# Investigating Insider Threat Indicators

> 调查内部威胁（Insider Threat）指标，包括数据渗漏（Data Exfiltration）尝试、未授权访问模式、 策略违规和离职前行为，结合 SIEM 分析、DLP 告警和 HR 数据关联进行调查。 适用于 SOC 团队收到 HR 内部威胁转介、检测到员工异常数据移动， 或需要为潜在内部威胁建立调查时间线时。

- Skill: `killvxk/investigating-insider-threat-indicators` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add killvxk/investigating-insider-threat-indicators`
- Raw SKILL.md: https://api.skillmd.com/api/skills/killvxk/investigating-insider-threat-indicators/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Security
- License: Apache-2.0
- Author: killvxk (https://skillmd.com/u/killvxk)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/killvxk/investigating-insider-threat-indicators

---

# 调查内部威胁指标

## 适用场景

以下情况使用本技能：
- HR 在离职员工的通知期内转介监控
- DLP 告警显示批量数据下载或传输到个人存储
- UEBA（用户和实体行为分析）检测到与同类员工基线显著偏离的异常访问模式
- 管理层报告员工在职责范围之外访问敏感数据

**不适用于**未获得适当法律授权的情况——内部威胁调查必须在监控开始前与 HR、法务和隐私团队协调。

## 前置条件

- 法律授权和记录调查理由的 HR 转介
- 配置了 DLP、终端、邮件、代理和认证日志源的 SIEM
- 数据丢失防护（DLP）系统（Microsoft Purview、Symantec、Forcepoint），含策略告警
- 终端监控能力（带 USB/可移动媒体日志的 EDR）
- 提供就业状态、通知日期和访问权限的 HR 数据源
- 用于证据保全的监管链程序

## 工作流程

### 步骤 1：确立调查范围和法律授权

开始任何监控前，确保获得适当授权：

```
内部威胁调查授权
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
案例 ID：          IT-2024-0089
调查对象：         [员工姓名] — [部门]
授权人：           [CISO / 总法律顾问]
转介来源：         HR — 员工提交辞职，两周通知期
理由：             员工可访问商业机密和客户 PII
范围：             邮件、文件访问、USB、云存储、打印
持续时间：         2024-03-15 至 2024-03-29（通知期）
隐私审查：         已完成——符合可接受使用策略
```

### 步骤 2：从 SIEM 构建活动时间线

查询调查对象的综合活动：

```spl
index=* (user="jsmith" OR src_user="jsmith" OR sender="jsmith@company.com"
         OR SubjectUserName="jsmith")
earliest="2024-03-01" latest=now
| eval event_category = case(
    sourcetype LIKE "%dlp%", "DLP",
    sourcetype LIKE "%proxy%", "Web 访问",
    sourcetype LIKE "%email%", "邮件",
    sourcetype LIKE "%WinEventLog%", "终端",
    sourcetype LIKE "%o365%", "云",
    sourcetype LIKE "%vpn%", "VPN",
    sourcetype LIKE "%badge%", "物理访问",
    1=1, sourcetype
  )
| stats count by event_category, sourcetype, _time
| timechart span=1d count by event_category
```

### 步骤 3：检测数据渗漏指标

**批量文件下载（SharePoint/OneDrive）：**

```spl
index=o365 sourcetype="o365:management:activity" Operation IN ("FileDownloaded", "FileSynced")
UserId="jsmith@company.com" earliest=-30d
| stats count AS downloads, sum(eval(if(isnotnull(FileSize), FileSize, 0))) AS total_bytes,
        dc(SourceFileName) AS unique_files
  by UserId, SiteUrl, _time
| bin _time span=1d
| eval total_gb = round(total_bytes / 1073741824, 2)
| where downloads > 50 OR total_gb > 1
| sort - total_gb
```

