关于 hunting-for-living-off-the-cloud-techniques
面向威胁狩猎和事件响应团队的云服务滥用技术调查指南,按假设驱动的流程关联 EDR、SIEM 和主机遥测数据。
主要功能
- 01制定可验证的狩猎假设
- 02确定日志与遥测数据源
- 03在 SIEM 和 EDR 中执行查询
- 04关联多源事件并验证发现
- 05记录结果并更新检测规则
适用场景
- 01调查经 Discord webhook 或 Telegram API 进行的活动
- 02追踪通过云服务外传数据的行为
- 03响应相关 EDR 或 SIEM 告警
- 04开展定期安全评估和紫队演练
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 hunting-for-living-off-the-cloud-techniques安装后在 Claude Code 中输入/hunting-for-living-off-the-cloud-techniques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。
LICENSEassets/template.mdreferences/api-reference.mdstandards.mdworkflows.mdscripts/agent.pyprocess.py详细介绍
狩猎 Living Off The Cloud 技术
何时使用
- 在环境中主动狩猎 Living Off The Cloud 技术的狩猎指标时
- 当威胁情报表明有使用这些技术的活跃活动时
- 在事件响应期间,界定与这些技术相关的失陷范围时
- 当 EDR 或 SIEM 告警因相关指标触发时
- 在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
- 提出假设:基于威胁情报或 ATT&CK 差距分析定义可测试的假设。
- 识别数据源:确定验证或反驳该假设所需的日志和遥测。
- 执行查询:针对 SIEM 和 EDR 平台运行检测查询以收集相关事件。
- 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。
- 验证发现:通过上下文分析区分真阳性与假阳性。
- 关联活动:将发现与更广泛的攻击链和威胁行为者 TTP 关联。
- 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 |
|---|---|
| T1102 | Web Service |
| T1567 | Exfiltration Over Web Service |
| T1537 | Transfer Data to Cloud Account |
工具与系统
| 工具 | 用途 |
|---|---|
| CrowdStrike Falcon | EDR 遥测与威胁检测 |
| Microsoft Defender for Endpoint | 使用 KQL 进行高级狩猎 |
| 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 | 端点工件收集与狩猎 |
| Sigma Rules | 跨平台检测规则格式 |
常见场景
- 场景 1:通过 Discord webhook 进行 C2 以传递命令
- 场景 2:将数据外泄至 Telegram bot API
- 场景 3:恶意软件使用 Azure Functions 进行动态 C2
- 场景 4:将窃取的数据暂存于 Google Docs 或 Notion 页面
输出格式
Hunt ID: TH-HUNTIN-[DATE]-[SEQ]
Technique: T1102
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