Nach Entitäts-Kontextdaten suchen

Unterstützt in:

Google SecOps SIEM

Hinweis: Dieses Feature unterliegt den Bedingungen des Pre-GA-Angebots in den dienstspezifischen Nutzungsbedingungen für Google Security Operations. Pre-GA-Features werden eventuell nur eingeschränkt unterstützt und Änderungen an diesen Features sind möglicherweise nicht mit anderen Pre-GA-Versionen kompatibel. Weitere Informationen finden Sie in den Richtlinien für den technischen Support von Google SecOps und den dienstspezifischen Nutzungsbedingungen für Google SecOps.

Mit der Funktion „Entitätskontext in der Suche“ können Nutzer Kontextereignisse im Zusammenhang mit Entitäten in ihrem Google Security Operations-Konto suchen und ansehen. So lassen sich Sicherheitsuntersuchungen und die Reaktion auf Vorfälle verbessern. Im Gegensatz zu Suchvorgängen, die auf das Standard-UDM-Ereignisschema (Unified Data Model) beschränkt sind, wird mit dieser Funktion die Notwendigkeit berücksichtigt, über UDM-Ereignisdaten hinaus zu suchen, einschließlich des UDM-Entitätskontexts, und tiefere Einblicke in Sicherheitsvorfälle zu erhalten.

Hauptvorteile

• Sicherheitsanalysten und Threat Hunter können Kontextinformationen zu Entitäten abfragen.
• Unterstützung bei der Ursachenanalyse, der Suche nach Bedrohungen und der Forensik.
• Nutzer können statistische Suchen des Entitätskontexts durchführen, um Telemetriemuster und betroffene Entitäten durch Telemetrieanalyse zu ermitteln.

Entitätskontext in der Suche verwenden

Sie können den Kontext von Entitäten nutzen, um auf folgende Weise Statistiken aus Ihren Suchergebnissen zu erhalten:

• Mit UDM-Entitätsfeldnamen suchen: Erstellen Sie Ihre Suchanfragen mit UDM-Entitätsfeldnamen. Wenn Sie beispielsweise alle Kontextereignisse für einen bestimmten Hostnamen finden möchten, erstellen Sie eine Suche mit graph.entity.hostname.
• Tab „Übersicht“ aufrufen: Der Tab Übersicht bietet eine allgemeine Zusammenfassung der in Ihrer Suche gefundenen Einheiten. Dabei werden Informationen aus der vom Nutzer eingegebenen Suchanfrage verwendet, um Informationen anzuzeigen. Auf der Seite Übersicht werden Informationen für Entitätstypen wie DOMAIN_NAME, IP_ADDRESS, ASSET, USER, FILE, GROUP und RESOURCE angezeigt.
• Tab „Entität“ verwenden: Auf dem Tab Entität werden alle empfangenen Ereignisse im Entitätskontext aufgeführt, einschließlich Unterkomponenten wie „Trend im Zeitverlauf“, „Snapshot-Filter“, „Aggregationen“ und „Ereignisse“. Die Entitäten werden in separaten Tabs in zeitbezogene und zeitlose Entitäten unterteilt.
• Aggregate ansehen: Aggregate werden für Felder angezeigt, ähnlich wie bei der UDM-Ereignissuche. Die Aggregationen werden weiter in Kontexttypen unterteilt: Entitätskontext, abgeleiteter Kontext und globaler Kontext.

Hinweis :Die Suchfunktion hat eine automatische Vervollständigung. Wenn Sie Vorschläge im Drop-down-Menü erhalten möchten, geben Sie bestimmte Elemente wie graph.entity oder graph.metadata ein. Bei der Eingabe allgemeiner Begriffe wie graph werden keine relevanten Optionen für die automatische Vervollständigung angezeigt.

Entitätskontextdiagramm in der Search Console

Die Search Console-Version des Entity Context Graph (ECG) bietet mehrere Tabs, mit denen Sie Kontextdaten zu Entitäten analysieren können:

• Tab „Ergebnisse“: Hier werden Timed Data und Timeless Data angezeigt.

  • Zeitbezogene Daten: Hier werden Entitäten angezeigt, für die während der Aufnahme ein Wert für metadata.interval.end_time vorhanden war.
  • Zeitlose Daten: Hier werden Einheiten angezeigt, für die kein Wert für metadata.interval.end_time vorhanden war.

