mcpField
D
detecting-service-account-abuse

detecting-service-account-abuse

github.com/mukul975安全35.2k53 次安装8 周前更新
代码仓库

关于 detecting-service-account-abuse

用于调查服务账户滥用迹象的安全狩猎技能,指导分析人员通过假设、查询和多源验证开展调查,并记录事件响应或主动狩猎结果。

主要功能

  1. 01假设驱动的狩猎流程
  2. 02SIEM 与 EDR 查询分析
  3. 03跨来源事件关联
  4. 04误报验证
  5. 05结构化记录发现与响应建议

适用场景

  1. 01调查服务账户可疑的 RDP 活动
  2. 02狩猎服务账户访问非预期文件共享
  3. 03排查非工作时间的横向移动
  4. 04评估特权账户疑似遭滥用

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/mukul975/anthropic-cybersecurity-skills --skill detecting-service-account-abuse

安装后在 Claude Code 中输入/detecting-service-account-abuse确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

LICENSE
assets/
template.md
references/
api-reference.md
standards.md
workflows.md
scripts/
agent.py
process.py

详细介绍

检测服务账户滥用

何时使用

  • 主动搜寻环境中检测服务账户滥用的指标时
  • 威胁情报表明攻击者正在使用这些技术开展活跃活动后
  • 事件响应期间,界定与这些技术相关的失陷范围时
  • EDR 或 SIEM 针对相关指标触发告警时
  • 定期安全评估和紫队演练期间

前提条件

  • 具备进程和网络遥测能力的 EDR 平台(CrowdStrike、MDE、SentinelOne)
  • 已摄取相关日志数据的 SIEM(Splunk、Elastic、Sentinel)
  • 已部署并配置全面的 Sysmon
  • 已启用 Windows 安全事件日志转发
  • 用于 IOC 关联的威胁情报源

工作流

  1. 提出假设:基于威胁情报或 ATT&CK 差距分析定义可验证的假设。
  2. 确定数据源:确定验证或推翻该假设所需的日志和遥测数据。
  3. 执行查询:对 SIEM 和 EDR 平台运行检测查询,收集相关事件。
  4. 分析结果:检查查询结果中的异常,并跨多个数据源进行关联。
  5. 验证发现:通过上下文分析区分真阳性和假阳性。
  6. 关联活动:将发现与更广泛的攻击链和威胁行为者 TTP 关联起来。
  7. 记录并报告:记录发现、更新检测规则,并建议响应措施。

关键概念

概念描述
T1078.002域账户
T1078.001默认账户
T1021远程服务

工具与系统

工具用途
CrowdStrike FalconEDR 遥测与威胁检测
Microsoft Defender for Endpoint使用 KQL 进行高级搜寻
Splunk Enterprise使用 SPL 查询进行 SIEM 日志分析
Elastic Security检测规则与调查时间线
Sysmon详细的 Windows 事件监控
Velociraptor终端产物收集与搜寻
Sigma Rules跨平台检测规则格式

常见场景

  1. 场景 1:服务账户通过 RDP 连接到域控制器
  2. 场景 2:SQL 服务访问范围之外的文件共享
  3. 场景 3:备份服务在非工作时间进行横向移动
  4. 场景 4:具有 DA 权限的失陷 svc 被用于 DCSync

输出格式

Hunt ID: TH-DETECT-[DATE]-[SEQ]
Technique: T1078.002
Host: [Hostname]
User: [Account context]
Evidence: [Log entries, process trees, network data]
Risk Level: [Critical/High/Medium/Low]
Confidence: [High/Medium/Low]
Recommended Action: [Containment, investigation, monitoring]

评论

支持 Markdown