Descripción general de las detecciones compuestas

Compatible con:

En este documento, se presentan las detecciones compuestas y cómo pueden mejorar los flujos de trabajo de detección de amenazas correlacionando los resultados de varias reglas.

Las detecciones compuestas se generan con reglas que usan detecciones de otras reglas como entrada, combinadas con eventos, métricas o indicadores de riesgo de entidades. Luego, estas reglas se combinan con eventos, métricas o indicadores de riesgo de entidades para detectar amenazas complejas de varias etapas que las reglas individuales pueden pasar por alto.

Las detecciones compuestas ayudan a analizar eventos a través de interacciones y activadores de reglas definidos. Esto mejora la precisión, reduce los falsos positivos y proporciona una vista integral de las amenazas de seguridad correlacionando datos de diferentes fuentes y etapas de ataque.

Los siguientes conceptos definen los componentes básicos de las reglas compuestas y aclaran cómo funcionan dentro de los flujos de trabajo de detección:

  • Reglas compuestas: Usan detecciones o alertas (o ambas) como entrada. De manera opcional, enriquecerlas con eventos, métricas y una amplia variedad de datos contextuales del grafo de entidades, como datos de prevalencia, inteligencia contra amenazas o una puntuación de riesgo de la entidad. Estas reglas siempre deben tener una sección de coincidencia y pueden hacer referencia a campos meta, variables match y variables outcome de las reglas de entrada.

  • Detección: Es el resultado que se genera cuando se cumplen las condiciones de una regla.

  • Reglas de solo detección: Son reglas compuestas que usan solo detecciones o alertas como entradas.

Cuándo usar detecciones compuestas

Las detecciones compuestas pueden ser útiles para lograr los siguientes objetivos:

  • Correlacionar los resultados de dos o más reglas (por ejemplo, vincular una detección de descarga de malware con una alerta de balizamiento de C2 posterior del mismo host)

  • Enriquece las alertas con datos de eventos relacionados.

  • Reduce la fatiga por alertas activando una alerta final solo cuando se produce una detección ruidosa y de baja confianza varias veces o en combinación con otra actividad sospechosa.

  • Crear una alerta para un ataque complejo de varias etapas en el que cada etapa ya se identifica con su propia regla

Beneficios de las detecciones compuestas

Las detecciones compuestas tienen los siguientes beneficios:

  • Descubre ataques de varias etapas: Los ciberataques suelen ser multifacéticos y estar interconectados. La detección compuesta revela la narrativa de ataque más amplia vinculando eventos de seguridad que parecen aislados. Por ejemplo, las detecciones compuestas pueden identificar la secuencia completa de un ataque, como una vulneración inicial seguida de una elevación de privilegios y un robo de datos.

  • Controla la fatiga por alertas: Las reglas compuestas consolidan y filtran las alertas ruidosas, lo que permite una respuesta más enfocada. Este enfoque ayuda a priorizar los incidentes de alto impacto y a reducir la fatiga general por alertas.

  • Mejora la precisión de la detección: Combina las estadísticas de los eventos del modelo de datos unificado (UDM), las detecciones de reglas, el contexto de la entidad, los hallazgos de las estadísticas de comportamiento de usuarios y entidades (UEBA) y las tablas de datos para crear una lógica de detección más precisa.

  • Optimiza la lógica compleja: Divide las situaciones de detección complejas en reglas administrables, interconectadas y reutilizables para simplificar el desarrollo y el mantenimiento.

  • Usa en paneles: Integra sin problemas las detecciones compuestas como fuentes de datos para los paneles de Google SecOps. Puedes usarlos para crear visualizaciones que resuman patrones de ataque de varias etapas, lo que facilita la comprensión de riesgos complejos.

Casos de uso habituales

En esta sección, se enumeran algunos casos de uso comunes para las detecciones compuestas.

Enriquece las detecciones con el contexto de los eventos sin procesar

Este caso de uso implica vincular una alerta de alto nivel de un sistema con los registros de eventos de otro sistema.

