Aracılığıyla paylaş

Microsoft Sentinel makine öğrenmesi altyapısı tarafından algılanan anomaliler

  • Makale

Bu makalede, Microsoft Sentinel'in farklı makine öğrenmesi modellerini kullanarak algılayan anomaliler listelenir.

Anomali algılama, belirli bir süre boyunca bir ortamdaki kullanıcıların davranışını analiz ederek ve meşru etkinliğin temelini oluşturarak çalışır. Temel oluşturulduktan sonra, normal parametrelerin dışındaki tüm etkinlikler anormal ve dolayısıyla şüpheli olarak kabul edilir.

Microsoft Sentinel, taban çizgileri oluşturmak ve anomalileri algılamak için iki farklı model kullanır.

Not

Aşağıdaki anomali algılamaları, düşük sonuç kalitesi nedeniyle 26 Mart 2024'te sona erer:

  • Etki Alanı Saygınlığı Palo Alto anomalisi
  • Palo Alto GlobalProtect aracılığıyla tek bir günde çok bölgeli oturum açma işlemleri

Önemli

Microsoft Sentinel, Microsoft Defender portalında birleşik güvenlik işlemleri platformu için genel önizleme kapsamında kullanılabilir. Daha fazla bilgi için Bkz . Microsoft Defender portalında Microsoft Sentinel.

UEBA anomalileri

Sentinel UEBA, çeşitli veri girişlerinde her varlık için oluşturulan dinamik taban çizgilerini temel alan anomalileri algılar. Her varlığın temel davranışı kendi geçmiş etkinliklerine, eşlerinin ve kuruluşun bütün olarak sahip olduğu etkinliklere göre ayarlanır. Anomaliler eylem türü, coğrafi konum, cihaz, kaynak, ISS ve daha fazlası gibi farklı özniteliklerin bağıntısı ile tetiklenebilir.

UEBA anomalilerinin algılanması için UEBA özelliğini etkinleştirmeniz gerekir.

Anormal Hesap Erişimini Kaldırma

Açıklama: Saldırgan, geçerli kullanıcılar tarafından kullanılan hesaplara erişimi engelleyerek sistem ve ağ kaynaklarının kullanılabilirliğini kesintiye uğratabilir. Saldırgan, erişimi kaldırmak için hesabı silebilir, kilitler veya değiştirebilir (örneğin, kimlik bilgilerini değiştirerek).

Öznitelik Değer
Anomali türü: UEBA
Veri kaynakları: Azure Etkinlik günlükleri
MITRE ATT&CK taktikleri: Etki
MITRE ATT&CK teknikleri: T1531 - Hesap Erişimini Kaldırma
Etkinlik: Microsoft.Authorization/roleAssignments/delete
Oturumu Kapat

UEBA anomalileri listesine | geri dön Başa dön

Anormal Hesap Oluşturma

Açıklama: Saldırganlar, hedeflenen sistemlere erişimi korumak için bir hesap oluşturabilir. Yeterli erişim düzeyiyle, bu tür hesaplar oluşturmak, sistemde kalıcı uzaktan erişim araçlarının dağıtılması gerekmeden ikincil kimlik bilgilerine erişim oluşturmak için kullanılabilir.

Öznitelik Değer
Anomali türü: UEBA
Veri kaynakları: Microsoft Entra denetim günlükleri
MITRE ATT&CK taktikleri: Kalıcılık
MITRE ATT&CK teknikleri: T1136 - Hesap Oluştur
MITRE ATT&CK alt teknikleri: Bulut Hesabı
Etkinlik: Çekirdek Dizin/UserManagement/Kullanıcı ekle

UEBA anomalileri listesine | geri dön Başa dön

Anormal Hesap Silme

Açıklama: Saldırganlar, geçerli kullanıcılar tarafından kullanılan hesaplara erişimi engelleyerek sistem ve ağ kaynaklarının kullanılabilirliğini kesintiye uğratabilir. Hesaplara erişimi kaldırmak için hesaplar silinebilir, kilitlenebilir veya değiştirilebilir (örneğin, değiştirilen kimlik bilgileri).

Öznitelik Değer
Anomali türü: UEBA
Veri kaynakları: Microsoft Entra denetim günlükleri
MITRE ATT&CK taktikleri: Etki
MITRE ATT&CK teknikleri: T1531 - Hesap Erişimini Kaldırma
Etkinlik: Core Directory/UserManagement/Delete user
Çekirdek Dizin/Cihaz/Kullanıcı silme
Core Directory/UserManagement/Delete user

UEBA anomalileri listesine | geri dön Başa dön

Anormal Hesap Düzenleme

Açıklama: Saldırganlar hesapları işleyip hedef sistemlere erişimi koruyabilir. Bu eylemler, yüksek ayrıcalıklı gruplara yeni hesaplar eklemeyi içerir. Örneğin Dragonfly 2.0, yükseltilmiş erişimi korumak için yöneticiler grubuna yeni oluşturulan hesaplar eklendi. Aşağıdaki sorgu, ayrıcalıklı role "Kullanıcıyı güncelleştir" (ad değişikliği) gerçekleştiren tüm high-Blast Radius kullanıcılarının veya kullanıcıları ilk kez değiştiren kullanıcıların çıkışını oluşturur.

Öznitelik Değer
Anomali türü: UEBA
Veri kaynakları: Microsoft Entra denetim günlükleri
MITRE ATT&CK taktikleri: Kalıcılık
MITRE ATT&CK teknikleri: T1098 - Hesap Düzenleme
Etkinlik: Core Directory/UserManagement/Update user

UEBA anomalileri listesine | geri dön Başa dön

Anormal Kod Yürütme (UEBA)

Açıklama: Saldırganlar komutları, betikleri veya ikili dosyaları yürütmek için komut ve betik yorumlayıcılarını kötüye kullanılabilir. Bu arabirimler ve diller, bilgisayar sistemleriyle etkileşim kurmanın yollarını sağlar ve birçok farklı platformda ortak bir özelliktir.

