Utilizzare i dati di Sensitive Data Protection nell'analisi sensibile al contesto

Supportato in:

Questo documento mostra come utilizzare i dati di contesto delle entità di Sensitive Data Protection e ulteriori origini log per aggiungere una comprensione contestuale dell'impatto e dell'ambito di una potenziale minaccia durante un'indagine.

Il caso d'uso descritto in questo documento rileva l'esecuzione di un file dannoso da parte di un utente (tecnica MITRE ATT&CK T1204.002) e se l'utente ha accesso anche a dati sensibili in altre parti della rete.

Questo esempio richiede che i seguenti dati siano stati importati e normalizzati in Google Security Operations:

  • Dati sull'attività degli utenti utilizzando i log di rete e EDR.
  • Relazioni tra risorse da origini dati come Google Cloud IAM Analysis.
  • Log di Sensitive Data Protection che contengono etichette relative al tipo e alla sensibilità dei dati archiviati.

Google SecOps deve essere in grado di analizzare i dati non elaborati nei record di entità ed eventi di Unified Data Model (UDM).

Per informazioni sull'importazione dei dati di Sensitive Data Protection in Google SecOps, consulta Esportazione dei dati di Sensitive Data Protection in Google SecOps.

Google Cloud Dati di analisi IAM

I dati di log di analisi IAM in questo esempio identificano gli utenti dell'organizzazione e acquisiscono le relazioni di ciascun utente con altri sistemi della rete. Google Cloud Di seguito è riportato uno snippet di un log di analisi IAM archiviato come record di entità UDM. Contiene informazioni sull'utente mikeross, che amministra una tabella BigQuery denominata 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"

Dati di Sensitive Data Protection

I dati di log di Sensitive Data Protection in questo esempio archiviano informazioni su una tabella BigQuery. Di seguito è riportato un snippet di un log di Sensitive Data Protection memorizzato come record di entità UDM. Rappresenta la tabella BigQuery denominata analytics:claim.patients con l'etichetta Predicted InfoType US_SOCIAL_SECURITY_NUMBER, che indica che la tabella memorizza i numeri di previdenza sociale degli Stati Uniti.

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"

Eventi proxy web

L'evento proxy web in questo esempio acquisisce l'attività di rete. Il seguente snippet è un log del proxy web Zscaler archiviato come record evento UDM. Acquisisce un evento di download di rete di un file eseguibile da parte dell'utente con il valore userid mikeross dove il valore received_bytes è 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"

Eventi EDR

L'evento EDR in questo esempio acquisisce l'attività su un dispositivo endpoint. Il seguente snippet è di un log CrowdStrike Falcon EDR archiviato come record evento UDM. Acquisisce un evento di rete che coinvolge l'applicazione Microsoft Excel e un utente con il valore 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"

Nota che in questi record sono presenti informazioni comuni, sia l'identificatore utente mikeross sia il nome della tabella, analytics:claim.patients. La sezione successiva di questo documento mostra come vengono utilizzati questi valori nella regola per unire i record.

Regola del motore di rilevamento in questo esempio

Questa regola di esempio rileva l'esecuzione di un file dannoso da parte di un utente (tecnica MITRE ATT&CK T1204.002).

La regola assegna un punteggio di rischio più elevato a un rilevamento quando l'utente ha anche accesso a dati sensibili in altre parti della rete. La regola mette in correlazione le seguenti informazioni:

  • Attività utente, ad esempio il download o l'avvio di un eseguibile.
  • La relazione tra le risorse, ad esempio la relazione dell'utente con una tabella BigQuery.
  • Presenza di informazioni sensibili nella risorsa a cui un utente ha accesso, ad esempio il tipo di dati archiviati nella tabella BigQuery.

Di seguito viene riportata la descrizione di ogni sezione della regola di esempio.

  • La sezione events specifica il pattern di dati che la regola cerca e include quanto segue:

    • Il gruppo 1 e il gruppo 2 identificano gli eventi di rete e EDR che acquisiscono il download di una grande quantità di dati o di un eseguibile correlato anche all'attività nell'applicazione Excel.
    • Il gruppo 3 identifica i record in cui l'utente identificato negli eventi di rete e EDR dispone anche dell'autorizzazione per una tabella BigQuery.
    • Il gruppo 4 identifica i record di Sensitive Data Protection per la tabella BigQuery a cui l'utente ha accesso.

    Ogni gruppo di espressioni utilizza la variabile $table_name o la variabile $user per unire i record correlati allo stesso utente e alla stessa tabella del database.

  • Nella sezione outcome, la regola crea una variabile $risk_score e imposta un valore in base alla sensibilità dei dati nella tabella. In questo caso, verifica se i dati sono etichettati con l'US_SOCIAL_SECURITY_NUMBER infoType Sensitive Data Protection.

    La sezione outcome imposta anche variabili aggiuntive come $principalHostname e $entity_resource_name. Queste variabili vengono restituite e archiviate con il rilevamento, in modo che quando le visualizzi in Google SecOps puoi anche visualizzare i valori delle variabili come colonne.

  • La sezione condition indica che il pattern cerca tutti i record UDM specificati nella sezione 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
}

Informazioni sul rilevamento

Se testi la regola in base ai dati esistenti e questa identifica il pattern di attività specificato nella definizione, genera un rilevamento. Il riquadro Rilevamento mostra il rilevamento generato dopo il test della regola. Il riquadro Rilevamento mostra anche i record di eventi ed entità che hanno causato la creazione di un rilevamento da parte della regola. In questo esempio, vengono visualizzati i seguenti record:

  • Google Cloud Entità UDM di analisi IAM
  • Entità UDM di Sensitive Data Protection
  • Evento UDM proxy web Zscaler
  • Evento UDM CrowdStrike Falcon EDR

Nel riquadro Rilevamento, seleziona un evento o un record di entità per visualizzarne i dettagli.

Il rilevamento memorizza anche le variabili definite nella sezione outcome della regola. Per visualizzare le variabili nel riquadro Rilevamento, seleziona Colonne, quindi seleziona uno o più nomi di variabili dal menu Colonne. Le colonne selezionate vengono visualizzate nel riquadro Rilevamento.

Passaggi successivi

Per scrivere regole personalizzate, consulta la panoramica del linguaggio YARA-L 2.0.

Per creare analisi sensibili al contesto personalizzate, vedi Creare analisi sensibili al contesto.

Per utilizzare l'analisi delle minacce predefinita, consulta Utilizzo dei rilevamenti curati di Google SecOps.

Hai bisogno di ulteriore assistenza? Ricevi risposte dai membri della community e dai professionisti di Google SecOps.