שילוב נתונים של Sensitive Data Protection בכללים

נתמך ב:

במאמר הזה מוסבר איך להשתמש בנתוני הקשר של ישויות מ-Sensitive Data Protection וממקורות נוספים של יומנים כדי להוסיף הקשר להבנה של ההשפעה וההיקף של איום פוטנציאלי במהלך חקירה.

תרחיש השימוש שמתואר במסמך הזה מזהה הרצה של קובץ זדוני על ידי משתמש (טכניקת MITRE ATT&CK‏ T1204.002) וקובע אם למשתמש הזה יש גם גישה למידע אישי רגיש במקום אחר ברשת.

בדוגמה הזו נדרש שהנתונים הבאים ייקלטו וינורמלו ב-Google Security Operations:

  • נתוני פעילות משתמש באמצעות יומני רשת ו-EDR.
  • קשרי משאבים ממקורות נתונים כמו Google Cloud ניתוח IAM.
  • יומנים של Sensitive Data Protection שמכילים תוויות לגבי הסוג והרגישות של הנתונים המאוחסנים.

מערכת Google SecOps צריכה להיות מסוגלת לנתח את הנתונים הגולמיים לרשומות של ישויות ואירועים במודל נתונים מאוחד (UDM).

מידע על העברת נתונים מ-Sensitive Data Protection ל-Google SecOps זמין במאמר ייצוא נתונים מ-Sensitive Data Protection ל-Google SecOps.

Google Cloud נתוני ניתוח של IAM

נתוני היומן של Google Cloud ניתוח IAM בדוגמה הזו מזהים משתמשים ב ארגון ומתעדים את הקשרים של כל משתמש למערכות אחרות ב רשת. בהמשך מופיע קטע מיומן ניתוח IAM שמאוחסן כרשומה של ישות UDM. הטבלה הזו מאחסנת מידע על המשתמש, mikeross, שמנהל טבלה ב-BigQuery שנקראת 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"

נתונים של Sensitive Data Protection

נתוני היומן של Sensitive Data Protection בדוגמה הזו מאחסנים מידע על טבלה ב-BigQuery. בהמשך מוצג קטע מיומן של Sensitive Data Protection שמאוחסן כרשומה של ישות UDM. היא מייצגת את טבלת BigQuery שנקראת analytics:claim.patients עם התווית Predicted InfoType US_SOCIAL_SECURITY_NUMBER, שמציינת שהטבלה מאחסנת מספרי ביטוח לאומי בארצות הברית.

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"

אירועים של שרת proxy לאינטרנט

אירוע ה-Proxy לאינטרנט בדוגמה הזו מתעד פעילות ברשת. קטע הקוד הבא הוא של יומן פרוקסי אינטרנט של Zscaler שנשמר כרשומה של אירוע UDM. הוא מתעד אירוע הורדה ברשת של קובץ הפעלה על ידי משתמש עם הערך userid mikeross, כאשר הערך received_bytes הוא 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"

אירועי EDR

אירוע ה-EDR בדוגמה הזו מתעד פעילות במכשיר קצה. קטע הקוד הבא הוא של יומן CrowdStrike Falcon EDR שנשמר כרשומה של אירוע UDM. הוא מתעד אירוע ברשת שקשור לאפליקציית Microsoft Excel ולמשתמש עם הערך 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"

שימו לב שיש מידע משותף ברשומות האלה, גם מזהה המשתמש mikeross וגם שם הטבלה analytics:claim.patients. בקטע הבא במסמך הזה מוסבר איך משתמשים בערכים האלה בכלל כדי לאחד את הרשומות.

כלל במנוע הזיהוי בדוגמה הזו

כלל לדוגמה שמזהה הפעלה של קובץ זדוני על ידי משתמש (טכניקת MITRE ATT&CK‏ T1204.002).

