# Implementing Mitre Attack Coverage Mapping > 实施 MITRE ATT&CK 覆盖率映射，以识别检测空白、优先排序规则开发，并衡量 SOC 检测成熟度与对手技术的匹配程度。 - Skill: `killvxk/implementing-mitre-attack-coverage-mapping` (Agent Skill, multi-file: 8 files) - Install (CLI): `npx skillmds@latest add killvxk/implementing-mitre-attack-coverage-mapping` - Raw SKILL.md: https://api.skillmd.com/api/skills/killvxk/implementing-mitre-attack-coverage-mapping/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Coding & Dev Tools - License: Apache-2.0 - Author: killvxk (https://skillmd.com/u/killvxk) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/killvxk/implementing-mitre-attack-coverage-mapping --- # 实施 MITRE ATT&CK 覆盖率映射 ## 概述 MITRE ATT&CK 覆盖率映射为安全运营中心（Security Operations Center，SOC）团队提供了一个结构化的、以对手为中心的视角来评估检测能力。根据 2025 年 CardinalOps 报告，企业 SIEM 平均只对 21% 的 ATT&CK 技术具有检测覆盖，且由于数据源配置错误，13% 的现有规则无法正常工作。系统化的覆盖率映射可识别空白、优先排序规则开发，并随时间跟踪检测成熟度。ATT&CK v18.1（2025 年 12 月）是最新版本。 ## 前置条件 - 访问 MITRE ATT&CK Navigator（https://mitre-attack.github.io/attack-navigator/） - 所有活跃 SIEM 检测规则的清单 - 每条检测规则的 MITRE ATT&CK 技术映射 - 数据源清单（已接入哪些日志源） - 了解与所在行业相关的对手威胁画像 ## 覆盖率映射流程 ### 步骤 1：导出当前检测规则 ```spl # Splunk ES - 导出所有带 MITRE 映射的活跃关联搜索 | rest /services/saved/searches | search disabled=0 action.correlationsearch.enabled=1 | table title, search, action.notable.param.security_domain, action.notable.param.severity, action.correlationsearch.annotations | eval mitre_techniques=mvfilter(match('action.correlationsearch.annotations', "mitre_attack")) ``` ```kql // Microsoft Sentinel - 导出带 MITRE 映射的分析规则 SecurityAlert | summarize count() by AlertName, ProductName | join kind=inner ( resources | where type == "microsoft.securityinsights/alertrules" | extend tactics = properties.tactics ) on $left.AlertName == $right.name ``` ### 步骤 2：构建覆盖率矩阵 #### ATT&CK Navigator 层格式 ```json { "name": "SOC Detection Coverage - 2025", "versions": { "attack": "16", "navigator": "5.1", "layer": "4.5" }, "domain": "enterprise-attack", "description": "Current detection coverage mapping", "techniques": [ { "techniqueID": "T1110", "tactic": "credential-access", "color": "#00ff00", "comment": "2 active rules - Brute Force detection via EventCode 4625", "score": 75, "metadata": [ {"name": "rule_count", "value": "2"}, {"name": "data_sources", "value": "Windows Security Log, Linux Auth"}, {"name": "last_validated", "value": "2025-01-15"} ] }, { "techniqueID": "T1059.001", "tactic": "execution", "color": "#00ff00", "comment": "3 rules - PowerShell Script Block Logging", "score": 85 }, { "techniqueID": "T1055", "tactic": "defense-evasion", "color": "#ff0000", "comment": "NO DETECTION - Requires Sysmon EventCode 8/10", "score": 0 } ], "gradient": { "colors": ["#ff0000", "#ffff00", "#00ff00"], "minValue": 0, "maxValue": 100 } } ``` ### 步骤 3：为每项技术评分 | 分数 | 颜色 | 含义 | 评判标准 | |------|------|------|----------| | 0 | 红色 | 无检测 | 无规则，缺少数据源 | | 25 | 橙色 | 极少 | 规则存在但未验证/测试 | | 50 | 黄色 | 部分 | 规则有效但覆盖有限 | | 75 | 浅绿 | 良好 | 已验证规则且数据源充足 | | 100 | 绿色 | 优秀 | 多条已验证规则，经仿真测试 | ### 评分标准详解 ``` 分数 = 数据源得分（0-25）+ 规则质量得分（0-25）+ 验证得分（0-25）+ 富化得分（0-25） 数据源得分： 25：所有必需数据源已接入并解析 15：主要数据源可用 5： 数据源覆盖不完整 0： 所需数据源不可用 规则质量得分： 25：规则使用 CIM 合规查询并设置适当阈值 15：规则有效但可能产生误报 5： 基础规则未经调优 0： 无检测规则 验证得分： 25：通过对手仿真（Atomic Red Team）验证 15：使用合成数据测试 5： 逻辑已审查但未测试 0： 未验证 富化得分： 25：包含资产、身份和威胁情报富化的丰富上下文 15：基础富化（资产查询） 5： 无富化 0： 不适用（无规则） ``` ### 步骤 4：识别优先空白 #### 空白优先级框架 ``` 优先级 = 技术流行度 × 影响程度 × 可行性 技术流行度（0-10）： - 基于 MITRE Top Techniques 报告 - 在所在行业威胁态势中的频率 - 在近期事件/数据泄露中的观察情况 影响程度（0-10）： - 技术成功时的破坏潜力 - 恢复难度 - 面临风险的数据敏感性 可行性（0-10）： - 数据源可用性 - 规则复杂度 - 所需工程投入 ``` #### 2025 年需优先覆盖的顶级技术 | 技术 | ID | 流行度 | 典型空白原因 | |------|-----|--------|-------------| | 命令和脚本解释器 | T1059 | 极高 | 需要脚本块日志记录 | | 钓鱼（Phishing） | T1566 | 极高 | 邮件网关集成 | | 有效账户 | T1078 | 高 | 需要行为基线 | | 进程注入（Process Injection） | T1055 | 高 | 需要 Sysmon 或 EDR | | 横向移动（RDP/SMB） | T1021 | 高 | 网络分段可见性 | | 计划任务/作业 | T1053 | 高 | 事件日志采集 | | 数据加密影响 | T1486 | 高 | 文件系统监控 | | 入侵工具传输 | T1105 | 中 | 网络流量分析 | ### 步骤 5：制定检测路线图 ``` 第一季度：弥补关键空白（评分 0，高流行度） 第 1-2 周：启用缺失数据源 第 3-4 周：为前 5 个空白技术构建并测试规则 第 5-8 周：通过对手仿真验证 第 9-12 周：调优并投入运营 第二季度：提升部分覆盖（评分 25-50） - 为现有规则添加富化 - 添加辅助检测方法 - 通过紫队演练验证 第三季度：完善良好覆盖（评分 50-75） - 添加行为分析 - 实施检测即代码流水线 - 跨技术关联规则 第四季度：卓越状态（评分 75-100） - 使用 BAS 工具持续测试 - 自动化覆盖率回归测试 - 红队验证 ``` ## 自动化覆盖率评估 ### 数据源到技术的映射 ```python # 将可用数据源映射到可检测的技术 DATA_SOURCE_TECHNIQUE_MAP = { "Windows Security Event Log": [ "T1110", "T1078", "T1053.005", "T1098", "T1136", "T1070.001", "T1021.001", "T1543.003" ], "Sysmon": [ "T1055", "T1059", "T1003", "T1547.001", "T1036", "T1218", "T1105", "T1071" ], "Network Traffic (Firewall/IDS)": [ "T1071", "T1048", "T1105", "T1572", "T1090", "T1571", "T1573" ], "DNS Logs": [ "T1071.004", "T1568", "T1583.001", "T1048.003" ], "Email Gateway": [ "T1566.001", "T1566.002", "T1534" ], "Cloud Audit Logs": [ "T1078.004", "T1537", "T1530", "T1580", "T1087.004", "T1098.001" ], } ``` ## 报告仪表板查询 ### 按战术分类的覆盖率摘要 ```spl | inputlookup mitre_coverage_lookup | stats avg(score) as avg_score count(eval(score=0)) as no_coverage count(eval(score>0 AND score<50)) as partial count(eval(score>=50 AND score<75)) as good count(eval(score>=75)) as excellent count as total by tactic | eval coverage_pct=round((total - no_coverage) / total * 100, 1) | sort -coverage_pct ``` ## 参考资料 - [CyberDefenders - MITRE ATT&CK for SOC & DFIR Analysts](https://cyberdefenders.org/blog/mitre-attack-framework/) - [MITRE ATT&CK Navigator](https://mitre-attack.github.io/attack-navigator/) - [CardinalOps - SIEM Detection Coverage Report 2025](https://www.helpnetsecurity.com/2025/06/09/siem-detection-coverage/) - [Datadog - Cloud SIEM MITRE ATT&CK Map](https://www.datadoghq.com/blog/cloud-siem-mitre-attack-map/) - [Picus Security - MITRE ATT&CK Framework Guide](https://www.picussecurity.com/mitre-attack-framework)