Data Source Framework – czyli jak optymalnie dobrać źródła danych do monitorowania bezpieczeństwa

20 lip 2023
Jarosław Kuta
Identyfikacja incydentów bezpieczeństwa jest kluczowym elementem procesu incycydent resposne. Dopiero w momencie, w którym mamy wiedzę o anomaliach, określonych zdarzeniach czy innych faktach występujących w naszej sieci, możemy wykonać klasyfikację, a następnie wejść w analizę i podjąć odpowiednią reakcję. Nie mając tej wiedzy, jesteśmy niczym we mgle. Stąd pojęcie widoczności, które w cyberbezpieczeństwie jest niezwykle ważne.

Projektując architekturę systemów bezpieczeństwa, często spotykam problem nieoptymalnego doboru źródeł danych do systemów protekcji. Przykładem takiego stanu jest integracja do systemu SIEM jedynie warstwy systemu operacyjnego, zapominając o serwerze aplikacyjnym czy aplikacji. Innym razem nie zapewnia się filtrowania (konsumujemy wszystkie dane na output z datasource, niezależnie od tego, czy są potrzebne czy nie). Niekiedy integrujemy niepotrzebne źródła danych, a równie często brakuje nam istotnych danych. Brak widoczności lub nieoptymalna widoczność może prowadzić do niezdolności identyfikacji ataku.

Problem nieoptymalnego określenia widoczności bierze się często z braku wiedzy dot. zależności pary – zasoby vs zagrożenia. Aby, rozwiązać ten problem przygotowałem Data Source Framework, który pozwoli Ci zrozumieć wpływ zagrożeń na zasoby i odpowiednio dobrać źródła danych.

Aby to zrobić, wystarczy pięć kroków:

 

1. Zidentyfikuj warstwy oraz przyporządkuj je do systemów protekcji

2. Wykonaj dekompozycję zasobów

3. Wykonaj modelowanie zagrożeń

4. Stwórz matrycę pokrycia – zidentyfikuj źródła danych dla zagrożeń

5. Przygotuj korelację oraz playbook

Aby zbudować wiedzę dot. zasobów wykonaj ich pełną dekompozycję (prędzej czy później będzie to wymagane) z podziałem na warstwy (np. fizyczna, sieć, system operacyjny, serwer aplikacyjny, aplikacja). Realizując dekompozycję warto także podnieść temat odpowiedzialności za system (właściciel biznesowy, główny administrator). Następnie zintegrować dane z analizy BIA i analizy ryzyka, które na dalszym etapie pozwolą oceniać poziom incydentu przez proces biznesowy oraz uzyskać widoczność materializacji lub KPI dla ryzyka.

Modelowanie zagrożeń wykorzystaj do określenia, które zagrożenia mogą wystąpić w określonej warstwie zdekomponowanego systemu. W tym celu oprzyj się na odpowiednim modelu MITRE ATT&CK, który agreguje techniki, taktyki i procedury wykorzystywane przez atakujących do osiągnięcia określonych celów.

Matryca pokrycia pozwala na określenie, skąd będziesz wiedział o wystąpieniu danego zagrożenia dla konkretnej warstwy zdekomponowanego systemu. Postaraj się wskazać konkretne źródła danych (np. accesslog apache toccat, windows event log id: 4624), co pozwoli rozważyć filtrowanie danych. Na tym etapie warto również przemyśleć mechanizmy integracji źródła danych (czyli jak daną informacje prześlemy do systemu bezpieczeństwa np. syslog, neftlow, ect.). Ostatnim krokiem będzie wybór najlepszego źródła (w wielu przypadkach będziesz mieć więcej niż jedno źródło danych per zagrożenie).

Posiadając wiedzę dot. konkretnych źródeł danych lokowanych na zasobach, które będą notyfikować określone stany skojarzone z zagrożeniami możesz przejść do budowania logiki reguł monitorowania (np. korelacji w systemie SIEM) trigerujących zdarzenie bezpieczeństwa. Ponadto możesz przygotować konkretne playbooki na wypadek wystąpienia zdarzenia bezpieczeństwa. Oczywiście wiedza ta jest podstawą optymalizacji zbieranych danych, co da Ci możliwość wykorzystania licencji systemów bezpieczeństwa w bardziej optymalny sposób.

Dalej pozostaje już tylko integracja i testy…

#Bezpieczeństwo

Zobacz także

21 mar
#IOD
Ochrona danych osobowych w samorządach: Analiza problemu i rekomendacje Najwyższej Izby Kontroli

W ostatnich latach coraz częściej podnoszona jest kwestia bezpieczeństwa przetwarzania danych osobowych w jednostkach samorządowych. W związku z doniesieniami o zaniedbaniach i nieprawidłowościach w tym obszarze, Najwyższa Izba Kontroli (NIK) podjęła się kontroli mającej na celu ocenę stanu ochrony danych osobowych przechowywanych w formie elektronicznej przez jednostki samorządowe.

Czytaj dalej arrow
15 mar
#Wydarzenia
Czego uczy nas spór na linii Morele.net oraz UODO?

Już ponad 3,8 miliona złotych kary dla morele.net – czym zasłużyła sobie Spółka? Prezes Urzędu Ochrony Danych Osobowych nie odpuszcza!

Czytaj dalej arrow
Nie znalazłeś tego, czego szukasz?
Napisz do nas arrow