  • Objetivo: Identificar la acción local específica que causó una alerta de nivel alto.

  • Ejemplo:

    1. Se activa una alerta en Google Cloud Event Threat Detection porque una carga de trabajo realizó una llamada de DNS a un dominio malicioso. Esta es la detección.

    2. Esta detección activa una regla compuesta.

    3. Luego, la regla busca registros sin procesar de detección y respuesta de extremos (EDR) (los eventos) de la misma carga de trabajo en un período de un minuto, en busca de operaciones de línea de comandos que contengan el mismo dominio malicioso.

    La alerta final proporciona un contexto enriquecido: muestra que se contactó un dominio malicioso y el comando ssh específico que se usó. Esta información hace que el resultado sea mucho más práctico que la detección original.

Realiza un seguimiento de la actividad del usuario después de que accede

Un caso de uso principal enfocado en vincular el evento de acceso de un usuario con actividades sospechosas posteriores. Si bien una regla estándar de varios eventos puede hacer un seguimiento de una secuencia corta, una detección compuesta es mejor para crear un perfil de riesgo completo de toda la sesión de un usuario.

  • Objetivo: Correlacionar un solo evento, como un acceso de alto riesgo, con un amplio rango de actividades posteriores de "señal débil" durante un período más largo, como un día completo.

  • Ejemplo: Crea varias reglas que produzcan detecciones de nivel inferior. Luego, usa una regla compuesta con una ventana de coincidencia larga (por ejemplo, 24 horas) para activar un acceso sospechoso inicial y correlacionarlo con cualquiera de las siguientes detecciones del mismo usuario:

    • Un usuario que borra su historial de línea de comandos

    • La creación de una nueva cuenta de administrador local.

    • Una carga de datos de gran tamaño en un sitio personal de Cloud Storage.

Combina con las métricas de UEBA

Este caso de uso aprovecha las métricas de UEBA existentes como punto de partida para una detección compuesta para encontrar un comportamiento más complejo y a largo plazo.

  • Objetivo: Correlacionar un aumento repentino en una métrica de UEBA con otra actividad anómala.

  • Ejemplo:

    1. Una regla de UEBA detecta una cantidad excesiva de errores de acceso de un usuario.

    2. Otra regla de UEBA detecta una gran cantidad de bytes de salida del mismo usuario.

    3. Una detección compuesta vincula estos dos hallazgos de UEBA independientes durante un período de días para identificar un posible compromiso de la cuenta seguido de un robo de datos.

Detecta intentos de robo de datos

Esto implica correlacionar varias acciones distintas del usuario que, cuando se combinan, pueden indicar un intento de robo de datos.

  • Objetivo: Crear un perfil de manejo de datos riesgoso por parte de un solo usuario en varios dispositivos y acciones.

  • Acciones correlacionadas:

    • Acceder desde varios dispositivos (por ejemplo, la máquina de casa y la del trabajo)

    • Acceder a más fuentes de datos de lo habitual

    • Descargar, imprimir y enviar datos por correo electrónico de forma simultánea

    • Contar cuántos documentos clasificados toca un usuario en un período determinado.

    • Haber presentado una carta de renuncia

Detecta software malicioso de varias etapas

Este caso de uso implica identificar el software malicioso que opera con lentitud durante un período prolongado, lo que es difícil de detectar con reglas únicas que tienen ventanas de coincidencia cortas.

  • Objetivo: Vincular el vector de infección inicial con las acciones maliciosas posteriores, incluso si transcurren horas o días entre ellas.

  • Ejemplo:

    1. Un usuario visita un sitio web malicioso (evento de red inicial).

    2. Se descarga y ejecuta un "archivo dropper" (primer evento de proceso).

    3. Mucho más tarde, el archivo de dropper descarga y ejecuta otro archivo ejecutable (segundo evento de proceso).

    Esto requiere una ventana de match larga para conectar los procesos principales y secundarios, que pueden proporcionar las detecciones compuestas.

