SentinelOne 相关性规则

本文涉及的产品
Serverless 应用引擎 SAE,800核*时 1600GiB*时
容器镜像服务 ACR,镜像仓库100个 不限时长
云原生网关 MSE Higress,422元/月
简介: SentinelOne 的自定义规则告警(Custom Rules)可将 Deep Visibility 检测的行为定义为规则,触发相应动作。今年升级的 Correlation Rules 能力支持创建更复杂的组合规则,增强威胁检测灵活性。详情及技术支持,请联系:王涛,电话:13818802872,邮箱:wangtao@mfreelink.com。

咨询采购SentinelOne 请联系:王涛📞13818802872 📨wangtao@mfreelink.com
SentinelOne.png
我们都知道SentinelOne很突出的一个优势就是自定义规则告警-Custom Rules,可以将Deep Visibility中检索到的所有行为都定义成规则,当匹配到时就可以触发相应的动作,比如告警该事件、杀掉该进程、隔离相应的文件。所以这种Custom Rules灵活度很大,可以把任何用户觉得可疑的行为加入到规则中来,甚至是实现一些管理上的需求,比如不让用户使用一些工作以外的软件,运行这些进程就会被杀掉。SentinelOne在今年再次升级了Custom Rules的能力,可以创建Correlation Rules,这又是什么功能呢?简单来说就是组合的规则,或是更复杂的规则。为了更直观的介绍,我们来看一个例子:在左边的Sentinels菜单,上面找到Star Custom Rules,点击New Rules
1280X12801.PNG
填写规则的名字后,下一步
1280X12802.PNG
选择Correlation,我们可以看到下面可以选择规则的对象,是进程、用户、IP还是设备
1280X12803.PNG
在下面我们可以看到这个Correlation规则可以设置多条查询语句。比如第一条语句是访问了某个网站这样一个行为,第二条语句是启动了某个进程;您可以将Match in Order的开关打开,必须是按照以下顺序执行了动作才会触发该规则,即先访问了某网站,再启动某进程,才会触发,每个查询的先后顺序也可调整;您还可以设置某个查询的匹配次数,如访问三次某网站才会触发;还可以设置整套动作的时间间隔,即在一定时间内完成整套动作才会触发。这样的组合规则可以相当灵活,而且也更符合威胁行为的特点,单个行为很可能是无害的,但多个行为按照一定顺序在一定时间内执行后可能就是有威胁的。
1280X12804.PNG
不少客户对Correlation Rules很感兴趣,在使用的过程中客户往往编辑大量的query语句,有时甚至超过了query语句的上限。按照以往经验Custom Rules的query语句的上限是8192个字符,在Correlation Rules可以有多个query语句,那么总计的上限是多少字符呢?为此我们向SentinelOne support提交了case,并告知我们在一条query语句不超过6000字符的情况下,编写了三条query语句后,Correlation Rules出现了无法保存的情况。经过support的反复检查发现,目前的Correlation Rules字符上限设置有bug,需要进行修复,修复后的设定为:每条query语句的上限仍然是8192个字符,每个Correlation Rules最多可以创建10条query语句,那么一条Correlation Rules的字符上限就是81920;而一个账户下最多可以创建10条Correlation Rules。这个bug预计在今年的9月份就会修复,期待这个强大的功能有更好的表现。

目录
相关文章
|
3月前
|
算法 网络协议 网络性能优化
|
5月前
|
敏捷开发 测试技术 持续交付
质量内建的5个度量维度
质量内建的5个度量维度
|
数据采集 机器学习/深度学习 自然语言处理
实现文本数据数值化、方便后续进行回归分析等目的,需要对文本数据进行多标签分类和关系抽取
实现文本数据数值化、方便后续进行回归分析等目的,需要对文本数据进行多标签分类和关系抽取
186 0
|
数据可视化 Serverless Go
scRNA分析|单细胞GSVA + limma差异分析-celltype分组?样本分组?
scRNA分析|单细胞GSVA + limma差异分析-celltype分组?样本分组?
945 0
|
数据挖掘
基于R筛选过滤低丰度物种的几种方式
基于R筛选过滤低丰度物种的几种方式
413 0
|
存储 SQL 机器学习/深度学习
数仓中指标-标签,维度-度量,自然键-代理键,数据集市等各名词解析及关系
这是在数据分析中常见的概念,下钻可以理解成增加维的层次,从而可以由粗粒度到细粒度来观察数据,比如对产品销售情况分析时,可以沿着时间维从年到月到日更细粒度的观察数据。从年的维度可以下钻到月的维度、日的维度等。
数仓中指标-标签,维度-度量,自然键-代理键,数据集市等各名词解析及关系
|
数据采集 存储 数据挖掘
维度建模中,粒度对于事实和维度的影响
度是指在事实表中所记录的数据的最小粒度,也可以理解为事实表中每个记录所代表的含义。在维度建模中,粒度对维度表和事实表都具有重要性。
463 0
|
计算机视觉
目标检测类mAP等衡量指标的含义和计算方法
目标检测类mAP等衡量指标的含义和计算方法
目标检测类mAP等衡量指标的含义和计算方法
|
数据可视化 测试技术 智能硬件
5种数值评分标准总结 - 为预测模型找到正确的度量标准
5种数值评分标准总结 - 为预测模型找到正确的度量标准
223 0
5种数值评分标准总结 - 为预测模型找到正确的度量标准
|
机器学习/深度学习 数据挖掘 PyTorch
多标签分类场景下的模型评估指标
指标在机器学习或深度学习领域扮演着相当重要的角色。我们从根据问题选择指标开始,以了解特定模型的基线分数。 在本博客中,我们研究了多标签分类的最佳和最常用的指标,以及它们的不同之处。 接下来,让我们深入了解什么是多标签分类,以防万一您需要它。 如果我们有关于狗的特征的数据,我们可以预测它属于哪个品种和宠物类别。 在物体检测的情况下,多标签分类为我们提供了图像中所有对象的列表,如下图所示。我们可以看到,分类器检测到图像中的 3 个对象。 如果训练对象的总数为 4 个,则可以将其表示成如下列表[1 0 1 1](对应的对象为[狗、人、自行车、卡车])。这种分类被称为多标签分类。