优化异常结果

编辑

为了更清晰地了解真正的威胁,您可以调整异常结果。以下步骤有助于减少误报的数量

过滤掉来自罕见应用程序和进程的异常

编辑

当异常包括来自已知进程(仅偶尔运行)的结果时,您可以过滤掉不需要的结果。

例如,要过滤掉名为 maintenanceservice.exe 的维护进程(仅偶尔执行)的结果,您需要

创建过滤器列表
编辑
  1. 在导航菜单中或使用全局搜索字段查找Machine Learning
  2. 异常检测下,选择设置
  3. 单击过滤器列表,然后单击新建

    将显示创建新的过滤器列表窗格。

  4. 输入过滤器列表 ID。
  5. 输入过滤器列表的描述(可选)。
  6. 单击添加项目
  7. 项目文本框中,输入您要过滤掉异常结果的进程名称(在我们的示例中为maintenanceservice.exe)。

    filter add item
  8. 单击添加,然后单击保存

    新过滤器将出现在过滤器列表中,并且可以添加到相关作业中。

将过滤器添加到相关作业
编辑
  1. 在导航菜单中查找Machine Learning
  2. 异常检测下,选择异常浏览器
  3. 导航到需要过滤器的作业结果。如果作业结果未列出,请单击编辑作业选择并选择相关作业。
  4. 操作列中,单击齿轮图标,然后选择配置规则

    将显示创建规则窗口。

    rule scope
  5. 选择

    1. 添加过滤器列表以限制规则的应用范围.
    2. 相关检测器的 WHEN 语句(在我们的示例中为process.name)。
    3. IS IN 语句。
    4. 您在创建过滤器列表过程中创建的过滤器。

      有关更多信息,请参阅使用自定义规则自定义检测器

  6. 单击保存

对规则的更改仅影响新结果。在添加过滤器之前由作业发现的所有异常仍然会显示。

克隆并重新运行作业
编辑

如果要删除先前检测到的所有进程结果,则必须克隆并运行克隆的作业。

运行克隆的作业可能需要一些时间。仅在完成所有作业规则更改后才运行作业。

  1. 在导航菜单中查找Machine Learning
  2. 异常检测下,选择作业
  3. 导航到您为其配置规则的作业。
  4. (可选)展开作业行,然后单击JSON,以验证配置的过滤器是否出现在 JSON 代码中的 custom rules 下。
  5. 操作列中,单击更多(三个点)图标,然后选择克隆作业

    将显示配置数据馈送页面。

  6. 单击数据预览,并检查数据是否显示无误。
  7. 单击下一步,直到显示作业详情页面。
  8. 为克隆的作业输入一个作业 ID,以指示它是原始作业的迭代版本。例如,在原始作业名称后附加一个数字或用户名,例如windows-rare-network-process-2

    cloned job details
  9. 单击下一步并检查作业是否验证无误。您可以忽略有关多个影响因素的警告。
  10. 单击下一步,然后单击创建作业

    将显示开始 <作业名称>窗口。

    start job window
  11. 选择作业将从哪个时间点开始分析异常。
  12. 单击开始

    稍后,结果将开始出现在异常浏览器页面上。

为作业定义异常阈值

编辑

某些作业使用高计数函数来查找进程事件中不寻常的峰值。对于某些进程,活动爆发是正常的,例如在服务器群上运行的自动化和维护作业。但是,有时高增量事件计数不太可能是例行行为的结果。在这种情况下,您可以定义将高事件计数视为异常时的最小阈值。

根据您的异常检测结果,您可能需要为 packetbeat_dns_tunneling 作业设置最小事件计数阈值

  1. 在导航菜单中查找Machine Learning
  2. 异常检测下,选择异常浏览器
  3. 导航到 packetbeat_dns_tunneling 作业的作业结果。如果作业结果未列出,请单击编辑作业选择,然后选择 packetbeat_dns_tunneling
  4. 操作列中,单击齿轮图标,然后选择配置规则

    将显示创建规则窗口。

    ml rule threshold
  5. 选择添加规则应用时的数值条件和以下 when 语句

    WHEN 实际值大于 <X>

    其中 <X> 是检测到异常的阈值。

  6. 单击保存
  7. 要应用新阈值,请在异常检测作业页面上选择操作开始数据馈送来重新运行作业。