惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

U
Unit 42
罗磊的独立博客
爱范儿
爱范儿
Apple Machine Learning Research
Apple Machine Learning Research
S
Schneier on Security
V
Vulnerabilities – Threatpost
T
Tenable Blog
博客园 - 【当耐特】
博客园 - 聂微东
I
Intezer
S
Securelist
C
Cisco Blogs
腾讯CDC
T
The Exploit Database - CXSecurity.com
NISL@THU
NISL@THU
P
Proofpoint News Feed
Cyberwarzone
Cyberwarzone
Security Archives - TechRepublic
Security Archives - TechRepublic
D
Darknet – Hacking Tools, Hacker News & Cyber Security
美团技术团队
P
Proofpoint News Feed
M
MIT News - Artificial intelligence
AWS News Blog
AWS News Blog
A
About on SuperTechFans
Last Week in AI
Last Week in AI
Cloudbric
Cloudbric
S
Secure Thoughts
PCI Perspectives
PCI Perspectives
The Last Watchdog
The Last Watchdog
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
B
Blog RSS Feed
Recorded Future
Recorded Future
大猫的无限游戏
大猫的无限游戏
C
CERT Recently Published Vulnerability Notes
酷 壳 – CoolShell
酷 壳 – CoolShell
G
Google Developers Blog
The Register - Security
The Register - Security
博客园 - 叶小钗
博客园 - 司徒正美
博客园_首页
Google DeepMind News
Google DeepMind News
Hacker News: Ask HN
Hacker News: Ask HN
Spread Privacy
Spread Privacy
雷峰网
雷峰网
I
InfoQ
The Hacker News
The Hacker News
T
Threat Research - Cisco Blogs
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Schneier on Security
Schneier on Security
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻

卷卷

今日说法 节目汇总笔记 《斯坦福大学人生设计课》读书笔记 我的书单📖 H-worm (VBS蠕虫) 感染事件溯源分析报告 AMOS (Atomic Stealer) 恶意软件深度分析 银狐26年全面复活,对抗强度或已超25年最高水平 Atomic Stealer (AMOS) 回归:ClickFix、伪装加密货币应用与新型 macOS 持久化机制 关于xt.exe的分析报告 仿真钓鱼页面窃取用户凭证 GitHub Pages配置Cloudflare CDN踩坑之路 推荐RSS热力图和Github热力图使用指南 学习逆向工程相关概念 zabbix快速上手 学习python高级语法特性例题笔记 学习云计算基本理论学习笔记 学习Docker-Compose命令及镜像构建与推送 ATT &CK 框架实践阅读笔记 rundll32.exe恶意加载DLL文件外联 《悉达多》读书笔记 《稀缺》读书笔记 《认知觉醒》读书笔记 《营养学》读书笔记 《心理学》读书笔记 热💖生活 C++开发环境配置与程序运行笔记 IDA Free调试Hello World笔记 逆向免杀 Admin.canway账号命名方式 BAS - Breach and Attack Simulation Windows核心系统进程链与svchost深度解析 企业测试环境的弱口令需要整改吗 AI对话笔记-模板 网络安全行业招聘需求与技术能力分析 银狐木马技术原理分析与检测技术 SIEM-安全信息和事件管理 AI笔记 转载 专业备考⏳ 其他杂项🧶 Markdown 原生图片 知道创宇技能表 Prompt越狱手册 deepseek使用指南 清华大学 deepseek提问方法 markdown基本语法 数据湖:它们是什么?为什么您的组织需要一个? GitHub Codespaces velociraptor(迅猛龙)快速上手 学习windows快捷命令 学习常用 150 个Linux命令 软考中的一些概念 学习ssh基本使用 Linux系统换源输入法和包管理器 DC-8靶机 Metasploitable3下载与安装 信息收集方法及流程 防守之道 开发运维 免责声明 密码喷射攻击:防范攻击你需要知道的事项 密码学中的哈希解释:它的工作原理、算法和实际用途 各种报错积累 漏洞挖掘思路 收藏夹 RDP和360星图使用 windows入侵排查 Linux入侵排查 Redis日志分析 Linux安全加固 windows安全加固 windows日志ID速查 中间件加固 数据库安全加固 windows系统提权 MySQL注入复盘 学习git版本控制工具的概念与命令 学习Web Shell 学习Linux命令 java环境配置 学习python基础语法特性解题笔记 学习Mysql基础知识 windows权限维持 学习网络及安全的一些术语 PHP代码审计 Linux系统提权 MSSQL注入复盘 Linux权限维持 命令执行和反序列化 逻辑漏洞 upload-labs 框架漏洞 学习PHP语法特性 XXE&SSRF CSRF 文件上传 Google Hacking XSS-lab XSS实验 学习URL请求后的通信过程 FOFA
应急响应术语
卷卷 · 2025-08-10 · via 卷卷

