自动映射到ATT&CK:威胁报告ATT&CK映射器(TRAM)工具

来源:https://medium.com/mitre-attack/automating-mapping-to-attack-tram-1bb1b44bda76

https://www.youtube.com/watch?v=bGN3jak_6bE

https://www.first.org/resources/papers/cti-may2020/FIRST_CTI_2020_rcATT_Siemens.pdf

ATT&CK的项目:

https://zhuanlan.zhihu.com/p/477024793

TRAM是一个基于网络的工具,可以自动提取对手的行为,以便将其映射到ATT&CK。

作者:Sarah Yoder和Jackie Lasky

令人兴奋的是,越来越多的网络威胁情报报告公布了包括ATT&CK映射,我们希望让分析人员更容易、更快地创建这些映射。我们知道创建ATT&CK映射的过程是具有挑战性的,因为我们在ATT&CK中添加到Group或Software页面的每个新报告都要经过类似的过程。分析师需要时间来熟悉所有266种技术,并理解情报如何映射到这些技术上的微妙之处。对于我们自己的映射,每天都会有新的报告发布,这意味着我们有一堆没完没了的报告要添加。为了减轻我们团队中未来分析师的工作量,并帮助社区的其他人,我们决定开始开发一种方法来帮助自动化这个过程。

我们的最终工具,威胁报告ATT&CK映射器(TRAM)旨在提供分析报告和提取ATT&CK技术的精简方法。我们希望自动映射到ATT&CK可以减少分析疲劳,增加ATT&CK的覆盖范围,并提高威胁情报映射的一致性和准确性。我们很高兴现在与ATT&CK社区分享TRAM的公测版本。

一、我们是怎么走到这一步的?

当我们开始思考寻找报告技术的方法时,我们从最简单的方法开始:模糊字符串搜索 fuzzy string searches。我们创建了一个命令行工具,它通过技术名称查找技术。我们很快就了解到,这种方法要么非常有效,要么根本不起作用。例如,“Mshta”保真度很高,而“DLL搜索顺序劫持”DLL Search Order Hijacking保真度很低。在这一点上,我们知道我们需要一个更好的方法来寻找技术,所以我们决定对我们的问题应用一个更高级的自然语言处理(NLP)过程。

以下是我们的NLP流程:

首先,我们需要有数据来训练,本质上是我们想要模型的每个项目的正确答案的答案键。在我们的案例中,我们希望每种技术都有一个模型,因此我们对每种技术使用来自ATT&CK站点的Procedure Examples。

接下来,我们必须将数据转换为待处理的“干净”状态。这意味着将我们的文本转换为我们所能做到的最简单的版本,以便计算机更好地理解。例如,masquerade, masquerading, masqueraded,都有相同的词根含义,所以我们想基于这个词建立模型,而不是基于这个词使用的时态。同样,我们必须对文本进行标记化。这意味着将文本分割成更小的单位,通常是单词,称为标记。这些标记允许计算机理解数据中的模式,比如计算一个句子中的单词数量或两个单词相邻出现的频率,等等。

现在我们可以开始为每种技术构建特定的模型或模式。我们目前使用Python的Sci-kit库来完成这一任务。我们使用一种叫做逻辑回归的方法,这种方法可以很好地进行预测,并预测在给定的句子中可能用到的技术。此外,我们的方法被认为是监督学习,因为我们知道我们的输出应该是什么(即,一个特定的技术)。

在我们可以在新数据上使用模型之前,我们需要在我们知道正确答案的数据上测试它们。为了做到这一点,我们在已经映射到ATT&CK的报告上进行了测试,看看我们的模型是否表现得足够好,能够发挥作用。

一旦我们确认模型可以找到我们期望的数据,我们现在就可以在计算机从未见过的数据上使用我们的模型(例如,从网站上获得的最新报告)。

幸运的是,我们使用Python的pickle文件将这些模型保存为“缓存”格式。这意味着我们不必每次使用工具时都要经历整个过程!如果您想了解更多关于我们的NLP过程,请查看我们10月份在TRAM上的BSides DC演示。

二、如何使用有TRAM?

TRAM是一个本地运行的网络工具,允许用户提交网页URL(抱歉,还没有pdf文件)。如果TRAM能够检索和解析该页面,那么报告分析可能需要近一分钟的时间,因为在底层发生了很多事情。

注意:如果“Needs Review”卡立即弹出,这通常意味着网站不喜欢我们试图抓取它,或网站上的某些内容无法被解析。我们正在调查这个问题,希望很快有一个修复。

一旦您在“需求回顾”专栏中看到一张卡片,就该开始分析了!

当TRAM的逻辑回归模型预测它已经找到了一种技术时,它会突出显示相关的文本,并在右边的方框中显示预测的技术。由于我们当前的数据集非常有限,我们的模型不是100%准确的,因此该工具需要分析人员审查并“接受”或“拒绝”技术预测。在后台,当点击“Accept”按钮时,该句子和技术将转到数据库中的“True Positives”表;当单击“拒绝”时,句子会转到“假阳性”表。然后,我们可以使用这些表来重建模型。随着更多的数据被输入到工具中,分析人员审查,模型重建,我们希望这些预测变得更准确。


无论句子是否高亮显示,如果需要手动添加某项技术,用户都可以点击句子,然后在出现的框中点击灰色的“添加缺失的技术”按钮。开始输入您想要映射的ATT&CK技术,并在它出现时单击它。如果句子以前没有高亮显示,现在将会出现高亮显示。此外,就像接受和拒绝的技术一样,当添加一个缺失的技术时,它将被放入“True Negatives”表,这在重建模型时也会被考虑在内。

一旦分析师审阅了整个报告,TRAMS的结果现在可以通过点击页面顶部中心的“导出PDF”按钮导出为PDF。导出将创建一个PDF,其中包含报告的原始文本版本,以及一个使用ATT&CK技术的表及其相应的句子。部分表的示例如下所示。

三、TRAM的下一步计划是什么?

我们很高兴分享今天的工具,开始帮助那些映射到ATT&CK的人。然而,我们知道还有很多事情可以做。目前,TRAM是一个不断改进和发展的功能原型。我们有几个功能,我们想在未来几个月实现。随着这些特性的添加,我们将继续宣布任何新的更改,并保持我们的公共存储库是最新的。

我们接下来的一些步骤包括:

能够摄取额外的文件类型(例如,.doc, .pdf, .txt)。

额外的输出格式(例如,CSV, JSON, STIX)

能够同时支持多个用户

仪表板和分析(例如,从报告中看到的前10种技术,随着时间的推移技术频率等)

四、我如何使用tram?

可以在https://github.com/mitre-attack/tram上找到TRAM的完整源代码。README将帮助您了解如何运行该工具。

请随意下载并开始测试。因为这是一个测试版,我们知道它有bug和问题。请帮助我们使用GitHub问题跟踪器来跟踪这些问题。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,126评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,254评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,445评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,185评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,178评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,970评论 1 284
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,276评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,927评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,400评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,883评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,997评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,646评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,213评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,204评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,423评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,423评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,722评论 2 345

推荐阅读更多精彩内容