mcpField
H
hunting-for-living-off-the-cloud-techniques

hunting-for-living-off-the-cloud-techniques

github.com/mukul975安全35.2k54 次安装8 周前更新
代码仓库

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

  1. 01制定可验证的狩猎假设
  2. 02确定日志与遥测数据源
  3. 03在 SIEM 和 EDR 中执行查询
  4. 04关联多源事件并验证发现
  5. 05记录结果并更新检测规则

适用场景

  1. 01调查经 Discord webhook 或 Telegram API 进行的活动
  2. 02追踪通过云服务外传数据的行为
  3. 03响应相关 EDR 或 SIEM 告警
  4. 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。

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

  1. 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。
  2. 识别数据源:确定验证或反驳该假设所需的日志和遥测。
  3. 执行查询:针对 SIEM 和 EDR 平台运行检测查询以收集相关事件。
  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与假阳性。
  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。
  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
T1102Web Service
T1567Exfiltration Over Web Service
T1537Transfer Data to Cloud Account

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

  1. 场景 1:通过 Discord webhook 进行 C2 以传递命令
  2. 场景 2:将数据外泄至 Telegram bot API
  3. 场景 3:恶意软件使用 Azure Functions 进行动态 C2
  4. 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