应急响应术语

原创2025/7/26...大约 15 分钟


IoA

攻击指标 (IoA) 是攻击者可能企图破坏系统的预警信号。它将各种数据片段(包括未知属性、IoC 和上下文信息,例如组织风险和情报)构建成潜在威胁的动态实时态势图。IoA 并非为了识别特定的恶意工具,而是通过关注所有攻击者为破坏系统而必须采取的步骤(例如侦察、初始访问、执行)来识别攻击者的战略意图。IoA 对于检测新的、复杂的网络攻击形式(例如无恶意软件入侵和零日攻击)至关重要。

IoC

入侵指标 (IoC) 指的是在网络或设备上发现的数据物件,可作为系统疑遭入侵的证据:例如,不属于系统目录的文件或可疑 IP 地址。IoC 是“确凿证据”,即已遭受损害的事后指标。网络安全专业人员利用 IoC 来调查事件造成的影响,并训练他们的工具和技术,以更好地检测和隔离日后可能出现的威胁。

维度IOA
(攻击指标)
IOC
(失陷指标)
定义表明正在进行的攻击行为模式或意图,关注攻击者的战术、技术和流程(TTP)。
主动防御:实时拦截攻击行为,在入侵成功前阻断威胁
表明系统已被入侵的证据,即攻击成功后遗留的痕迹。
事后响应:匹配已知威胁特征,用于取证、修复与威胁情报共享
示例多次访问一个文件、管理员或特权用户账户出现可疑活动、通过很少使用的端口传输数据、网站上出现非典型的人为行为、多次登录尝试失败、站内主机与恶名国家/IP/域名/黑名单进行通信异常 DNS 查找、可疑文件、应用程序和进程、属于僵尸网络或恶意软件命令和控制(C&C 或 C2)服务器的 IP 地址和域名、已知恶意软件的攻击签名或文件哈希值、异常大小的 HTML 响应、对配置文件、寄存器或设备设置的未经授权修改/访问
时效性攻击发生前/进行中的预警攻击成功后的证据追溯
检测能力可识别未知威胁(新型攻击手法)仅检测已知威胁(依赖预存特征)
数据来源实时行为分析(流量、日志、进程)历史安全事件库、威胁情报
差异“为什么攻击” → 动态捕捉攻击意图,依赖上下文分析,防患未然“如何攻击” → 依赖预定义特征库(如威胁情报),静态追溯入侵证据,事后止损
典型运用1.内部主机通过非常用端口与境外IP通信 → 潜在攻击侦察行为
2.员工账户在非工作时间频繁访问敏感文件 → 数据窃取意图
1.检测到勒索软件文件哈希(如.locky后缀文件) → 确认系统感染
2.流量日志中出现僵尸网络C&C服务器通信 → 追溯入侵路径

MISP

MISP(Malware Information Sharing Platform,恶意软件信息共享平台)是一个开源的威胁情报共享平台/开源软件解决方案,专为网络安全社区设计,用于收集、存储、分发和共享网络安全指标(如恶意软件特征、攻击模式、漏洞信息等),支持事件响应团队、安全分析师和恶意软件研究人员高效协作。其核心目标是推动安全社区内外的结构化信息共享,提升威胁检测与响应能力。

功能

1. 威胁情报管理

  • IOC(入侵指标)数据库:高效存储技术与非技术信息,包括恶意软件样本、攻击者情报、事件上下文等。
  • 灵活数据模型:支持复杂对象(如攻击活动、关联事件)的链接与表达,适配多种威胁场景。