Reduce el ruido de las alertas

Este caso de uso implica administrar detecciones que son demasiado "ruidosas" o que producen demasiados falsos positivos por sí solas.

  • Objetivo: Define mejor una regla ruidosa sin desactivarla ni crear exclusiones complejas.

  • Ejemplo:

    1. Configura una detección seleccionada ruidosa como "solo detectar" para que ya no genere alertas.

    2. Crea una detección compuesta que use el resultado de esa regla seleccionada como su primera condición.

    3. Agrega una segunda condición para proporcionar una calificación adicional, como "alertar solo si esta detección ocurre 5 veces para el mismo usuario en una hora" o si se combina con una detección de una regla diferente.

Cómo funcionan las detecciones compuestas

Cuando las reglas cumplen con condiciones predefinidas, generan detecciones. Estas detecciones pueden incluir, de forma opcional, variables de resultado, que capturan datos o estados de eventos específicos.

Las reglas compuestas usan estas detecciones de otras reglas como parte de sus entradas. La evaluación se puede basar en la información de la sección de metadatos de la regla original, las variables de resultado y las variables de coincidencia.

Según esta evaluación, puedes usar reglas compuestas para crear detecciones nuevas que se usarán como una representación intermedia para la investigación y las alertas con una regla posterior. Esto ayuda a correlacionar varios factores de diferentes detecciones para identificar amenazas complejas.

Para obtener más información sobre la sintaxis y los ejemplos, consulta Reglas de detección compuestas y Ejemplos.

Define tu estrategia

Antes de comenzar a crear reglas compuestas, planifica tu estrategia para asegurarte de que tus reglas nuevas sean eficaces, eficientes y resuelvan los problemas correctos.

  1. Evalúa tu estrategia de detección actual. Revisa las reglas existentes para identificar las que son demasiado ruidosas, generan una gran cantidad de falsos positivos o son demasiado complejas y difíciles de administrar.

  2. Determinar las situaciones específicas en las que las reglas compuestas pueden aportar valor Esto incluye detectar ataques de varias etapas, correlacionar varias alertas de baja confianza en una sola alerta de alta confianza o enriquecer las detecciones con contexto adicional de otras fuentes de datos.

  3. Según tu evaluación, crea un plan de implementación. Decide qué reglas ruidosas debes definir mejor, qué reglas complejas debes simplificar y qué detecciones nuevas de varias etapas debes priorizar.

Este plan definido proporciona una hoja de ruta para crear reglas compuestas específicas y eficaces. Considera las siguientes estrategias de alto nivel para aprovechar al máximo las detecciones compuestas y, al mismo tiempo, administrar las restricciones técnicas.

Selecciona el método adecuado

Antes de crear una detección compuesta, si puedes lograr el resultado requerido con otras alternativas. Analiza si puedes identificar un patrón complejo con una detección de UEBA existente. Complicar demasiado una detección podría aumentar la sobrecarga de mantenimiento y consumir la cuota de reglas.

  • Usa una detección compuesta cuando tu objetivo sea correlacionar los resultados finales de dos o más reglas preexistentes diferentes. Esto conecta etapas conceptualmente separadas de un ataque.

    Ejemplo: Correlacionar una detección de una regla de descarga de software malicioso con una detección posterior de una regla de detección de balizas de C2.

  • Usa una detección de UEBA existente cuando quieras encontrar cuándo un usuario o dispositivo rompe su patrón de actividad normal.

    Ejemplo: Detectar automáticamente que un usuario descargó 100 GB de datos hoy, cuando normalmente solo descarga 1 GB.

Administra las cuotas de reglas y las puntuaciones de riesgo

Para administrar los recursos de tu organización, comprende cómo los diferentes tipos de reglas afectan tu cuota de reglas.

  • Las reglas seleccionadas no se descuentan de tu cuota de reglas personalizadas.

  • Las reglas compuestas y las reglas personalizadas de varios eventos se descuentan de tu cuota.

