在Azure Sentinel中识别与用户和实体行为分析（UEBA）的高级威胁——看不出技术细节
在Azure Sentinel中识别与用户和实体行为分析（UEBA）的高级威胁
https://docs.microsoft.com/en-us/azure/sentinel/identify-threats-with-entity-behavior-analytics
-
UEBA和实体页面功能现在在一般可用性在全部Azure Sentinel地理位置和地区。
-
这IP地址实体是目前的预习。看看Microsoft Azure预览的补充使用条款有关适用于Beta，预览或以其他方式尚未发布的Azure功能的额外法律术语。
什么是用户和实体行为分析（UEBA）？
识别组织内部的威胁及其潜在影响 - 无论是受损的实体还是恶意内幕人员 - 一直是耗时和劳动密集型的过程。通过警报，连接点，主动狩猎所有加起来都会增加大量的时间和精力，以最小的回报为止，以及精致威胁的可能性只是逃避发现。特别难以捉摸的威胁，如零天，目标和高级持续威胁可能对您的组织最危险，使他们的检测变得更加重要。
Azure Sentinel中的UEBA能力从分析师的工作量和努力中的不确定性中消除了欺凌手术，并提供高保真，可操作的智力，因此他们可以专注于调查和修复。
由于Azure Sentinel从其所有连接的数据源收集日志和警报，它会分析它们，并在时间和对等体组Horizo n中构建组织实体的基线行为配置文件（例如用户，主机，IP地址和应用程序）。使用各种技术和机器学习能力，Azure Sentinel然后可以识别异常活动，并帮助您确定资产是否受到损害。不仅如此，还可以弄清楚特定资产的相对敏感性，识别资产的同行组，评估任何给定受损资产的潜在影响（其“爆炸半径”）。武装此信息，您可以有效地优先考虑您的调查和事件处理。
UEBA分析架构
安全驱动的分析
由Gartner的Ueba Solutions的Paradigm启发，Azure Sentinel提供了一个“外面的”方法，基于三个参考框架：
-
用例：通过优先考虑基于安全研究的相关攻击向量和情景，与策略的策略，技术和子技术的思路，技术和子技术框架保持一致，这些策略，技术和子技术将各种实体，犯罪者或杀戮链中的枢轴点; Azure Sentinel专注于每个数据源可以提供的最有价值的日志。
-
数据源：虽然首先是支持Azure数据源，但Azure Sentinel深思熟地选择第三方数据源以提供与我们的威胁方案匹配的数据。
-
分析：使用各种机器学习（ML）算法，Azure Sentinel识别异常活动，并以语境丰富的形式清晰，简明地提出证据，其中一些例子如下所示。
Azure Sentinel介绍了帮助您的安全分析师在上下文中清楚地了解异常活动的文物，以及与用户的基准配置文件相比。由用户（或主机或地址）执行的动作在上下文中评估，其中“真实”结果表示识别的异常：
-
横跨地理位置，设备和环境。
-
在时间和频率视野（与用户自己的历史相比）。
-
与同龄人的行为相比。
-
与组织的行为相比。
得分
每个活动都以“调查优先级分数”评分 - 基于用户及其对等体的行为学习确定特定用户执行特定活动的概率。确定为最异常的活动获得最高分数（按0-10的等级）。
了解如何使用行为分析Microsoft云应用程序安全性有关这是如何工作的例子。
实体页面
学习更多关于Azure Sentinel中的实体并查看完整列表支持的实体和标识符。
当您在实体搜索中遇到用户或主机实体（IP地址实体）时，警报或调查，您可以选择实体并将其带到实体页面，一个充满有关该实体的有用信息的数据表。您在此页面上发现的信息类型包括关于实体的基本事实，与此实体相关的显着事件的时间表和关于实体行为的见解。
实体页面包含三个部分：
-
左侧面板包含从Azure Active Directory，Azure Monitor，Azure Defender，CEF / Syslog和Microsoft 365 Defender等数据源收集的实体识别信息。
-
中心面板显示与实体相关的显着事件的图形和文本时间表，例如警报，书签和活动。活动是日志分析的标记事件的聚合。检测这些活动的查询是由Microsoft安全研究团队开发的，您现在可以添加您自己的自定义查询以检测活动你选择的。
-
右侧面板对实体提出了行为见解。这些见解有助于快速识别异常和安全威胁。洞察力由Microsoft安全研究团队开发，并基于异常检测模型。
这IP地址实体页面（现在在预览中）包含地理位置数据供应所提供的微软威胁情报服务。该服务将来自Microsoft解决方案和第三方供应商和合作伙伴的地理定位数据组合。然后，数据可以在安全事件的背景下进行分析和调查。有关更多信息，请参阅通过REST API（公共预览）使用地理位置数据来丰富蔚蓝的哨兵的实体。
时间表
时间表是实体页面对Azure Sentinel行为分析的贡献的主要部分。它提出了一个关于实体相关事件的故事，帮助您了解特定时间范围内的实体的活动。
你可以选择时间范围从几个预设选项中（例如过去24小时），或将其设置为任何自定义定义的时帧。此外，您还可以设置限制时间线中信息的过滤器，以指定特定类型的事件或警报。
时间轴中包含以下类型的项目：