  In der Search Console werden maximal 10.000 zeitbezogene oder zeitlose Dateneinträge angezeigt.

• Tab „Benachrichtigungen“: Hier werden alle Benachrichtigungen angezeigt, die mit den in der Suche gefundenen Entitäten verknüpft sind.

• Tab „Übersicht“: Hier finden Sie Informationen zur Entität in der Suchanfrage.

• Diagramm „Aktivität im Zeitverlauf“:

  • Hier sehen Sie die Anzahl der Entitäten und den Entitätenkontext, die in den einzelnen Zeiträumen gültig sind. Mit dem Schieberegler können Sie in den Zeitraum hinein- oder herauszoomen.

  • Insgesamt geänderte Entitäten: Im Entity Context Graph (ECG) werden Daten in Zeiträumen innerhalb ihres Gültigkeitszeitraums gespeichert. Diese Daten werden auch in den nächsten Zeitbereich kopiert, sofern die Einheit gültig bleibt (basierend auf end_time). Das Diagramm wird aktualisiert, wenn sich eine Attribut einer Einheit zwischen zwei Zeitbereichen ändert.

Anwendungsfall: Kompromittiertes Nutzerkonto untersuchen

Stellen Sie sich folgendes Szenario vor: Ein Sicherheitsanalyst muss ein potenziell gehacktes Nutzerkonto ([e-mail]) untersuchen. So gehen Sie vor:

1. Gehackten Nutzer identifizieren: In einer Benachrichtigung wird Nutzer [e-mail] als verdächtiges Konto gekennzeichnet.

2. Kontextinformationen zu Entitäten erfassen: Kontextdaten zum Nutzer abrufen, um den Umfang und die Auswirkungen zu verstehen.

3. Abfragen ausführen: Verwenden Sie Entitätskontext in der Suche, um die folgenden Abfragen auszuführen:

   • graph.entity.user.email_addresses = "[e-mail]", um Informationen zum Nutzer abzurufen.
   • graph.entity.user.email_addresses = "[e-mail]" AND graph.metadata.product_name = "Google Cloud Compute Context", um den Produktnamen und andere Metadaten zu prüfen.

4. Tab „Übersicht“ analysieren: Auf dem Tab Übersicht wird die Zusammenfassung der Einheit für den Nutzer angezeigt, einschließlich:

   • Prüfen Sie die Zeitstempel von First Seen Hour und Last Seen Hour.

Hinweis :First Seen Hour- und Last Seen Hour-Zeitstempel sind nur für IoCs und Artefakte verfügbar.

• Prüfen Sie Hostnamen, IP-Adressen und MAC-Adressen (sofern verfügbar).
• Hardwaremodell, Betriebssystemplattform und Plattformversion prüfen

1. Tab „Ereignisse“ aufrufen: Hier sehen Sie die zugehörigen Ereignisse für diesen Nutzer, einschließlich Anmeldeversuchen und Anomalien.

2. Zusammenfassungen ansehen: Muster und Anomalien in Kontextdaten für Entitäten erkennen, die in die Kategorien „Entitätenkontext“, „Abgeleiteter Kontext“ und „Globaler Kontext“ unterteilt sind.

Beispiele für die Suche

Wenn Sie nach Entitätskontextdaten suchen möchten, verwenden Sie in Ihren Suchanfragen UDM-Entitätsfeldnamen:

• graph.entity.hostname
• graph.entity.ip = "8.8.8.8" and graph.metadata.entity_type = "ASSET"

Die Suchergebnisse enthalten wichtige Informationen zu den Entitäten, darunter:

• Entitätsmetadaten
• Messwerte (First Seen Hour, Last Seen Hour)
• Beziehungen (Entity, Direction, Entity_label, Entity_type, Relationship)
• Je nach Entitätstyp sind bestimmte Felder verfügbar, z. B. Principal_ip für Assets, Mail_id für Nutzer, File_name für Hashes/Dateien sowie Domain_name und IP_address für Domains.

Beispiele für den Entitätskontext in der Suche

In diesem Abschnitt finden Sie praktische Beispiele für die Analyse von Entitätsstatistiken auf Grundlage der Funktion „UDM Entity Context“.