הכלל מקצה ציון סיכון גבוה יותר לזיהוי כשהמשתמש גם מקבל גישה למידע אישי רגיש במקום אחר ברשת. הכלל מבצע קורלציה בין הפרטים הבאים:

  • פעילות המשתמש, כמו הורדה או הפעלה של קובץ הפעלה.
  • הקשר בין המשאבים, למשל הקשר של המשתמש לטבלה ב-BigQuery.
  • האם יש מידע רגיש במשאב שלמשתמש יש גישה אליו, למשל סוג הנתונים שמאוחסנים בטבלה ב-BigQuery.

הנה תיאור של כל קטע בכלל לדוגמה.

  • בקטע events מציינים את דפוס הנתונים שהכלל מחפש, והוא כולל את הפרטים הבאים:

    • קבוצה 1 וקבוצה 2 מזהות אירועים ברשת וב-EDR שתופסים הורדה של כמות גדולה של נתונים או קובץ הפעלה שקשור גם לפעילות באפליקציית Excel.
    • קבוצה 3 מזהה רשומות שבהן למשתמש שזוהה באירועים של הרשת ושל EDR יש גם הרשאה לטבלה ב-BigQuery.
    • קבוצה 4 מזהה רשומות של Sensitive Data Protection בטבלת BigQuery שלמשתמש יש גישה אליה.

    כל קבוצת ביטויים משתמשת במשתנה $table_name או במשתנה $user כדי לצרף רשומות שקשורות לאותו משתמש ולאותה טבלה במסד הנתונים.

  • בקטע outcome, הכלל יוצר משתנה $risk_score ומגדיר ערך על סמך הרגישות של הנתונים בטבלה. במקרה כזה, המערכת בודקת אם הנתונים מתויגים ב-US_SOCIAL_SECURITY_NUMBER Sensitive Data Protection infoType.

    בקטע outcome מוגדרים גם משתנים נוספים כמו $principalHostname ו-$entity_resource_name. המשתנים האלה מוחזרים ונשמרים עם הזיהוי, כך שכשתצפו בו ב-Google SecOps תוכלו גם להציג את ערכי המשתנים כעמודות.

  • הקטע condition מציין שהתבנית מחפשת את כל רשומות ה-UDM שצוינו בקטע events.

  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
}

מידע על הזיהוי

אם בבדיקה של הכלל מול נתונים קיימים מזוהה דפוס הפעילות שצוין בהגדרה, נוצרת תוצאת זיהוי. בחלונית זיהוי מוצג הזיהוי שנוצר אחרי בדיקת הכלל. בחלונית זיהוי מוצגים גם רשומות האירועים והישויות שגרמו ליצירת הזיהוי על ידי הכלל. בדוגמה הזו, הרשומות הבאות מוצגות:

  • Google Cloud רכיב UDM של ניתוח IAM
  • ישות UDM של Sensitive Data Protection
  • אירוע UDM של פרוקסי אינטרנט של Zscaler
  • אירוע UDM של CrowdStrike Falcon EDR

בחלונית Detection (זיהוי), בוחרים אירוע או רשומה של ישות כדי לראות את הפרטים.

הזיהוי גם שומר את המשתנים שמוגדרים בקטע outcome של הכלל. כדי להציג את המשתנים בחלונית Detection, בוחרים באפשרות Columns ואז בוחרים שם משתנה אחד או יותר מהתפריט Columns. העמודות שנבחרו יופיעו בחלונית זיהוי.

המאמרים הבאים

כדי לכתוב כללים בהתאמה אישית, אפשר לעיין במאמר סקירה כללית של שפת YARA-L 2.0.

כדי ליצור ניתוח נתונים מבוסס-הקשר בהתאמה אישית, אפשר לעיין במאמר בנושא יצירת ניתוח נתונים מבוסס-הקשר.

כדי להשתמש בניתוח איומים מוגדר מראש, אפשר לעיין במאמר בנושא שימוש בגלאים מוכנים מראש של Google SecOps.

הבעיה עדיין לא נפתרה? קבלת תשובות מחברי הקהילה וממומחי Google SecOps.