**USB/可移动媒体使用：**

```spl
index=sysmon EventCode=1 Computer="WORKSTATION-JSMITH"
(CommandLine="*removable*" OR CommandLine="*usb*"
 OR Image="*\\xcopy*" OR Image="*\\robocopy*")
| table _time, Computer, User, Image, CommandLine
| append [
    search index=endpoint sourcetype="endpoint:device_connect"
    user="jsmith" device_type="removable"
    | table _time, user, device_name, device_serial, action
  ]
| sort _time
```

**基于邮件的渗漏：**

```spl
index=email sourcetype="o365:messageTrace"
SenderAddress="jsmith@company.com"
| eval is_external = if(match(RecipientAddress, "@company\.com$"), 0, 1)
| eval has_attachment = if(isnotnull(AttachmentName), 1, 0)
| stats count AS total_emails,
        sum(is_external) AS external_emails,
        sum(has_attachment) AS with_attachments,
        sum(eval(if(is_external=1 AND has_attachment=1, 1, 0))) AS external_with_attach,
        sum(Size) AS total_size_bytes
  by SenderAddress
| eval external_attach_pct = round(external_with_attach / total_emails * 100, 1)
| eval total_size_mb = round(total_size_bytes / 1048576, 1)
```

**云存储上传检测：**

```spl
index=proxy user="jsmith"
(dest IN ("*dropbox.com", "*drive.google.com", "*onedrive.live.com",
          "*box.com", "*wetransfer.com", "*mega.nz")
 OR category="cloud-storage")
http_method=POST
| stats count AS uploads, sum(bytes_out) AS total_uploaded
  by user, dest, category
| eval uploaded_mb = round(total_uploaded / 1048576, 1)
| sort - uploaded_mb
```

### 步骤 4：分析访问模式异常

**访问正常职责范围之外的敏感系统：**

```spl
index=auth user="jsmith" action=success earliest=-30d
| stats dc(app) AS unique_apps, values(app) AS apps_accessed by user
| join user type=left [
    | inputlookup role_app_mapping.csv
    | search role="Financial Analyst"
    | stats values(authorized_app) AS authorized_apps by role
    | eval user="jsmith"
  ]
| eval unauthorized = mvfilter(NOT match(apps_accessed, mvjoin(authorized_apps, "|")))
| where isnotnull(unauthorized)
| table user, unauthorized, authorized_apps
```

**下班时间和周末活动：**

```spl
index=* user="jsmith" earliest=-30d
| eval hour = tonumber(strftime(_time, "%H"))
| eval is_offhours = if(hour < 7 OR hour > 19, 1, 0)
| eval day = strftime(_time, "%A")
| eval is_weekend = if(day IN ("Saturday", "Sunday"), 1, 0)
| stats count AS total, sum(is_offhours) AS offhours, sum(is_weekend) AS weekend by user
| eval offhours_pct = round(offhours / total * 100, 1)
| eval weekend_pct = round(weekend / total * 100, 1)
```

### 步骤 5：与 HR 和物理安全数据关联

**将活动与辞职时间线进行比较：**

```spl
| makeresults
| eval user="jsmith",
       resignation_date="2024-03-15",
       last_day="2024-03-29",
       access_revocation="2024-03-29 17:00"
| join user [
    search index=* user="jsmith" earliest=-90d
    | bin _time span=1d
    | stats count AS daily_events, dc(sourcetype) AS data_sources by user, _time
  ]
| eval phase = case(
    _time < relative_time(now(), "-30d"), "正常（辞职前）",
    _time >= strptime(resignation_date, "%Y-%m-%d") AND _time <= strptime(last_day, "%Y-%m-%d"),
      "通知期",
    1=1, "过渡期"
  )
| chart avg(daily_events) AS avg_events by phase
```

**门禁/物理访问关联：**

```spl
index=badge_access employee_id="jsmith" earliest=-30d
| stats count AS badge_events, values(door_name) AS doors_accessed,
        earliest(_time) AS first_badge, latest(_time) AS last_badge by employee_id
| eval areas = mvcount(doors_accessed)
```