-
警报 - 实体定义为一个警报映射实体。请注意，如果您的组织已创建使用Analytics规则自定义警报，您应该确保正确完成规则的实体映射。
-
书签 - 任何包含页面上显示的特定实体的书签。
-
活动 - 与实体有关的值得注意事件的聚合。自动收集广泛的活动，您现在可以通过添加活动自定义本节你自己的选择。
实体见解
实体洞察是Microsoft安全研究人员定义的查询，以帮助您的分析师更有效地调查。洞察力作为实体页面的一部分呈现，并以表格数据和图表的形式提供主机和用户的有价值的安全信息。这里的信息意味着您不必绕现到日志分析。洞察包括有关签名，组添加，异常事件等的数据，并且包括先进的ML算法以检测异常行为。
洞察力基于以下数据源：
- syslog（Linux）
- SecurityEvent（Windows）
- Auditlogs（Azure AD）
- Signinlogs（Azure AD）
- 官方（办公室365）
- 行为（Azure Sentinel Ueba）
- 心跳（Azure Monitor Agent）
- Commonsecuritylog（Azure Sentinel）
- ApplinTelligenceInders（Azure Sentinel）
如何使用实体页面
实体页面旨在成为多个使用方案的一部分，可以从事件管理，调查图形，书签或直接从实体搜索页面访问实体行为分析在Azure Sentinel主菜单中。
实体页面信息存储在行为分析表，详细描述了Azure Sentinel Ueba Entrich参考。
查询行为分析数据
使用KQL.，我们可以查询行为分析表。
例如 - 如果我们想找到未能登录Azure资源的用户的所有情况，那么用户首次从给定国家/地区连接的尝试，即使对于用户的对等领域，该国家的连接也不常见，我们可以使用以下查询：
BehaviorAnalytics
| where ActivityType == "FailedLogOn"
| where FirstTimeUserConnectedFromCountry == True
| where CountryUncommonlyConnectedFromAmongPeers == True
用户对等体元数据 - 表和笔记本
用户对等体的元数据在调查事件中提供威胁检测的重要背景，并在狩猎潜在威胁中。安全分析师可以遵守用户对等体的正常活动，以确定用户的活动是否与他或她的同龄人相比具有不寻常的。
Azure Sentinel根据用户的Azure AD安全组成员资格，邮件列表等，并将同行排名为1-20，计算并排名用户对等体。UserPeerAnalytics.桌子。下面的屏幕截图显示了userPeerAnalytics表的架构，并显示了用户Kendall Collins的前八个等级的前八个对等体。 Azure Sentinel使用术语频率逆文档频率（TF-IDF）算法使称重计算排名：较小的组，重量越高。
你可以使用jupyter笔记本在Azure Sentinel Github存储库中提供以可视化用户对等体元数据。有关如何使用笔记本的详细说明，请参阅指导分析 - 用户安全元数据笔记本。
许可分析 - 表和笔记本
许可分析有助于确定攻击者妥协的潜在影响。这种影响也称为资产的“爆炸半径”。安全分析师可以使用此信息优先考虑调查和事件处理。
Azure Sentinel通过评估用户可以直接访问的Azure订阅或通过组或服务原理来确定给定用户对Azure资源保持的直接和传递访问权限。然后存储此信息，以及用户Azure AD安全组成员身份的完整列表，然后存储在UserAccessanalytics.桌子。下面的屏幕截图在UserAccessAnalytics表中显示了一个示例行，用于用户Alex Johnson。源实体是用户或服务主体帐户，以及目标实体源实体是否可以访问的资源。价值访问权限和访问类型依赖于目标实体的访问控制模型。您可以看到亚历克斯有贡献者访问Azure订阅Contoso酒店租户。订阅的访问控制模型是Azure RBAC。
你可以使用jupyter笔记本（上面提到的相同笔记本）从Azure Sentinel GitHub存储库中以可视化权限分析数据。有关如何使用笔记本的详细说明，请参阅指导分析 - 用户安全元数据笔记本。
狩猎查询和探索查询
Azure Sentinel提供了一组狩猎查询，探索查询和用户和实体行为分析工作簿，基于行为分析桌子。这些工具呈现富集的数据，重点是特定用例，表示异常行为。
有关更多信息，请参阅：
由于遗留防御工具变得过时，组织可能具有如此庞大而多孔的数字遗产，以便获得风险和环境姿势可能面临的综合图景，这成为无法管理。依赖于积累的反应努力，例如分析和规则，使不良演员能够学习如何逃避这些努力。这是UEBA通过提供风险评分方法和算法来弄清楚真正发生的事情的地方。
下一步
在本文档中，您了解了Azure Sentinel的实体行为分析功能。为了实现执行的实际指导，并使用您获得的洞察力，请参阅以下文章：
- 启用实体行为分析在Azure Sentinel。
- 调查UEBA数据的事件。
- 寻找安全威胁。
有关更多信息，请参阅Azure Sentinel Ueba Entrich参考。