2. 自动化分析与关联

  • 关联引擎:自动发现指标间关系(例如通过模糊哈希匹配、CIDR块分析),识别恶意软件家族或攻击活动。
  • 智能分类:集成分类法(如MITRE ATT&CK、恶意软件分类)和标签系统(命名空间-谓词-值的三元组),便于标准化标记。

3. 协同共享机制

  • 多级分发:支持组织间同步事件与属性,可定制共享策略(如基于信任组、属性级权限)。
  • 委托共享:允许匿名或伪匿名发布情报,保护数据源隐私。
  • 实时同步:通过ZMQ/Kafka发布订阅通道推送更新,实现动态情报流转。

4. 集成与扩展

  • 多格式支持

    • 导入:OpenIOC、STIX 1.x/2.x、ThreatConnect CSV等。
    • 导出:生成IDS规则(Suricata/Snort)、STIX、JSON、RPZ策略等。
  • API与模块化

    • RESTful API 和 PyMISP 库支持自定义集成。
    • 插件系统(如misp-modules)扩展功能(如自动化威胁抓取)。

5. 安全与合规

  • 端到端加密:通过GnuPG/SMIME加密通知与数据。
  • 访问控制:基于角色的权限管理(RBAC)及审计日志。

特性

类别说明
技术架构基于Python/Django开发,依赖PHP环境与MySQL数据库。
可视化图形化事件关系图、仪表盘(集成Gridstack.js )提升分析效率。
生态兼容深度支持STIX标准,可对接SIEM、IDS(如Suricata)、日志分析工具。
社区驱动持续更新版本(如v2.5.x优化同步过滤与性能),活跃开发者生态。

NTA

定义

在网络安全领域,NTA(Network Traffic Analysis,网络流量分析) 是一种通过监控、解析和分析网络流量数据来识别威胁和异常行为的技术。NTA 是 基于网络流量行为建模的威胁检测技术,通过机器学习、高级分析和规则匹配,持续分析原始流量(包括南北向和东西向流量),构建正常网络行为基线,实时识别偏离基线的可疑活动

  • 技术定位

    • 区别于传统入侵检测系统(IDS)依赖特征库匹配,NTA 侧重于行为异常分析,更擅长检测未知威胁(如0day攻击、内部渗透)
    • 2017年被Gartner列为“11大顶尖信息安全技术”,定位为高级威胁狩猎的核心工具

核心功能

1. 全流量监控与数据采集

  • 覆盖范围:监控关键网络节点(如网关、核心交换机),采集原始数据包、NetFlow记录、元数据等
  • 部署灵活性:支持物理设备、虚拟探针或云原生部署,适应混合网络环境

2. 智能威胁检测

  • 行为基线建模:利用机器学习构建正常流量模型(如访问频率、协议分布),自动标记异常行为(如突发加密流量、异常端口扫描)

  • 多维度分析

    • 深度包检测(DPI) :解析HTTP/DNS等协议内容,识别恶意载荷
    • 流量关联分析:结合时间、IP关系链,发现APT攻击的横向移动痕迹

3. 安全事件响应与溯源

  • 攻击证据链构建:记录异常会话的完整流量(如恶意文件传输路径),支持取证调查
  • 自动化响应:联动防火墙、SIEM系统自动阻断恶意IP或生成防护规则

4. 网络性能与合规管理

  • 带宽优化:识别非业务流量(如视频流、P2P下载),优化带宽分配
  • 合规审计:生成流量分布报告,满足等保2.0中对“异常行为监测”的要求

特性与优势

类别说明
检测能力高效发现加密隧道攻击、内部横向渗透等传统工具盲区威胁
部署价值降低运维成本:单台设备可替代多台IDS探针,减少告警噪音
技术演进向NDR(网络威胁检测与响应)升级,集成自动化响应与威胁狩猎能力
技术NTA优势
传统IDS不依赖特征库,可检测未知威胁;误报率更低
SIEM提供原始流量上下文,弥补SIEM日志分析的盲区