Puedes usar una detección seleccionada configurándola como solo detección. Esto permite que la regla seleccionada realice la detección amplia inicial sin producir alertas. Luego, puedes usar una regla compuesta para aplicar una lógica específica a estos hallazgos, lo que proporciona más valor y, al mismo tiempo, administra estratégicamente tu cuota.

Comprender la diferencia entre riesgo y contexto

Cuando diseñes la lógica de detección, distingue entre las reglas que evalúan el riesgo y las que proporcionan contexto.

El riesgo es la evaluación de qué tan peligroso es un conjunto de actividades. Una regla diseñada para el riesgo suele agregar varios eventos o detecciones contextuales para emitir un juicio. Por ejemplo, si bien un solo acceso fallido proporciona contexto, una gran cantidad de ellos indica el riesgo de un ataque de fuerza bruta.

El contexto se refiere a los detalles fácticos que rodean un evento. Una regla diseñada para el contexto enriquece un evento con detalles de otro. Por ejemplo, si bien una regla puede detectar un acceso exitoso de un usuario, una regla contextual proporciona el contexto crucial de que este acceso provino de un país nuevo y poco habitual.

Ejemplo: Una detección inicial puede alertarte sobre un riesgo potencial, como una llamada de DNS a un dominio malicioso. Luego, una regla compuesta correlaciona esa alerta con los registros de eventos en Google SecOps para encontrar el proceso específico de la línea de comandos que inició la llamada. Esto enriquece la alerta de riesgo de alto nivel con un contexto crítico y práctico.

Usa ventanas de correlación largas de forma estratégica

Las reglas compuestas configuradas con ventanas de coincidencia largas (por ejemplo, 14 días) se ejecutan con menos frecuencia. Su alta latencia puede hacer que no sean adecuadas para las alertas urgentes. Considera usar estas ventanas de larga duración para detectar actividad adversaria lenta y persistente durante períodos prolongados.

Usa detecciones para la visualización

Una estrategia para administrar las reglas ruidosas es convertir su resultado en una visualización en un panel. Este enfoque no consume la cuota de reglas y puede convertir datos de gran volumen y baja fidelidad en estadísticas valiosas.

Si configuras una regla para que solo detecte y, luego, trazas sus detecciones en un widget del panel, puedes hacer un seguimiento de las tendencias, identificar los valores atípicos y obtener una vista de auditoría de alto nivel de la actividad sin abrumarte con alertas individuales.

Ejemplo: Haz un seguimiento del manejo de datos de PII

Una regla hace un seguimiento cada vez que un usuario maneja datos de PII sensibles. En lugar de alertar cada vez, se configura solo para detectar. Luego, un widget del panel muestra qué usuarios se acercan a un límite de salida diario (por ejemplo, 10,000 bytes). Esto proporciona una vista de auditoría rápida del comportamiento riesgoso sin generar alertas constantes.

Ejemplo: Supervisa riesgos específicos de DLP:

Un widget agrega las puntuaciones de riesgo de un subconjunto muy específico de reglas de DLP. Esto permite que un equipo específico (por ejemplo, los administradores de la Prevención de pérdida de datos [DLP]) supervise solo los riesgos que son relevantes, lo que filtra el ruido de otros dominios de seguridad.

Compila detecciones compuestas

En el siguiente flujo de trabajo, se describe el recorrido típico para crear una regla compuesta. Para obtener más información sobre la sintaxis y los ejemplos, consulta Reglas de detección compuestas y Ejemplos.

  1. Define la situación de amenaza: Define la amenaza específica que quieres detectar.

  2. Crea o identifica las reglas de entrada: Para cada etapa de la situación de amenaza, crea o identifica una regla de entrada que detecte la actividad específica.

  3. Define las condiciones de unión: Determina la información común que vincula las detecciones de tus reglas de entrada, como las etiquetas de reglas, las variables o los campos de detección.

  4. Compila la regla compuesta: Escribe la regla que transfiere las detecciones de las reglas de entrada.

    • Define la sección events y haz referencia a las reglas de entrada por su nombre, ID o una etiqueta de metadatos compartida.