### 步骤 6：保全证据并记录发现

维护所有收集证据的监管链：

```python
import hashlib
import json
from datetime import datetime

evidence_log = {
    "case_id": "IT-2024-0089",
    "investigator": "soc_analyst_tier2",
    "collection_time": datetime.utcnow().isoformat(),
    "items": [
        {
            "item_id": "EV-001",
            "description": "Splunk 导出——所有用户活动 2024-03-01 至 2024-03-15",
            "file": "jsmith_activity_export.csv",
            "sha256": hashlib.sha256(open("jsmith_activity_export.csv", "rb").read()).hexdigest(),
            "collected_by": "analyst_doe",
            "collection_method": "Splunk 搜索导出"
        },
        {
            "item_id": "EV-002",
            "description": "DLP 告警详情——47 次策略违规",
            "file": "dlp_alerts_jsmith.json",
            "sha256": hashlib.sha256(open("dlp_alerts_jsmith.json", "rb").read()).hexdigest(),
            "collected_by": "analyst_doe",
            "collection_method": "Microsoft Purview 导出"
        }
    ]
}

with open(f"evidence_log_{evidence_log['case_id']}.json", "w") as f:
    json.dump(evidence_log, f, indent=2)
```

## 核心概念

| 术语 | 定义 |
|------|------|
| **内部威胁（Insider Threat）** | 拥有合法访问权限的个人出于未授权目的滥用该权限带来的风险 |
| **数据渗漏（Data Exfiltration）** | 通过邮件、USB、云或其他渠道将数据未经授权地传输到组织外部 |
| **DLP** | 数据丢失防护（Data Loss Prevention）——根据内容策略监控和阻止未授权数据传输的技术 |
| **通知期监控（Notice Period Monitoring）** | 在员工辞职到离职期间对其进行的强化监控 |
| **监管链（Chain of Custody）** | 确保取证完整性的文档化证据处理程序，用于潜在的法律诉讼 |
| **知悉必要原则违规（Need-to-Know Violation）** | 访问超出员工职责或当前任务所需的信息或系统 |

## 工具与系统

- **Microsoft Purview（前身为 DLP）**：数据分类和丢失防护平台，监控终端、邮件和云存储
- **Splunk UBA**：用户行为分析，通过基于 ML 的异常检测识别内部威胁模式
- **Forcepoint Insider Threat**：专用内部威胁检测平台，含行为指标和风险评分
- **DTEX InTERCEPT**：基于终端的内部威胁检测，专注于用户活动元数据收集
- **Code42 Incydr**：数据风险检测平台，专注于跨终端和云的文件渗漏监控

## 常见场景

- **离职员工**：在两周通知期内批量下载客户列表和产品路线图
- **不满员工**：在负面绩效评估后，员工访问其职责范围之外的高管薪酬数据
- **承包商越权**：外部顾问访问合同范围之外的系统，下载源代码
- **账号滥用**：员工将凭据共享给未授权第三方用于竞争情报收集
- **蓄意破坏指标**：IT 管理员在离职前创建后门账号并修改系统配置

## 输出格式

```
内部威胁调查报告 — IT-2024-0089
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
对象：        jsmith（金融分析师，财务部）
期间：        2024-03-01 至 2024-03-15
状态：        员工于 2024-03-15 辞职，最后工作日 2024-03-29

主要发现：
  [高]   从 SharePoint 下载 3,847 个文件（12.4 GB）——同类平均值的 10 倍
  [高]   通知期内连接 USB 设备 14 次（上月 0 次）
  [高]   向个人 Gmail 发送 187 封带附件邮件
  [中]   通知期内下班时间活动增加 340%
  [中]   访问 HR 薪酬数据库 3 次（超出职责范围）

时间线：
  3 月 01-14 日：正常活动基线（平均每天 150 个事件）
  3 月 15 日：提交辞职（活动激增至 890 个事件）
  3 月 16-17 日：周末访问——2,100 次 SharePoint 下载
  3 月 18 日：首次连接 USB 设备，触发 DLP 告警

已收集证据：  4 项（SHA-256 已验证，监管链已记录）
建议：         建议立即撤销访问权限
               证据包已准备好供法务审查
```