Öznitelik Değer
Anomali türü: UEBA
Veri kaynakları: Azure Etkinlik günlükleri
MITRE ATT&CK taktikleri: Yürütme
MITRE ATT&CK teknikleri: T1059 - Komut ve Betik Yorumlayıcısı
MITRE ATT&CK alt teknikleri: PowerShell
Etkinlik: Microsoft.Compute/virtualMachines/runCommand/action

UEBA anomalileri listesine | geri dön Başa dön

Anormal Veri Yok Etme

Açıklama: Saldırganlar, sistemler, hizmetler ve ağ kaynaklarının kullanılabilirliğini kesintiye uğratmak için belirli sistemlerdeki veya ağdaki çok sayıdaki verileri ve dosyaları yok edebilir. Verilerin yok edilmesi, yerel ve uzak sürücülerdeki dosyaların veya verilerin üzerine yazılması yoluyla adli tekniklerle depolanan verileri geri alınamaz hale getirir.

Öznitelik Değer
Anomali türü: UEBA
Veri kaynakları: Azure Etkinlik günlükleri
MITRE ATT&CK taktikleri: Etki
MITRE ATT&CK teknikleri: T1485 - Veri Yok Etme
Etkinlik: Microsoft.Compute/disks/delete
Microsoft.Compute/galeriler/görüntüler/silme
Microsoft.Compute/hostGroups/delete
Microsoft.Compute/hostGroups/hosts/delete
Microsoft.Compute/images/delete
Microsoft.Compute/virtualMachines/delete
Microsoft.Compute/virtualMachineScaleSets/delete
Microsoft.Compute/virtualMachineScaleSets/virtualMachines/delete
Microsoft.Devices/digitalTwins/Delete
Microsoft.Devices/iotHubs/Delete
Microsoft.KeyVault/vaults/delete
Microsoft.Logic/integrationAccounts/delete
Microsoft.Logic/integrationAccounts/maps/delete
Microsoft.Logic/integrationAccounts/schemas/delete
Microsoft.Logic/integrationAccounts/partners/delete
Microsoft.Logic/integrationServiceEnvironments/delete
Microsoft.Logic/workflows/delete
Microsoft.Resources/subscriptions/resourceGroups/delete
Microsoft.Sql/instancePools/delete
Microsoft.Sql/managedInstances/delete
Microsoft.Sql/managedInstances/administrators/delete
Microsoft.Sql/managedInstances/databases/delete
Microsoft.Storage/storageAccounts/delete
Microsoft. Depolama/storageAccounts/blobServices/containers/blobs/delete
Microsoft. Depolama/storageAccounts/fileServices/fileshares/files/delete
Microsoft. Depolama/storageAccounts/blobServices/containers/delete
Microsoft.AAD/domainServices/delete

UEBA anomalileri listesine | geri dön Başa dön

Anormal Savunma Mekanizması Değişikliği

Açıklama: Saldırganlar, araçlarının ve etkinliklerinin olası algılanmasından kaçınmak için güvenlik araçlarını devre dışı bırakabilir.

Öznitelik Değer
Anomali türü: UEBA
Veri kaynakları: Azure Etkinlik günlükleri
MITRE ATT&CK taktikleri: Savunma Kaçamak
MITRE ATT&CK teknikleri: T1562 - Zayıf Savunmalar
MITRE ATT&CK alt teknikleri: Araçları Devre Dışı Bırakma veya Değiştirme
Bulut Güvenlik Duvarı'nı devre dışı bırakma veya değiştirme
Etkinlik: Microsoft.Sql/managedInstances/databases/vulnerabilityAssessments/rules/baselines/delete
Microsoft.Sql/managedInstances/databases/vulnerabilityAssessments/delete
Microsoft.Network/networkSecurityGroups/securityRules/delete
Microsoft.Network/networkSecurityGroups/delete
Microsoft.Network/ddosProtectionPlans/delete
Microsoft.Network/ApplicationGatewayWebApplicationFirewallPolicies/delete
Microsoft.Network/applicationSecurityGroups/delete
Microsoft.Authorization/policyAssignments/delete
Microsoft.Sql/servers/firewallRules/delete
Microsoft.Network/firewallİlkeler/silme
Microsoft.Network/azurefirewalls/delete

UEBA anomalileri listesine | geri dön Başa dön

Anormal Başarısız Oturum Açma

Açıklama: Sistem veya ortamda yasal kimlik bilgileri hakkında önceden bilgi sahibi olmayan saldırganlar hesaplara erişim girişiminde bulunmak için parolaları tahmin edebilir.

Öznitelik Değer
Anomali türü: UEBA
Veri kaynakları: Microsoft Entra oturum açma günlükleri
günlükleri Windows Güvenliği
MITRE ATT&CK taktikleri: Kimlik Bilgisi Erişimi
MITRE ATT&CK teknikleri: T1110 - Deneme Yanılma
Etkinlik: Microsoft Entra Id: Oturum açma etkinliği
Windows Güvenliği: Başarısız oturum açma (Olay Kimliği 4625)

UEBA anomalileri listesine | geri dön Başa dön

Anormal Parola Sıfırlama

Açıklama: Saldırganlar, geçerli kullanıcılar tarafından kullanılan hesaplara erişimi engelleyerek sistem ve ağ kaynaklarının kullanılabilirliğini kesintiye uğratabilir. Hesaplara erişimi kaldırmak için hesaplar silinebilir, kilitlenebilir veya değiştirilebilir (örneğin, değiştirilen kimlik bilgileri).

Öznitelik Değer
Anomali türü: UEBA
Veri kaynakları: Microsoft Entra denetim günlükleri
MITRE ATT&CK taktikleri: Etki
MITRE ATT&CK teknikleri: T1531 - Hesap Erişimini Kaldırma
Etkinlik: Çekirdek Dizin/UserManagement/Kullanıcı parolası sıfırlama

UEBA anomalileri listesine | geri dön Başa dön

Anormal Ayrıcalık Verildi

Açıklama: Saldırganlar, kurban Azure hesaplarına kalıcı erişimi sürdürmek için mevcut yasal kimlik bilgilerine ek olarak Azure Hizmet Sorumluları için saldırgan denetimli kimlik bilgileri ekleyebilir.