应用场景

  1. 高级威胁狩猎: 检测潜伏数月的高级持续性威胁(APT),如命令控制(C&C)通信的隐蔽心跳包
  2. 勒索软件防御: 识别勒索软件加密前的横向扫描行为,早于文件加密触发告警
  3. 云安全监控: 分析云内虚拟机东西向流量,防止容器逃逸或未授权访问

SOC

定义

SOC (安全运营中心) 是组织内集中监控、分析、响应和管理安全事件的专职团队或部门,通过人、流程、技术的结合,实现全天候安全防御。其核心目标是保障IT环境与信息资产免受威胁侵害

核心功能

  1. 实时监控与检测

    • 监控网络流量、系统日志和终端行为,识别异常活动
    • 集成SIEM工具进行安全事件关联分析,提升威胁发现效率
  2. 事件响应与处置

    • 制定响应计划(如隔离受感染主机、阻断恶意IP),缩短事件处理时间(MTTR)
    • 协调内部团队(IT、法务)与外部机构(CERT联盟)协同处置
  3. 漏洞管理与合规

    • 定期扫描系统漏洞,评估风险等级并优先修复高风险项
    • 生成合规报告(如GDPR、HIPAA),满足审计要求
  4. 威胁情报整合

    • 对接MISP等平台获取IOC(入侵指标),优化检测规则

关键特性

类别说明
组织架构包含分析师、工程师、经理等角色,实行24/7轮班制
技术依赖以SIEM为核心,集成IDS/IPS、漏洞扫描器、SOAR等工具
流程标准化遵循NIST或ISO 27001框架,建立事件分级、响应SLA等流程
成本模型运营成本高(人员、工具),大型企业多自建,中小企业倾向托管服务(MSS)

SIEM

定义

SIEM (安全信息与事件管理)集中收集、关联分析多源安全日志的​**软件系统**,通过统一平台实现威胁检测与合规管理,是SOC的技术支撑核心

核心功能

  1. 日志聚合与标准化: 从防火墙、服务器、应用等收集日志,统一格式存储(支持Syslog、API等)
  2. 实时关联分析: 使用规则引擎(如MITRE ATT&CK)关联事件(例如多次登录失败+异常文件访问=内部威胁)
  3. 自动化告警与响应: 触发实时告警,并联动SOAR自动阻断攻击(如封禁恶意IP)
  4. 合规与报告: 生成预定义报表(如PCI DSS合规报告),支持历史日志回溯取证

关键特性

类别说明
架构模式支持集中式(单数据仓库)或分布式(边缘分析)部署
分析能力集成UEBA(用户行为分析)、机器学习模型,识别零日攻击
集成扩展兼容云环境(如Azure Sentinel)、支持STIX/TAXII威胁情报导入
演进趋势下一代SIEM融合SOAR、AI威胁狩猎,降低误报率

MTTR

  • 定义(Mean Time To Repair,平均修复时间) 系统从故障发生到完全恢复运行所需的平均耗时

  • 功能

    • 量化系统可维护性,反映故障修复效率;
    • 是计算系统可用性(Availability = MTTF / (MTTF + MTTR))的关键参数
  • 应用场景

    • 运维管理:优化维修流程(如备件调度、人员响应),缩短停机损失
    • SLA制定:作为服务可用性承诺的量化指标(如云服务承诺MTTR ≤ 30分钟)

MTTD

  • 定义(Mean Time To Detect,平均故障检测时间) 从故障发生到被监控系统或人员识别出的平均耗时

  • 功能

    • 评估监控系统的灵敏度和告警机制有效性
    • 缩短MTTD可降低故障影响范围
  • 应用场景

    • 安全应急响应:攻击入侵后,快速检测威胁(如日志异常分析)

MTTDor

  • 定义(Mean Time To Detect or Respond,平均检测或响应时间) 涵盖故障/威胁的发现(MTTD)及初步响应(如遏制措施启动)的总时间

  • 应用场景

    • 网络安全事件处理:从告警产生到安全团队介入的时效性考核(如MTTA + MTTI ≤ 20分钟)

YARA

  • 定义:开源的恶意软件模式匹配语言,通过文本或二进制特征(如字符串、正则表达式)识别恶意文件

  • 功能

    • 创建自定义威胁特征库,实现精准样本检测
    • 支持联动沙箱、EDR等工具自动化分析
  • 应用场景

    • 威胁狩猎:扫描内存/磁盘中的APT攻击痕迹(如特定代码片段)
    • 安全研究:分类恶意软件家族(如Emotet、Ryuk勒索软件)