    • Define la sección match para especificar la clave de unión y el período de la coincidencia.

    • Define la sección condition para establecer la condición que se debe cumplir para que se active la alerta final.

  5. Prueba e implementa la cadena de reglas: Te recomendamos que ejecutes de forma manual una búsqueda retroactiva para cada regla de la secuencia.

    Cuando usas la función Regla de prueba en una regla compuesta, solo se ejecuta en las detecciones preexistentes que coinciden con los criterios de entrada de la regla. No ejecuta automáticamente las reglas subyacentes para generar entradas nuevas para la prueba, lo que significa que no puedes validar una cadena de reglas completa en una sola acción.

    Para ejecutar una búsqueda retroactiva de la secuencia de reglas, haz lo siguiente:

    1. Inicia manualmente una búsqueda retroactiva desde la primera regla de la secuencia.

    2. Espera a que se complete.

    3. Continúa con la siguiente regla.

Ejemplo: La siguiente regla proporciona una plantilla básica de correlación de reglas:


rule Basic_Rule_Correlation_Template {
    
    meta:
    description = "Triggers when a user triggers two different rules within X days"

    events: 
    // 1. Identify the first sub-rule detection
    $d1.metadata.event_type = "DETECTION" $d1.metadata.rule_name = "INSERT_RULE_NAME_A_HERE" $user = [REDACTED_GENERIC_ID]

    // 2. Identify the second sub-rule detection
    $d2.metadata.event_type = "DETECTION"
    $d2.metadata.rule_name = "INSERT_RULE_NAME_B_HERE"
    $user = [REDACTED_GENERIC_ID]
    match: 
    // 3. Connect the rules by the same user over the specified window
    $user over 14d
    condition: 
    // 4. Fire when both conditions have occurred
    $d1 and $d2
}

Ejemplo: En la siguiente regla, se verifica la detección seleccionada con una regla de detección de eventos y un gráfico de eventos, y se usan algunas funciones avanzadas de YARA-L y definiciones de variables:


rule CheckCuratedDetection_with_EDR_and_EG {

  meta:
    author = "noone@cymbal.com"

  events:

    $d.detection.detection.rule_name = /SCC: Custom Modules: Configurable Bad Domain/
    $d.detection.collection_elements.references.event.network.dns.questions.name = $domain
    $d.detection.collection_elements.references.event.principal.asset.hostname = $hostname

    $e.metadata.log_type = "LIMACHARLIE_EDR"
    $e.metadata.product_event_type = "NETWORK_CONNECTIONS"
    $domain = re.capture($e.principal.process.command_line, "\\s([a-zA-Z0-9.-]+\\.[a-zA-Z0-9.-]+)$")
    $hostname = re.capture($e.principal.hostname, "([^.]*)")

    $prevalence.graph.metadata.entity_type = "DOMAIN_NAME"
    $prevalence.graph.metadata.source_type = "DERIVED_CONTEXT"
    $prevalence.graph.entity.hostname = $domain
    $prevalence.graph.entity.domain.prevalence.day_count = 10
    $prevalence.graph.entity.domain.prevalence.rolling_max <= 5
    $prevalence.graph.entity.domain.prevalence.rolling_max > 0

  match:
    $hostname over 1h

  outcome:
    $risk_score = 80
    $CL_target = array($domain)

  condition:
    $e and $d and $prevalence

}

Visualiza los hallazgos de detecciones compuestas

Puedes ver los resultados de la detección compuesta en la página Detecciones. Una alerta es una detección compuesta cuando la columna Entradas muestra Detección como fuente y la columna Tipo de detección muestra una etiqueta de Alerta con un número junto a ella (por ejemplo, Alert (3)).

Nota: Si tienes SIEM y SOAR, también puedes ver los resultados en la pestaña Casos.

Optimiza las detecciones compuestas

Te recomendamos las siguientes prácticas para compilar reglas compuestas.