Öznitelik Değer
Anomali türü: UEBA
Veri kaynakları: Microsoft Entra denetim günlükleri
MITRE ATT&CK taktikleri: Kalıcılık
MITRE ATT&CK teknikleri: T1098 - Hesap Düzenleme
MITRE ATT&CK alt teknikleri: Ek Azure Hizmet Sorumlusu Kimlik Bilgileri
Etkinlik: Hesap sağlama/Uygulama Yönetimi/Hizmet sorumlusuna uygulama rolü ataması ekleme

UEBA anomalileri listesine | geri dön Başa dön

Anormal Oturum Açma

Açıklama: Saldırganlar, Kimlik Bilgisi Erişimi tekniklerini kullanarak belirli bir kullanıcının veya hizmet hesabının kimlik bilgilerini çalabilir veya kalıcılık kazanmanın bir yolu için sosyal mühendislik aracılığıyla keşif sürecinde kimlik bilgilerini yakalayabilir.

Öznitelik Değer
Anomali türü: UEBA
Veri kaynakları: Microsoft Entra oturum açma günlükleri
günlükleri Windows Güvenliği
MITRE ATT&CK taktikleri: Kalıcılık
MITRE ATT&CK teknikleri: T1078 - Geçerli Hesaplar
Etkinlik: Microsoft Entra Id: Oturum açma etkinliği
Windows Güvenliği: Başarılı oturum açma (Olay Kimliği 4624)

UEBA anomalileri listesine | geri dön Başa dön

Makine öğrenmesi tabanlı anomaliler

Microsoft Sentinel'in özelleştirilebilir, makine öğrenmesi tabanlı anomalileri, kullanıma hazır hale getirilebilen analiz kuralı şablonlarıyla anormal davranışları tanımlayabilir. Anomaliler kötü amaçlı ve hatta şüpheli davranışları tek başına belirtmese de algılamaları, araştırmaları ve tehdit avcılığını geliştirmek için kullanılabilir.

Anormal Microsoft Entra oturum açma oturumları

Açıklama: Makine öğrenmesi modeli, Microsoft Entra oturum açma günlüklerini kullanıcı bazında gruplandırır. Model, önceki 6 günlük kullanıcı oturum açma davranışına göre eğitilir. Son gün içindeki anormal kullanıcı oturum açma oturumlarını gösterir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: Microsoft Entra oturum açma günlükleri
MITRE ATT&CK taktikleri: İlk Erişim
MITRE ATT&CK teknikleri: T1078 - Geçerli Hesaplar
T1566 - Kimlik Avı
T1133 - Dış Uzak Hizmetler

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Anormal Azure işlemleri

Açıklama: Bu algılama algoritması, bu ML modelini eğitmek için kullanıcıya göre gruplandırılmış Azure işlemlerinde 21 günlük verileri toplar. Daha sonra algoritma, çalışma alanlarında sık rastlanmayan işlem dizileri gerçekleştiren kullanıcılar söz konusu olduğunda anomaliler oluşturur. Eğitilen ML modeli, kullanıcı tarafından gerçekleştirilen işlemleri puanlar ve puanı tanımlı eşikten büyük olanları anormal olarak değerlendirir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: Azure Etkinlik günlükleri
MITRE ATT&CK taktikleri: İlk Erişim
MITRE ATT&CK teknikleri: T1190 - Genel Kullanıma Yönelik Uygulamadan Yararlanma

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Anormal Kod Yürütme

Açıklama: Saldırganlar komutları, betikleri veya ikili dosyaları yürütmek için komut ve betik yorumlayıcılarını kötüye kullanabilecektir. Bu arabirimler ve diller, bilgisayar sistemleriyle etkileşim kurmanın yollarını sağlar ve birçok farklı platformda ortak bir özelliktir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: Azure Etkinlik günlükleri
MITRE ATT&CK taktikleri: Yürütme
MITRE ATT&CK teknikleri: T1059 - Komut ve Betik Yorumlayıcısı

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Anormal yerel hesap oluşturma

Açıklama: Bu algoritma, Windows sistemlerinde anormal yerel hesap oluşturmayı algılar. Saldırganlar, hedeflenen sistemlere erişimi korumak için yerel hesaplar oluşturabilir. Bu algoritma, kullanıcılar tarafından önceki 14 gün içinde yerel hesap oluşturma etkinliğini analiz eder. Daha önce geçmiş etkinlikte görünmeyen kullanıcılardan gelen benzer etkinlikleri geçerli günde arar. Bilinen kullanıcıların bu anomaliyi tetikledikten sonra filtrelenmesi için bir izin verilenler listesi belirtebilirsiniz.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: günlükleri Windows Güvenliği
MITRE ATT&CK taktikleri: Kalıcılık
MITRE ATT&CK teknikleri: T1136 - Hesap Oluştur

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Anormal tarama etkinliği

Açıklama: Bu algoritma, tek bir kaynak IP'den bir veya daha fazla hedef IP'ye gelen ve normalde belirli bir ortamda görünmeyen bağlantı noktası tarama etkinliğini arar.

Algoritma, IP'nin genel/dış mı yoksa özel/iç mi olduğunu dikkate alır ve olay buna göre işaretlenir. Şu anda yalnızca özelden genele veya genelden özele etkinlik kabul edilir. Tarama etkinliği, bir saldırganın bir ortamdaki kullanılabilir hizmetlerden yararlanma olasılığı olan ve giriş veya yanal hareket için kullanılabilecek hizmetleri belirlemeye çalıştığına işaret edebilir. Tek bir kaynak IP'den tek veya birden çok hedef IP'ye çok sayıda kaynak bağlantı noktası ve çok sayıda hedef bağlantı noktası ilginç olabilir ve anormal taramayı gösterebilir. Ayrıca, hedef IP'lerin tek kaynak IP'ye oranı yüksekse, bu anormal taramayı gösterebilir.