UDM-Suche nach Statistiken für Entitäten

Wenn Sie die verfügbaren Kontextquellen und ‑typen aufrufen möchten, führen Sie die folgende Suche nach UDM-Entitätsstatistiken in der UDM-Suche aus:

graph.metadata.source_type = $sourceType
graph.metadata.entity_type = $entityType
match:
  $sourceType, $entityType
outcome:
  $total = count(graph.metadata.product_entity_id)
order:
  $sourceType, $total desc
limit:
  100

Die Zeitauswahl zeigt aktive Daten im Entity Graph an, nicht den Zeitpunkt, zu dem die Kontextdaten aufgenommen wurden.

Da für die UDM Entity Search die standardmäßige UDM Search-Benutzeroberfläche verwendet wird, können Sie Funktionen wie den Bereich Zusammenfassungen (zum Anzeigen der höchsten oder niedrigsten Werte), die Ergebnistabelle und die erweiterten Ergebnisse von UDM Stats nutzen.

Beispiel: Einzelne ENTITY_TYPE ansehen

Um die UDM-Entitätssuche zu erweitern, können Sie die Protokollquelle, den Namespace und ein Ergebnis-Array einfügen, um die beobachteten eindeutigen ENTITY_TYPEs so darzustellen:

graph.metadata.source_type = "ENTITY_CONTEXT"
$logType = strings.to_upper(graph.metadata.event_metadata.base_labels.log_types)
$namespace = strings.to_upper(graph.metadata.event_metadata.base_labels.namespaces)
match:
  $logType, $namespace
outcome:
  $total = count(graph.metadata.product_entity_id)
  $entityTypes = array_distinct(graph.metadata.entity_type)
order:
  $logType, $total desc
limit:
  100

Beispiel: Entitätssatz optimieren

Mit der Pivot-Funktion „UDM Search“ können Sie einen bestimmten Satz von Entitäten verfeinern. Durch diese Verfeinerung wird dann eine YARA-L-Abfrage wie die folgende generiert:

graph.metadata.source_type = "ENTITY_CONTEXT"
$logType = strings.to_upper( graph.metadata.event_metadata.base_labels.log_types )
$namespace = strings.to_upper( graph.metadata.event_metadata.base_labels.namespaces )
AND strings.to_upper( graph.metadata.event_metadata.base_labels.log_types ) = "WINDOWS_AD"
AND strings.to_upper( graph.metadata.event_metadata.base_labels.namespaces ) = "ACME"

Abgeleiteter Kontext

Google SecOps bietet die folgenden Arten von abgeleitetem Kontext:

• first_seen- und last_seen-Zeitstempel für jede ENTITY_TYPE
• Prevalence: Die Anzahl der Assets, die auf eine bestimmte ENTITY_TYPE zugegriffen haben.

First Seen Hour- und Last Seen Hour-Zeitstempel

Google SecOps führt statistische Analysen für eingehende Daten durch und reichert Datensätze zum Kontext von Entitäten mit first_seen- und last_seen-Zeitstempeln an:

• Im Feld first_seen_time wird die Stunde erfasst, in der eine Entität zum ersten Mal in der Kundenumgebung gesehen wurde.
• Im Feld last_seen_time wird die Stunde der letzten Beobachtung dieser Entität aufgezeichnet.

Nutzer mit einer ersten Sichtbarkeitsstunde in den letzten 7 Tagen:

graph.metadata.entity_type = "USER"
graph.entity.user.userid != ""
graph.entity.user.first_seen_time.hours >= timestamp.current_hours()-(86400 * 7)

Domains, die in den letzten 7 Tagen zum ersten Mal gesehen wurden:

graph.metadata.source_type = "DERIVED_CONTEXT"
graph.metadata.entity_type = "DOMAIN_NAME"
//optional, filter to only return FQDN
graph.entity.domain.name = /^([a-zA-Z0-9]([a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?\.)+[a-zA-Z]{2,}$/
graph.entity.domain.first_seen_time.hours >= timestamp.current_hours()-(86400 * 7)

Datei (Hashes) in den letzten 7 Tagen beobachtet:

graph.metadata.source_type = "DERIVED_CONTEXT"
graph.metadata.entity_type = "FILE"
//graph.entity.file.md5 != ""
//graph.entity.file.sha1 != ""
graph.entity.file.sha256 != ""
graph.entity.file.first_seen_time.hours >= timestamp.current_hours() - (86400 * 7)

ENTITY_TYPE steht für einen FILE-Hash, z. B. entity.file.hash. Im hash-Objekt kann der Typ einer der folgenden sein:

• md5
• sha1
• sha256

Wenn Sie nach einem bestimmten Hash suchen möchten, können Sie eine UDM-Entitätssuche für den angegebenen Hash-Typ ausführen:

// This will search ENTITY, DERIVED, and GLOBAL Source Types
graph.metadata.entity_type = "FILE"
graph.entity.file.sha256 = "eb5db1feadda5351c3b8fc0770e9f4c173484df5dc4a785bd1bdce7806a9e498"

IP-Adressen

Abgeleitete ENTITY_TYPES von IP_ADDRESS können interne oder externe Einheiten darstellen.