APT

  • 定义(Advanced Persistent Threat,高级持续性威胁) 由国家或组织支持的、长期潜伏的定向攻击,以窃密或破坏为目标

  • 特征

    • 高级性:使用0day漏洞、定制化恶意软件
    • 持续性:渗透后维持访问权限(如后门驻留数月)
  • 应用场景

    • 防御体系构建:采用威胁情报+行为分析(如UEBA)检测潜伏攻击
    • 取证调查:追踪攻击链(如SolarWinds供应链攻击)

Splunk

功能定义

Splunk 是一个 机器数据(Machine Data)分析平台,专为收集、索引、搜索、监控和分析各类 IT 系统生成的日志与事件数据而设计。其核心价值在于将海量异构数据(如服务器日志、网络流量、应用程序报错等)转化为可操作的洞察

1. 数据采集与索引

  • 多源接入:支持从日志文件、API、数据库、网络流等任意来源实时/批量采集数据
  • 智能解析:自动提取时间戳、事件类型,并构建高效压缩索引(默认存储于 main 索引)

2. 搜索与分析

  • SPL 搜索语言:通过类 SQL 语法实现复杂查询(如 sourcetype="hsl-prod-crawl" facebook OR twitter
  • 关联分析:跨数据源关联事件(基于时间、交易、子搜索等),识别异常模式

3. 可视化与监控

  • 交互式仪表盘:自定义图表(饼图、热力图等),实时展示关键指标
  • 智能告警:设定阈值触发邮件/API 通知(如异常登录检测)

4. 扩展与集成

  • 应用生态:提供数百个官方/社区应用(如网络安全、IT 运维工具包)
  • API 支持:通过 Python/Java 等语言开发定制化模块

技术特性

特性说明
分布式架构支持水平扩展(MapReduce 模型),每日可处理 PB 级数据
安全合规集成 LDAP/AD 认证,提供角色权限控制(RBAC)及数据加密
实时处理从数据摄入到索引检索延迟低至秒级,支持流式分析
轻量级转发器通过 Splunk Forwarder 安全收集远端数据,资源占用低

应用场景

  1. IT 运维监控: 实时追踪服务器性能瓶颈,预测硬件故障(如 CPU 过载告警)
  2. 安全事件分析: 关联防火墙日志与入侵检测数据,快速定位攻击链
  3. 业务洞察优化: 分析用户行为日志(如电商交易流),优化页面转化路径
  4. 合规审计: 自动化生成满足 GDPR、HIPAA 等标准的审计报告

UIOC

定义

UIOC 网络安全/运维紧急事故处理中心(Urgency Incident Office Center,简称UIOC) 是组织内集中协调、响应与管理网络安全及运维紧急事故的中枢机构,通过整合技术、人员与流程,实现事故的快速定位、遏制与恢复。

  • 决策中枢:统一指挥跨部门应急资源,制定优先级策略
  • 情报枢纽:聚合实时威胁数据(如SIEM告警、流量分析),驱动响应决策
  • 合规引擎:确保响应过程符合等保、GDPR等法规要求

功能

1. 实时监控与预警

  • 全域感知:通过SIEM、NTA(网络流量分析)等工具监控网络、主机、应用层异常
  • 智能预警:基于AI模型(如行为基线分析)预测攻击路径,提前阻断威胁

2. 应急资源调度

  • 资源池化:统一管理应急工具链(如漏洞扫描器、取证工具)、人力资源(红蓝队)及物理设备(备用服务器)
  • 动态编排:按事故等级自动匹配响应预案,分配任务至责任人

3. 协同响应与闭环

  • 跨部门联动:打通IT、法务、公关团队协作通道,同步处置进展
  • 知识沉淀:将处置过程转化为标准化剧本,更新至应急知识库

4. 合规与溯源

  • 审计追踪:记录操作日志、数据访问痕迹,满足取证与合规需求
  • 攻击溯源:结合威胁情报(如MISP共享的IOC)定位攻击源与手法