Yapılandırma ayrıntıları:

  • İş çalıştırma varsayılanı, saatlik bölmelerle günlük olarak çalıştırılır.
    Algoritma, sonuçları saatlik bölmelere göre sınırlamak için aşağıdaki yapılandırılabilir varsayılanları kullanır.
  • Dahil edilen cihaz eylemleri - kabul et, izin ver, başlat
  • Dışlanan bağlantı noktaları - 53, 67, 80, 8080, 123, 137, 138, 443, 445, 3389
  • Ayrı hedef bağlantı noktası sayısı >= 600
  • Ayrı kaynak bağlantı noktası sayısı >= 600
  • Ayrı kaynak bağlantı noktası sayısı ayrı hedef bağlantı noktasına bölünür, oran yüzde >= 99,99'a dönüştürülür
  • Kaynak IP (her zaman 1) hedef IP'ye bölünür, oran yüzde >= 99,99'a dönüştürülür
Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: CommonSecurityLog (PAN, Zscaler, CEF, CheckPoint, Fortinet)
MITRE ATT&CK taktikleri: Bulma
MITRE ATT&CK teknikleri: T1046 - Ağ Hizmeti Tarama

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Office Exchange'de anormal kullanıcı etkinlikleri

Açıklama: Bu makine öğrenmesi modeli, Office Exchange günlüklerini kullanıcı başına saatlik demetler halinde gruplandırır. Bir saati oturum olarak tanımlarız. Model, tüm normal (yönetici olmayan) kullanıcılar arasında önceki 7 günlük davranışa göre eğitilir. Son gün içindeki anormal kullanıcı Office Exchange oturumlarını gösterir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: Office Etkinlik günlüğü (Exchange)
MITRE ATT&CK taktikleri: Kalıcılık
Koleksiyon
MITRE ATT&CK teknikleri: Koleksiyon:
T1114 - E-posta Koleksiyonu
T1213 - Bilgi Depolarından Alınan Veriler

Kalıcılık:
T1098 - Hesap Düzenleme
T1136 - Hesap Oluştur
T1137 - Office Uygulaması Başlatma
T1505 - Sunucu Yazılımı Bileşeni

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Azure denetim günlüklerindeki anormal kullanıcı/uygulama etkinlikleri

Açıklama: Bu algoritma, tüm kullanıcılar ve uygulamalar genelinde önceki 21 günün davranışına bağlı olarak son günün denetim günlüklerindeki anormal kullanıcı/uygulama Azure oturumlarını tanımlar. Algoritma, modeli eğitmeden önce yeterli veri hacmini denetler.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: Microsoft Entra denetim günlükleri
MITRE ATT&CK taktikleri: Koleksiyon
Bulma
İlk Erişim
Kalıcılık
Ayrıcalık Yükseltme
MITRE ATT&CK teknikleri: Koleksiyon:
T1530 - Bulut Depolama Nesnesinden Veriler

Keşif:
T1087 - Hesap Bulma
T1538 - Bulut Hizmeti Panosu
T1526 - Bulut Hizmeti Bulma
T1069 - İzin Grupları Bulma
T1518 - Yazılım Bulma

İlk Erişim:
T1190 - Genel Kullanıma Yönelik Uygulamadan Yararlanma
T1078 - Geçerli Hesaplar

Kalıcılık:
T1098 - Hesap Düzenleme
T1136 - Hesap Oluştur
T1078 - Geçerli Hesaplar

Ayrıcalık Yükseltme:
T1484 - Etki Alanı İlkesi Değişikliği
T1078 - Geçerli Hesaplar

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Anormal W3CIIS günlükleri etkinliği

Açıklama: Bu makine öğrenmesi algoritması, son gün içindeki anormal IIS oturumlarını gösterir. Örneğin, olağan dışı olarak yüksek sayıda farklı URI sorgusu, kullanıcı aracısı veya oturumdaki günlükleri ya da bir oturumdaki belirli HTTP fiillerini veya HTTP durumlarını yakalar. Algoritma, site adı ve istemci IP'sine göre gruplandırılmış saatlik bir oturum içinde olağan dışı W3CIISLog olaylarını tanımlar. Model, IIS etkinliğinin son 7 günü üzerinde eğitilir. Algoritma, modeli eğitmeden önce yeterli miktarda IIS etkinliğini denetler.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: W3CIIS günlükleri
MITRE ATT&CK taktikleri: İlk Erişim
Kalıcılık
MITRE ATT&CK teknikleri: İlk Erişim:
T1190 - Genel Kullanıma Yönelik Uygulamadan Yararlanma

Kalıcılık:
T1505 - Sunucu Yazılımı Bileşeni

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Anormal web isteği etkinliği

Açıklama: Bu algoritma, W3CIISLog olaylarını site adı ve URI köküne göre gruplandırılmış saatlik oturumlar halinde gruplandırıyor. Makine öğrenmesi modeli, son gün içinde 5xx sınıfı yanıt kodlarını tetikleyen olağan dışı sayıda istek içeren oturumları tanımlar. 5xx sınıfı kodlar, istek tarafından bazı uygulama kararlılığının veya hata koşulunun tetiklendiğinin bir göstergesidir. Bir saldırganın güvenlik açıkları ve yapılandırma sorunları için URI sapını yoklaması, SQL ekleme gibi bazı açıklardan yararlanma etkinlikleri gerçekleştirmesi veya düzeltme eki kaldırılmamış bir güvenlik açığından yararlanması gibi bir gösterge olabilir. Bu algoritma, eğitim için 6 günlük verileri kullanır.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: W3CIIS günlükleri
MITRE ATT&CK taktikleri: İlk Erişim
Kalıcılık
MITRE ATT&CK teknikleri: İlk Erişim:
T1190 - Genel Kullanıma Yönelik Uygulamadan Yararlanma

Kalıcılık:
T1505 - Sunucu Yazılımı Bileşeni

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Bilgisayar deneme yanılma girişimi