Mit der folgenden Suche nach UDM-Entitätsstatistiken werden kürzlich beobachtete IP_ADDRESSES ermittelt und mit Aggregatfunktionen (im Ergebnisbereich) nach CIDR-Block gezählt:

graph.metadata.source_type = "DERIVED_CONTEXT"
graph.metadata.entity_type = "IP_ADDRESS"
//note, for IP addresses the first seen is under artifact, not ip
graph.entity.artifact.first_seen_time.hours >= timestamp.current_hours()-(86400 * 7)
outcome:
  $total = count(graph.metadata.product_entity_id)
  $classA = sum(if(net.ip_in_range_cidr(graph.entity.ip, "10.0.0.0/8"),1,0))
  $classB = sum(if(net.ip_in_range_cidr(graph.entity.ip, "172.16.0.0/12"),1,0))
  $classC = sum(if(net.ip_in_range_cidr(graph.entity.ip, "192.168.0.0/16"),1,0))
  $classD = sum(if(net.ip_in_range_cidr(graph.entity.ip, "224.0.0.0/4"),1,0))
  // we shouldn't see results here…
  $classE = sum(if(net.ip_in_range_cidr(graph.entity.ip, "240.0.0.0/4"),1,0))
  $thisNetwork = sum(if(net.ip_in_range_cidr(graph.entity.ip, "0.0.0.0/8"),1,0))
  $loopback = sum(if(net.ip_in_range_cidr(graph.entity.ip, "127.0.0.0/8"),1,0))
  $linklocal = sum(if(net.ip_in_range_cidr(graph.entity.ip, "169.254.0.0/16"),1,0))
  $benchmark = sum(if(net.ip_in_range_cidr(graph.entity.ip, "198.18.0.0/15"),1,0))
  $cgnat = sum(if(net.ip_in_range_cidr(graph.entity.ip, "10.64.0.0/10"),1,0))

Wenn Sie einen ungewöhnlichen oder unerwarteten Bereich genauer untersuchen möchten, können Sie eine UDM-Entitätssuche ausführen:

graph.metadata.source_type = "DERIVED_CONTEXT"
graph.metadata.entity_type = "IP_ADDRESS"
net.ip_in_range_cidr(graph.entity.ip, "198.18.0.0/15")

Verbreitung

Die Häufigkeit hat immer den Typ DERIVED_CONTEXT.

Achtung :Wenn Sie das Argument prevalence einfügen, kann sich die Menge der abgefragten Daten erheblich erhöhen, was möglicherweise zu einem Regel-Fehler führt. Wenn ein Regel-Fehler auftritt, passen Sie die Regelparameter an. Fügen Sie beispielsweise weitere Filter hinzu oder verringern Sie den im Abschnitt match angegebenen Zeitraum.

Mit der folgenden UDM Entity Search werden Domainnamen identifiziert, die selten beobachtet werden. Diese Domains sind im Abfragezeitraum (day_max = 1) maximal einem eindeutigen Asset pro Tag und in den letzten 10 Tagen (rolling_max = 1) maximal einem eindeutigen Asset zugeordnet.

Dieses Muster ist nützlich, um Domains mit eingeschränkter Interaktion in Ihrer Umgebung zu erkennen:

graph.metadata.source_type = "DERIVED_CONTEXT"
graph.metadata.entity_type = "DOMAIN_NAME"
//optional, filter to only return specific TLDs where the FQDN is more than X characters
//graph.entity.domain.name = /^.{40,}\.(?:sx|cc|st|ac|lc|wd|vg|tv|cm|gd)$/
graph.entity.domain.prevalence.rolling_max = 1
graph.entity.domain.prevalence.day_max = 1

