机器学习检测到一个可疑的 Windows 事件，该事件具有较高的恶意概率评分
编辑机器学习检测到一个可疑的 Windows 事件，该事件具有较高的恶意概率评分编辑
一个监督式机器学习模型 (ProblemChild) 识别出一个可疑的 Windows 进程事件，该事件很有可能是恶意活动。或者，该模型的黑名单将该事件识别为恶意事件。
规则类型: eql
规则索引:
- endgame-*
- logs-endpoint.events.process-*
- winlogbeat-*
严重性: 低
风险评分: 21
运行频率: 5 分钟
搜索的索引范围: now-10m (日期数学格式，另请参阅 额外回溯时间)
每次执行的最大警报数: 100
参考资料:
标签:
- 操作系统: Windows
- 数据源: Elastic Endgame
- 用例: 本地攻击检测
- 规则类型: ML
- 规则类型: 机器学习
- 策略: 防御规避
版本: 6
规则作者:
- Elastic
规则许可证: Elastic 许可证 v2
设置编辑
设置
该规则要求安装本地攻击 (LotL) 检测集成资产，以及由 Elastic Defend 或 Winlogbeat 等集成收集的 Windows 进程事件。
LotL 攻击检测设置
LotL 攻击检测集成可以检测 Windows 进程事件中的本地活动。
先决条件
- LotL 攻击检测需要 Fleet。
- 要配置 Fleet Server，请参阅文档。
- 由Elastic Defend集成或 Winlogbeat (https://elastic.ac.cn/guide/en/beats/winlogbeat/current/_winlogbeat_overview.html) 收集的 Windows 进程事件。
- 要安装 Elastic Defend，请参阅文档。
- 要设置并运行 Winlogbeat，请按照本指南进行操作。
应执行以下步骤来安装与 LotL 攻击检测集成相关的资产
- 转到 Kibana 主页。在“管理”下，单击“集成”。
- 在查询栏中，搜索“本地攻击检测”，然后选择该集成以查看有关它的更多详细信息。
- 按照安装部分下的说明进行操作。
- 要使此规则生效，请完成配置摄取管道中的说明。
规则查询编辑
process where ((problemchild.prediction == 1 and problemchild.prediction_probability > 0.98) or
blocklist_label == 1) and not process.args : ("*C:\\WINDOWS\\temp\\nessus_*.txt*", "*C:\\WINDOWS\\temp\\nessus_*.tmp*")
框架: MITRE ATT&CKTM
-
策略
- 名称: 防御规避
- ID: TA0005
- 参考 URL: https://attack.mitre.org/tactics/TA0005/
-
技术
- 名称: 伪装
- ID: T1036
- 参考 URL: https://attack.mitre.org/techniques/T1036/
-
子技术
- 名称: 伪装任务或服务
- ID: T1036.004
- 参考 URL: https://attack.mitre.org/techniques/T1036/004/