Açıklama: Bu algoritma, son bir gün içinde bilgisayar başına olağan dışı derecede yüksek miktarda başarısız oturum açma girişimi (güvenlik olayı kimliği 4625) algılar. Model, windows güvenlik olay günlüklerinin son 21 gününde eğitilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: günlükleri Windows Güvenliği
MITRE ATT&CK taktikleri: Kimlik Bilgisi Erişimi
MITRE ATT&CK teknikleri: T1110 - Deneme Yanılma

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Deneme kullanıcı hesabı deneme yanılma girişimi

Açıklama: Bu algoritma, son bir gün içinde kullanıcı hesabı başına olağan dışı derecede yüksek miktarda başarısız oturum açma girişimi (güvenlik olayı kimliği 4625) algılar. Model, windows güvenlik olay günlüklerinin son 21 gününde eğitilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: günlükleri Windows Güvenliği
MITRE ATT&CK taktikleri: Kimlik Bilgisi Erişimi
MITRE ATT&CK teknikleri: T1110 - Deneme Yanılma

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Oturum açma türü başına deneme kullanıcı hesabı deneme yanılma girişimi

Açıklama: Bu algoritma, son bir gün içinde kullanıcı hesabı başına her oturum açma türü için olağan dışı derecede yüksek miktarda başarısız oturum açma girişimi (güvenlik olayı kimliği 4625) algılar. Model, windows güvenlik olay günlüklerinin son 21 gününde eğitilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: günlükleri Windows Güvenliği
MITRE ATT&CK taktikleri: Kimlik Bilgisi Erişimi
MITRE ATT&CK teknikleri: T1110 - Deneme Yanılma

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Hata başına deneme kullanıcı hesabı deneme yanılma nedeni

Açıklama: Bu algoritma, son bir gün içindeki hata nedeniyle kullanıcı hesabı başına olağan dışı düzeyde yüksek miktarda başarısız oturum açma girişimi (güvenlik olayı kimliği 4625) algılar. Model, windows güvenlik olay günlüklerinin son 21 gününde eğitilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: günlükleri Windows Güvenliği
MITRE ATT&CK taktikleri: Kimlik Bilgisi Erişimi
MITRE ATT&CK teknikleri: T1110 - Deneme Yanılma

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Makine tarafından oluşturulan ağ işaretleyici davranışını algılama

Açıklama: Bu algoritma, yinelenen zaman değişim desenlerine göre ağ trafiği bağlantı günlüklerindeki işaret desenlerini tanımlar. Tekrarlanan delta zamanlarında güvenilmeyen genel ağlara yönelik herhangi bir ağ bağlantısı, kötü amaçlı yazılım geri çağırmalarının veya veri sızdırma girişimlerinin göstergesidir. Algoritma, aynı kaynak IP ile hedef IP arasındaki ardışık ağ bağlantıları arasındaki zaman farkını ve aynı kaynaklar ve hedefler arasındaki bir zaman aralığı dizisindeki bağlantı sayısını hesaplar. İşaretleme yüzdesi, bir gün içindeki toplam bağlantılara karşı zaman değişim dizisindeki bağlantılar olarak hesaplanır.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: CommonSecurityLog (PAN)
MITRE ATT&CK taktikleri: Komut ve Denetim
MITRE ATT&CK teknikleri: T1071 - Uygulama Katmanı Protokolü
T1132 - Veri Kodlama
T1001 - Veri Gizleme
T1568 - Dinamik Çözünürlük
T1573 - Şifrelenmiş Kanal
T1008 - Geri Dönüş Kanalları
T1104 - Çok Aşamalı Kanallar
T1095 - Uygulama Dışı Katman Protokolü
T1571 - Standart Olmayan Bağlantı Noktası
T1572 - Protokol Tüneli
T1090 - Ara Sunucu
T1205 - Trafik Sinyali
T1102 - Web Hizmeti

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

DNS etki alanlarında etki alanı oluşturma algoritması (DGA)

Açıklama: Bu makine öğrenmesi modeli, DNS günlüklerinde geçmiş güne ait olası DGA etki alanlarını gösterir. Algoritma, IPv4 ve IPv6 adreslerine çözümleyen DNS kayıtları için geçerlidir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: DNS Olayları
MITRE ATT&CK taktikleri: Komut ve Denetim
MITRE ATT&CK teknikleri: T1568 - Dinamik Çözünürlük

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Etki Alanı Saygınlığı Palo Alto anomalisi (SÜREKSİ SONA ERDİ)

Açıklama: Bu algoritma özellikle Palo Alto güvenlik duvarı (PAN-OS ürünü) günlüklerinde görülen tüm etki alanlarının itibarını değerlendirir. Yüksek bir anomali puanı düşük bir üne işaret eder ve etki alanının kötü amaçlı içeriği barındırdığını veya bunu yapma olasılığının yüksek olduğunu gösterir.

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Aşırı veri aktarımı anomalisi

Açıklama: Bu algoritma, ağ günlüklerinde gözlemlenen olağan dışı yüksek veri aktarımını algılar. Zaman serisini kullanarak verileri mevsimsel, eğilim ve artık bileşenlere ayırarak temeli hesaplar. Geçmiş taban çizgisinden herhangi bir ani büyük sapma anormal etkinlik olarak kabul edilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: CommonSecurityLog (PAN, Zscaler, CEF, CheckPoint, Fortinet)
MITRE ATT&CK taktikleri: Sızdırma
MITRE ATT&CK teknikleri: T1030 - Veri Aktarımı Boyut Sınırları
T1041 - C2 Kanalı Üzerinden Sızdırma
T1011 - Diğer Ağ Ortamı Üzerinden Sızdırma
T1567 - Web Hizmeti Üzerinden Sızdırma
T1029 - Zamanlanmış Aktarım
T1537 - Bulut Hesabına Veri Aktarma

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Palo Alto GlobalProtect aracılığıyla Aşırı İndirme