Alternativ können Sie daraus eine aggregierte UDM Entity Stats-Suche machen und die Ergebnisse aggregieren:

graph.metadata.source_type = "DERIVED_CONTEXT"
graph.metadata.entity_type = "DOMAIN_NAME"
//optional, filter to only return FQDN
graph.entity.domain.name = /^.{40,}\.(?:sx|cc|st|ac|lc|wd|vg|tv|cm|gd)$/
$domain = graph.entity.domain.name
$length = strings.length(graph.entity.domain.name)
$tld = strings.extract_domain(graph.entity.domain.name)
graph.entity.domain.prevalence.day_max = 1
graph.entity.domain.prevalence.rolling_max = 1
match:
  $domain, $tld, $length
limit:
  10

Einfache UDM-Entitätsfeldsuche

Hier sind weitere Beispiele für die Verwendung der Funktion „Entitätskontext in der Suche“ in Google SecOps, basierend auf verfügbaren Quellen:

• graph.entity.hostname
• graph.entity.ip = "8.8.8.8" and graph.metadata.entity_type = "ASSET"
• principal.ip
• principal.hostname="baz"
• principal.ip="1.2.3.4"
• network.dns.questions.name="youtube.com"

Pivotieren anhand von Entitätsfeldern

Mit Entitätsfeldern können Sie Daten pivotieren und zugehörige Daten analysieren. Beispiele für Pivot-Felder:

• network.email.to
• network.email.cc
• principal.process.file.fileMetadata.pe.importHash
• principal.process.file.sha256
• network.dns.questions.name

Dynamische Felder

In den Quellen wird auf dynamische strukturierte Felder mit Präfixen wie additional verwiesen. Sie können in UDM-Ereignissen nach diesen Feldern suchen.

Hinweise zur Zugriffssteuerung

Das System legt ein Limit von 50 Ereignissen für globale Kontextdaten fest. Sowohl globale als auch eingeschränkte Nutzer können die Daten sehen.

Hinweis :Bei globalen Kontextdaten (WHOIS, Mandiant Fusion IoC, GCTI) können Antworten eingeschränkt sein, um Missbrauch zu verhindern. Auch abgeleiteter Kontext (Prävalenz) und Entitätskontext (AD, Workday) können Zugriffsbeschränkungen unterliegen.

Die folgenden Quellen liefern globale Kontextdaten:

Globale Kontextdaten	Wo Nutzer diese Daten sehen oder damit interagieren können	Wer kann es sehen?
Safe Browsing	– Suche – Regeln	Alle Nutzer
VirusTotal Relationships	– Suche – Regeln	Alle Nutzer
WHOIS	– Suche – Regeln	Alle Nutzer
Großbuchstaben	– Suche – Regeln	Alle Nutzer
Open Source Intel IOC (OPEN_SOURCE_INTEL_IOC)	– Suche – Regeln	Alle Nutzer
Mandiant Active Breach IoC (MANDIANT_ACTIVE_BREACH_IOC)	– IOC-Übereinstimmungen	Alle Nutzer Die Ergebnisse werden nach IoCs gefiltert, die mit Ereignissen verknüpft sind, die in den Datenzugriffsbereichen des Nutzers liegen.
Mandiant Fusion – IoC (MANDIANT_FUSION_IOC)	– Suche – Regeln – Aufkommende Bedrohungen	Alle Nutzer

Beschränkungen

• Volumenbeschränkungen: Für kumulative Ergebnisse für zeitbezogene und zeitlose Daten gilt ein Limit von 1 Million.
• Globale Kontextdaten: Für vertrauliche globale Kontextdaten wie UPPERCASE_VT_PROTECTED, MANDIANT_ACTIVE_BREACH_IOC, MANDIANT_FUSION_IOC und VIRUS_TOTAL_CONNECTIONS gilt ein Limit von 50 Zeilen.
• Datenkonsistenz: Die Daten zum letzten gesehenen Standort können bis zu 2 Stunden verzögert sein. Bei verknüpften Entitäten kann nur ein Teil der in einem Ereignis aufgeführten Entitäten angezeigt werden.

• Nicht unterstützte Funktionen:

  • Reverse-Lookups für Entitätsfelder, gruppierte Feldsuche, geringe Häufigkeit und Heatmap.
  • Sie können keine Joins zwischen dem Kontext von Entitäten und Ereignisabfragen erstellen.

Benötigen Sie weitere Hilfe? Antworten von Community-Mitgliedern und Google SecOps-Experten erhalten