHECKPOINT_FIREWALL)、Zscaler (ZSCALER_WEBPROXY)、CrowdStrike Falcon (CS_EDR) 或 Carbon Black (CB_EDR) 等设备。

基于同类群组的检测

如需使用上述任何规则集，请从 Azure AD 目录审核 (AZURE_AD_AUDIT) 或 Windows 事件 (WINEVTLOG) 中收集日志数据。

可疑操作

此组中的每个规则集都使用不同类型的数据。

设备创建账号过多规则集

如需使用此规则集，请从 Azure AD 目录审核 (AZURE_AD_AUDIT) 或 Windows 事件 (WINEVTLOG) 中收集日志数据。

“用户收到的提醒过多”规则集

如需使用此规则集，请收集可捕获端点活动或审核数据（例如 CrowdStrike Falcon [CS_EDR]、Carbon Black [CB_EDR] 或 Azure AD 目录审核 [AZURE_AD_AUDIT] 记录的数据）的日志数据。

基于数据泄露防护的检测

如需使用上述任何规则集，请收集可捕获进程和文件活动的日志数据，例如 CrowdStrike Falcon (CS_EDR)、Carbon Black (CB_EDR) 或 SentinelOne EDR (SENTINEL_EDR) 记录的日志数据。

此类别中的规则集取决于具有以下 metadata.event_type 值（PROCESS_LAUNCH、PROCESS_OPEN、PROCESS_MODULE_LOAD）的事件。

调整此类别规则集返回的提醒

您可以使用规则排除项来减少规则或规则集生成的检测数量。

规则排除项定义了用于排除某个事件的条件，以使该事件不被规则集或规则集中的特定规则评估。创建一条或多条规则排除项，以帮助减少检测量。如需了解具体操作方法，请参阅配置规则排除项。

UEBA 类别的风险分析规则示例

以下示例展示了如何创建规则，以针对风险得分高于 100 的任何实体主机名生成检测结果：

rule EntityRiskScore {
  meta:
  events:
    $e1.principal.hostname != ""
    $e1.principal.hostname = $hostname

    $e2.graph.entity.hostname = $hostname
    $e2.graph.risk_score.risk_window_size.seconds = 86400 // 24 hours
    $e2.graph.risk_score.risk_score >= 100

    // Run deduplication across the risk score.
    $rscore = $e2.graph.risk_score.risk_score

  match:
    // Dedup on hostname and risk score across a 4 hour window.
    $hostname, $rscore over 4h

  outcome:
    // Force these risk score based rules to have a risk score of zero to
    // prevent self feedback loops.
    $risk_score = 0

  condition:
    $e1 and $e2
}

此规则示例还使用 match 部分执行了自我去重。如果规则检测可能会触发，但在 4 小时内主机名和风险评分保持不变，则不会创建新的检测。

实体风险得分规则的唯一可能风险窗口期为 24 小时或 7 天（分别为 86,400 秒或 604,800 秒）。如果您未在规则中添加风险窗口大小，则规则会返回不准确的结果。

实体风险评分数据与实体背景数据分开存储。如需在规则中同时使用这两个变量，规则必须包含两个单独的实体事件，一个用于实体情境，另一个用于实体风险评分，如以下示例所示：

rule EntityContextAndRiskScore {
  meta:
  events:
    $log_in.metadata.event_type = "USER_LOGIN"
    $log_in.principal.hostname = $host

    $context.graph.entity.hostname = $host
    $context.graph.metadata.entity_type = "ASSET"

    $risk_score.graph.entity.hostname = $host
    $risk_score.graph.risk_score.risk_window_size.seconds = 604800

  match:
    $host over 2m

  outcome:
    $entity_risk_score = max($risk_score.graph.risk_score.normalized_risk_score)

  condition:
    $log_in and $context and $risk_score and $entity_risk_score > 100
}

后续步骤

使用“风险分析”信息中心调查风险