Açıklama: Bu algoritma, Palo Alto VPN çözümü aracılığıyla kullanıcı hesabı başına olağan dışı yüksek miktarda indirme algılar. Model, VPN günlüklerinin önceki 14 gününde eğitilir. Son bir gün içindeki anormal yüksek miktarda indirmeyi gösterir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: CommonSecurityLog (PAN VPN)
MITRE ATT&CK taktikleri: Sızdırma
MITRE ATT&CK teknikleri: T1030 - Veri Aktarımı Boyut Sınırları
T1041 - C2 Kanalı Üzerinden Sızdırma
T1011 - Diğer Ağ Ortamı Üzerinden Sızdırma
T1567 - Web Hizmeti Üzerinden Sızdırma
T1029 - Zamanlanmış Aktarım
T1537 - Bulut Hesabına Veri Aktarma

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Palo Alto GlobalProtect aracılığıyla aşırı yüklemeler

Açıklama: Bu algoritma, Palo Alto VPN çözümü aracılığıyla kullanıcı hesabı başına olağan dışı yüksek miktarda karşıya yükleme algılar. Model, VPN günlüklerinin önceki 14 gününde eğitilir. Son bir gün içinde anormal yüksek hacimli karşıya yükleme olduğunu gösterir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: CommonSecurityLog (PAN VPN)
MITRE ATT&CK taktikleri: Sızdırma
MITRE ATT&CK teknikleri: T1030 - Veri Aktarımı Boyut Sınırları
T1041 - C2 Kanalı Üzerinden Sızdırma
T1011 - Diğer Ağ Ortamı Üzerinden Sızdırma
T1567 - Web Hizmeti Üzerinden Sızdırma
T1029 - Zamanlanmış Aktarım
T1537 - Bulut Hesabına Veri Aktarma

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Palo Alto GlobalProtect hesabı oturum açma bilgileri aracılığıyla olağan dışı bir bölgeden oturum açın

Açıklama: Palo Alto GlobalProtect hesabı son 14 gün içinde nadiren oturum açmış bir kaynak bölgeden oturum açtığında bir anomali tetikleniyor. Bu anomali hesabın gizliliğinin ihlal edildiğini gösterebilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: CommonSecurityLog (PAN VPN)
MITRE ATT&CK taktikleri: Kimlik Bilgisi Erişimi
İlk Erişim
Yan Hareket
MITRE ATT&CK teknikleri: T1133 - Dış Uzak Hizmetler

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Palo Alto GlobalProtect aracılığıyla tek bir günde çok bölgeli oturum açma işlemleri (SÜREKLİ)

Açıklama: Bu algoritma, Palo Alto VPN aracılığıyla tek bir günde birden çok bitişik olmayan bölgeden oturum açan bir kullanıcı hesabını algılar.

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Olası veri hazırlama

Açıklama: Bu algoritma, önceki haftadan itibaren kullanıcı başına ayrı dosyaların indirilmelerini her kullanıcının geçerli gününe ait indirmelerle karşılaştırır ve farklı dosyaların indirilmesi sayısı ortalamanın üzerinde yapılandırılan standart sapma sayısını aştığında bir anomali tetiklenir. Şu anda algoritma yalnızca , ve uzantılı belgelerin, görüntülerinmp3rarziponejpgmp4bmppdfpptxlsmpptx, videoların ve movarşivlerin sızdırması sırasında görülen dosyaları analiz eder.docdocxxlsxlsx

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: Office Etkinlik günlüğü (Exchange)
MITRE ATT&CK taktikleri: Koleksiyon
MITRE ATT&CK teknikleri: T1074 - Hazırlanan Veri

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Üst düzey DNS Etki Alanlarında olası etki alanı oluşturma algoritması (DGA)

Açıklama: Bu makine öğrenmesi modeli, DNS günlüklerinin son günündeki etki alanı adlarının olağan dışı olan bir üst düzey etki alanını (üçüncü düzey ve yukarı) gösterir. Bunlar potansiyel olarak bir etki alanı oluşturma algoritmasının (DGA) çıkışı olabilir. Anomali, IPv4 ve IPv6 adreslerine çözümleyen DNS kayıtları için geçerlidir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: DNS Olayları
MITRE ATT&CK taktikleri: Komut ve Denetim
MITRE ATT&CK teknikleri: T1568 - Dinamik Çözünürlük

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Palo Alto GlobalProtect hesabı oturum açmalarında şüpheli coğrafya değişikliği

Açıklama: Eşleşme, kullanıcının son uzaktan oturum açma işleminin ülkesi/bölgesinden farklı bir ülkeden/bölgeden uzaktan oturum açtığını gösterir. Bu kural, özellikle de kural eşleşmelerinin zamanında yakın bir şekilde gerçekleştiği durumlarda hesap güvenliğinin aşılmasına da işaret edebilir. Bu, imkansız seyahat senaryolarını içerir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: CommonSecurityLog (PAN VPN)
MITRE ATT&CK taktikleri: İlk Erişim
Kimlik Bilgisi Erişimi
MITRE ATT&CK teknikleri: T1133 - Dış Uzak Hizmetler
T1078 - Geçerli Hesaplar

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Erişilen şüpheli korumalı belge sayısı

Açıklama: Bu algoritma, Azure Information Protection (AIP) günlüklerindeki korumalı belgelere yüksek hacimli erişimi algılar. Belirli sayıda gün için AIP iş yükü kayıtlarını dikkate alır ve kullanıcının geçmişe dönük davranış verilen bir günde korumalı belgelere olağan dışı erişim gerçekleştirip gerçekleştirmediğini belirler.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: Azure Information Protection günlükleri
MITRE ATT&CK taktikleri: Koleksiyon
MITRE ATT&CK teknikleri: T1530 - Bulut Depolama Nesnesinden Veriler
T1213 - Bilgi Depolarından Alınan Veriler
T1005 - Yerel Sistemden Veriler
T1039 - Ağ Paylaşılan Sürücüsündeki Veriler
T1114 - E-posta Koleksiyonu