Optimiza la latencia

Para obtener una latencia mínima en las canalizaciones de detección, usa reglas de evento único siempre que sea posible, como para el activador inicial. Las reglas compuestas pueden usar sus detecciones para realizar correlaciones más complejas con otros eventos, entidades o detecciones, lo que ayuda a reducir la latencia general.

Usa métodos eficientes para unir detecciones

Recomendamos usar variables de resultado, metaetiquetas y variables de coincidencia para unir detecciones. Estos métodos proporcionan resultados más deterministas y confiables que el uso de muestras de eventos. Las metaetiquetas son particularmente flexibles porque te permiten categorizar las reglas para que una regla compuesta pueda orientarse a cualquier detección con esa etiqueta.

Por ejemplo, si varias reglas comparten la misma etiqueta de meta tactic: exfiltration, puedes tener una regla compuesta que se oriente a cualquier detección en la que la etiqueta de táctica tenga el valor exfiltration.

Cuando usas nocase con variables de unión en detecciones compuestas, es posible que recibas el siguiente error de análisis semántico:

semantic analysis: match variable <variable_name> is not assigned to an event field.

En las detecciones compuestas, la primera asignación de variable (por ejemplo, $username = $fact1...) define las propiedades de la variable, incluida la distinción entre mayúsculas y minúsculas cuando se usa nocase. Si se aplica nocase a asignaciones de variables posteriores de la misma variable de unión (por ejemplo, $username = $fact2...), el compilador lo interpreta como una redefinición conflictiva o una restricción redundante, lo que genera el error semántico.

Mejora las detecciones con la biblioteca de funciones

Puedes usar la biblioteca de funciones de YARA-L en puntos estratégicos dentro de una regla compuesta para aumentar la señal y agregar una lógica más compleja.

Administra las actualizaciones de reglas

Cuando actualizas una regla que se usa en una o más reglas compuestas, el sistema crea automáticamente una versión nueva de la regla. Las reglas compuestas usan automáticamente la versión nueva. Te recomendamos que pruebes toda la secuencia de reglas actualizada para verificar el comportamiento previsto.

Limitaciones

Cuando diseñes e implementes detecciones compuestas, ten en cuenta las siguientes limitaciones:

  • Exclusiones: No apliques una exclusión de regla directamente a una regla compuesta. Debes aplicar la exclusión a las reglas subyacentes fundamentales que se incorporan a la regla compuesta. Esto se debe a que las exclusiones de reglas se evalúan en función de los campos de UDM (como principal.user.userid), pero las reglas compuestas se activan en función de otras detecciones, no de los campos de UDM. Si aplicas una exclusión de regla directamente a una regla compuesta, la exclusión no coincidirá y el evento no se excluirá.

  • Disponibilidad de los datos de casos de SOAR: Las detecciones compuestas no tienen acceso a todos los datos de casos de SOAR. No se admite la lógica de reglas que intenta filtrar o excluir casos según el estado (por ejemplo, $edetection.feedback_summary.status != "CLOSED").

  • Reglas compuestas: Google SecOps admite una profundidad máxima de 10 para las reglas compuestas. La profundidad es la cantidad de reglas desde una regla base hasta la regla compuesta final.

  • Reglas de solo detección: Tienen un período de coincidencia máximo de 14 días y están sujetas a un límite de detección diario de 10,000 detecciones por regla.

  • Variables de resultado: Cada regla está limitada a un máximo de 20 variables de resultado. Además, cada variable de resultado repetida se limita a 25 valores.

  • Muestras de eventos: Solo se almacenan 10 muestras de eventos por variable de evento en una regla, como 10 para $e1 y 10 para $e2.

Para obtener más información sobre los límites de detección, consulta Límites de detección.

¿Qué sigue?

Para obtener información sobre cómo crear reglas de detección compuestas, consulta Reglas de detección compuestas y Ejemplos.

¿Necesitas más ayuda? Obtén respuestas de miembros de la comunidad y profesionales de Google SecOps.