#detection-engineering

共收录 1 条相关安全情报。

← 返回所有主题
👥 作者: Aghni Anugrah Raesa, Adithyan Shaji Nambiar, Veda Dawoonauth, Aditya Kumar, Mike Cohen, Priyanka Singh

该论文提出了一种名为 Velociraptor 的统一检测-取证方法论,旨在弥合实时告警与深度取证分析之间的鸿沟。传统上,检测工程和数字取证并行发展但缺乏整合,导致安全团队在收到告警后仍需进行繁琐的磁盘取证。作者利用 Velociraptor 平台,将检测逻辑直接触发针对性的证据采集,实现检测即取证。方法论包含四个阶段:①建立基线(正常系统行为画像);②证据关联(将检测到的异常与相关 artefact 关联);③攻击链分析(重建攻击路径);④场景标记与置信度评估(将知识转化为可复用、可测试的检测规则)。论文还通过三个实际可用的 BaseVQL 日志源(Prefetch、USN、WMI)展示了该方法的可行性,证明基于 artefact 的检测可以实现无需完整磁盘采集的可扩展取证。两个案例研究验证了方法的有效性:一是当 Windows 事件日志被清除或不可用时,利用 Prefetch/USN 基线进行排查;二是通过 WMI 持久化关联,支持定期 artefact 分析的持续监控。实验表明,定期 artefact 分析能大幅减少数据量,同时提供连续监控能力。该研究适合安全运营中心(SOC)分析师、取证调查人员以及检测工程师阅读。

💡 推荐理由: 该方法将检测与取证无缝整合,减少了事件响应中的重复劳动,尤其适合 Windows 环境下的端点监控与事后排查。

🎯 建议动作: 研究跟进,评估在自身环境中部署 Velociraptor 并实施所提方法论的可能性。

排序因子: 影响边界/网络设备 (+5) | 来自 arXiv 其他板块 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)