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

AWS dışı kaynak IP adresinden yapılan şüpheli AWS API çağrıları hacmi

Açıklama: Bu algoritma, son gün içinde AWS'nin kaynak IP aralıkları dışındaki kaynak IP adreslerinden çalışma alanı başına kullanıcı hesabı başına olağan dışı yüksek hacimli AWS API çağrıları algılar. Model, AWS CloudTrail günlük olaylarının son 21 gününde kaynak IP adresine göre eğitilir. Bu etkinlik, kullanıcı hesabının gizliliğinin ihlal edilmiş olduğunu gösterebilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: AWS CloudTrail günlükleri
MITRE ATT&CK taktikleri: İlk Erişim
MITRE ATT&CK teknikleri: T1078 - Geçerli Hesaplar

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

EventTypeName'e göre grup kullanıcı hesabının AWS CloudTrail günlük olaylarının şüpheli hacmi

Açıklama: Bu algoritma, son gün içinde AWS CloudTrail günlüğünüzde farklı olay türlerine (AwsApiCall, AwsServiceEvent, AwsConsoleSignIn, AwsConsoleAction) göre grup kullanıcı hesabı başına olağan dışı derecede yüksek hacimli olayları algılar. Model, grup kullanıcı hesabına göre AWS CloudTrail günlük olaylarının son 21 gününde eğitilir. Bu etkinlik hesabın gizliliğinin ihlal edilmiş olduğunu gösterebilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: AWS CloudTrail günlükleri
MITRE ATT&CK taktikleri: İlk Erişim
MITRE ATT&CK teknikleri: T1078 - Geçerli Hesaplar

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Kullanıcı hesabından yapılan şüpheli AWS yazma API çağrıları hacmi

Açıklama: Bu algoritma, son gün içinde kullanıcı hesabı başına olağan dışı yüksek hacimli AWS yazma API'leri çağrılarını algılar. Model, kullanıcı hesabına göre AWS CloudTrail günlük olaylarının son 21 gününde eğitilir. Bu etkinlik hesabın gizliliğinin ihlal edilmiş olduğunu gösterebilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: AWS CloudTrail günlükleri
MITRE ATT&CK taktikleri: İlk Erişim
MITRE ATT&CK teknikleri: T1078 - Geçerli Hesaplar

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Her grup kullanıcı hesabı tarafından AWS Konsolu'nda başarısız oturum açma girişimlerinin şüpheli hacmi

Açıklama: Bu algoritma, son gün içinde AWS CloudTrail günlüğünüzde grup başına AWS Konsolu kullanıcı hesabı için olağan dışı düzeyde yüksek miktarda başarısız oturum açma girişimi algılar. Model, grup kullanıcı hesabına göre AWS CloudTrail günlük olaylarının son 21 gününde eğitilir. Bu etkinlik hesabın gizliliğinin ihlal edilmiş olduğunu gösterebilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: AWS CloudTrail günlükleri
MITRE ATT&CK taktikleri: İlk Erişim
MITRE ATT&CK teknikleri: T1078 - Geçerli Hesaplar

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Her kaynak IP adresi tarafından AWS Konsolu'na yapılan şüpheli miktarda başarısız oturum açma girişimi

Açıklama: Bu algoritma, aws CloudTrail günlüğünüzde son gün içinde kaynak IP adresi başına AWS Konsolu'nda olağan dışı derecede yüksek miktarda başarısız oturum açma olayı algılar. Model, AWS CloudTrail günlük olaylarının son 21 gününde kaynak IP adresine göre eğitilir. Bu etkinlik IP adresinin tehlikede olduğunu gösterebilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: AWS CloudTrail günlükleri
MITRE ATT&CK taktikleri: İlk Erişim
MITRE ATT&CK teknikleri: T1078 - Geçerli Hesaplar

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Bilgisayarda şüpheli oturum açma hacmi

Açıklama: Bu algoritma, son bir gün içinde bilgisayar başına olağan dışı derecede yüksek miktarda başarılı oturum açma (güvenlik olayı kimliği 4624) algılar. Model, önceki 21 günlük Windows Güvenliği olay günlüklerinde eğitilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: günlükleri Windows Güvenliği
MITRE ATT&CK taktikleri: İlk Erişim
MITRE ATT&CK teknikleri: T1078 - Geçerli Hesaplar

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Yükseltilmiş belirteci olan bilgisayarda şüpheli oturum açma hacmi

Açıklama: Bu algoritma, son gün içinde bilgisayar başına yönetim ayrıcalıklarına sahip olağan dışı derecede yüksek miktarda başarılı oturum açma (güvenlik olayı kimliği 4624) algılar. Model, önceki 21 günlük Windows Güvenliği olay günlüklerinde eğitilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: günlükleri Windows Güvenliği
MITRE ATT&CK taktikleri: İlk Erişim
MITRE ATT&CK teknikleri: T1078 - Geçerli Hesaplar

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Kullanıcı hesabında şüpheli oturum açma hacmi

Açıklama: Bu algoritma, son bir gün içinde kullanıcı hesabı başına olağan dışı derecede yüksek miktarda başarılı oturum açma (güvenlik olayı kimliği 4624) algılar. Model, önceki 21 günlük Windows Güvenliği olay günlüklerinde eğitilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: günlükleri Windows Güvenliği
MITRE ATT&CK taktikleri: İlk Erişim
MITRE ATT&CK teknikleri: T1078 - Geçerli Hesaplar

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Oturum açma türlerine göre kullanıcı hesabında şüpheli oturum açma hacmi

Açıklama: Bu algoritma, son bir gün içinde kullanıcı hesabı başına farklı oturum açma türlerine göre olağan dışı derecede yüksek miktarda başarılı oturum açma (güvenlik olayı kimliği 4624) algılar. Model, önceki 21 günlük Windows Güvenliği olay günlüklerinde eğitilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: günlükleri Windows Güvenliği
MITRE ATT&CK taktikleri: İlk Erişim
MITRE ATT&CK teknikleri: T1078 - Geçerli Hesaplar

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Yükseltilmiş belirteci olan kullanıcı hesabında şüpheli oturum açma hacmi

Açıklama: Bu algoritma, son gün içinde kullanıcı hesabı başına yönetim ayrıcalıklarına sahip olağan dışı derecede yüksek miktarda başarılı oturum açma (güvenlik olayı kimliği 4624) algılar. Model, önceki 21 günlük Windows Güvenliği olay günlüklerinde eğitilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: günlükleri Windows Güvenliği
MITRE ATT&CK taktikleri: İlk Erişim
MITRE ATT&CK teknikleri: T1078 - Geçerli Hesaplar

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Olağan dışı dış güvenlik duvarı alarmı algılandı

Açıklama: Bu algoritma, bir güvenlik duvarı satıcısı tarafından yayımlanan tehdit imzaları olan olağan dışı dış güvenlik duvarı alarmlarını tanımlar. En çok tetiklenen 10 imzayı ve en çok imzayı tetikleyen 10 ana bilgisayar hesaplamak için son 7 günün etkinliklerini kullanır. Her iki gürültülü olay türünü de dışladıktan sonra, yalnızca tek bir günde tetiklenen imza sayısı eşiğini aştıktan sonra bir anomali tetikler.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: CommonSecurityLog (PAN)
MITRE ATT&CK taktikleri: Bulma
Komut ve Denetim
MITRE ATT&CK teknikleri: Keşif:
T1046 - Ağ Hizmeti Tarama
T1135 - Ağ Paylaşımı Bulma

Komut ve Denetim:
T1071 - Uygulama Katmanı Protokolü
T1095 - Uygulama Dışı Katman Protokolü
T1571 - Standart Olmayan Bağlantı Noktası

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

AIP etiketinin olağan dışı toplu olarak düşürülme

Açıklama: Bu algoritma, Azure Information Protection (AIP) günlüklerinde olağan dışı yüksek hacimli düşük sürüme düşürme etiketi etkinliğini algılar. Belirli sayıda gün için "AIP" iş yükü kayıtlarını dikkate alır ve olağan dışı sürüm düşürme etkinliği hacmini sınıflandırmak için uygulanan etiketle birlikte belgeler üzerinde gerçekleştirilen etkinlik sırasını belirler.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: Azure Information Protection günlükleri
MITRE ATT&CK taktikleri: Koleksiyon
MITRE ATT&CK teknikleri: T1530 - Bulut Depolama Nesnesinden Veriler
T1213 - Bilgi Depolarından Alınan Veriler
T1005 - Yerel Sistemden Veriler
T1039 - Ağ Paylaşılan Sürücüsündeki Veriler
T1114 - E-posta Koleksiyonu

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Yaygın olarak kullanılan bağlantı noktalarında olağan dışı ağ iletişimi

Açıklama: Bu algoritma, yaygın olarak kullanılan bağlantı noktalarındaki olağan dışı ağ iletişimini tanımlar ve günlük trafiği önceki 7 günün temeli ile karşılaştırmaktadır. Bu, yaygın olarak kullanılan bağlantı noktalarındaki trafiği (22, 53, 80, 443, 8080, 8888) içerir ve günlük trafiği temel dönem boyunca hesaplanan birkaç ağ trafiği özniteliğinin ortalama ve standart sapmasıyla karşılaştırır. Kabul edilen trafik öznitelikleri günlük toplam olaylar, günlük veri aktarımı ve bağlantı noktası başına ayrı kaynak IP adreslerinin sayısıdır. Günlük değerler, ortalamanın üzerinde yapılandırılan standart sapma sayısından büyük olduğunda bir anomali tetiklenir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: CommonSecurityLog (PAN, Zscaler, CheckPoint, Fortinet)
MITRE ATT&CK taktikleri: Komut ve Denetim
Sızdırma
MITRE ATT&CK teknikleri: Komut ve Denetim:
T1071 - Uygulama Katmanı Protokolü

Sızdırma:
T1030 - Veri Aktarımı Boyut Sınırları

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Olağan dışı ağ hacmi anomalisi

Açıklama: Bu algoritma, ağ günlüklerindeki olağan dışı yüksek hacimli bağlantıları algılar. Zaman serisini kullanarak verileri mevsimsel, eğilim ve artık bileşenlere ayırarak temeli hesaplar. Geçmiş taban çizgisinden herhangi bir ani büyük sapma anormal etkinlik olarak kabul edilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: CommonSecurityLog (PAN, Zscaler, CEF, CheckPoint, Fortinet)
MITRE ATT&CK taktikleri: Sızdırma
MITRE ATT&CK teknikleri: T1030 - Veri Aktarımı Boyut Sınırları

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

URL yolunda IP ile olağan dışı web trafiği algılandı

Açıklama: Bu algoritma, bir IP adresini ana bilgisayar olarak listeleyen olağan dışı web isteklerini tanımlar. Algoritma, URL yolunda IP adresleri olan tüm web isteklerini bulur ve bilinen zararsız trafiği dışlamak için bunları önceki veri haftasıyla karşılaştırır. Bilinen zararsız trafiği dışladıktan sonra, yalnızca toplam web istekleri, aynı ana bilgisayar hedef IP adresiyle görülen URL sayısı ve aynı hedef IP adresine sahip URL kümesi içindeki ayrı kaynak IP sayısı gibi yapılandırılmış değerlerle belirli eşikleri aştıktan sonra bir anomali tetikler. Bu tür bir istek, URL saygınlık hizmetlerini kötü amaçlı olarak atlama girişimini gösterebilir.

Öznitelik Değer
Anomali türü: Özelleştirilebilir makine öğrenmesi
Veri kaynakları: CommonSecurityLog (PAN, Zscaler, CheckPoint, Fortinet)
MITRE ATT&CK taktikleri: Komut ve Denetim
İlk Erişim
MITRE ATT&CK teknikleri: Komut ve Denetim:
T1071 - Uygulama Katmanı Protokolü

İlk Erişim:
T1189 - Sürüş Güvenliğinin Aşılmasına Yol Açma

Makine öğrenmesi tabanlı anomaliler listesine | geri dön Başa dön

Sonraki adımlar