Communitygithub.com

analyse-chaîne-de-cyberattaques

Analyse les activités d'intrusion par rapport à la Cyber Kill Chain de Lockheed Martin

Qu'est-ce que analyse-chaîne-de-cyberattaques ?

Cette compétence permet d'analyser les incidents de cybersécurité en les cartographiant sur la Cyber Kill Chain de Lockheed Martin, un modèle séquentiel des phases d'une attaque. Elle guide l'expert en sécurité à travers cinq étapes : cartographie des actions adverses sur les sept phases (Reconnaissance, Weaponization, Delivery, Exploitation, Installation, Command & Control, Actions on Objectives), identification des points de détection et des lacunes défensives, mise en correspondance avec les techniques de la matrice MITRE ATT&CK, identification des cours d'action défensifs par phase, et production d'un rapport d'analyse. La compétence est particulièrement utile pour l'analyse post-incident, la conception de contrôles défensifs en couches, et la production de rapports de renseignement sur les menaces. Elle met en garde contre les pièges courants comme l'hypothèse linéaire du déroulement de l'attaque, l'ignorance des phases précoces, les menaces internes, et la confusion avec les tactiques ATT&CK. Les outils recommandés incluent MITRE ATT&CK Navigator, Elastic Security EQL, Splunk ES, et MISP.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-cyber-kill-chain

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Analyse de la Cyber Kill Chain

Quand utiliser

Utilisez cette compétence lorsque :

  • Vous effectuez une analyse post-incident pour déterminer jusqu'où un adversaire a progressé dans une séquence d'attaque
  • Vous concevez des contrôles défensifs en couches dans le but d'interrompre les attaques à la phase la plus précoce possible
  • Vous produisez des rapports de renseignement sur les menaces qui communiquent la progression de l'attaque à des parties prenantes non techniques

N'utilisez pas cette compétence comme un cadre autonome — combinez-la avec MITRE ATT&CK pour une granularité au niveau des techniques au-delà de ce que fournit la chaîne en 7 phases.

Prérequis

  • Chronologie d'incident complète avec artefacts médico-légaux cartographiés sur des actions adverses spécifiques
  • Matrice MITRE ATT&CK Enterprise pour la cartographie au niveau des techniques dans chaque phase de la chaîne
  • Accès au renseignement sur les menaces concernant la progression typique de la chaîne du groupe adverse suspecté
  • Rapport post-incident ou chronologie de réponse aux incidents de l'équipe d'intervention

Workflow

Étape 1 : Cartographier les actions observées sur les phases de la chaîne

La Cyber Kill Chain de Lockheed Martin se compose de sept phases. Cartographiez toutes les actions adverses observées :

Phase 1 - Reconnaissance : L'adversaire collecte des informations sur la cible avant l'attaque.

  • Indicateurs : Requêtes DNS depuis l'IP adverse, scraping LinkedIn, analyse des offres d'emploi, scans Shodan de l'infrastructure de l'organisation

Phase 2 - Weaponization : L'adversaire crée un outil d'attaque (malware + exploit).

  • Indicateurs : Horodatages de compilation du malware, métadonnées de documents d'exploit, artefacts de constructeur dans des échantillons de malware

Phase 3 - Delivery : L'adversaire transmet l'arme à la cible.

  • Indicateurs : Emails de phishing, pièces jointes malveillantes, téléchargements drive-by, clés USB, compromission de la chaîne d'approvisionnement

Phase 4 - Exploitation : L'adversaire exploite une vulnérabilité pour exécuter du code.

  • Indicateurs : Événements d'exploitation de CVE dans les journaux d'application/OS, artefacts de corruption mémoire, exécution de shellcode

Phase 5 - Installation : L'adversaire établit une persistance sur la cible.

  • Indicateurs : Nouvelles tâches planifiées, clés de registre Run, installation de services, webshells, bootkits

Phase 6 - Command & Control (C2) : L'adversaire communique avec le système compromis.

  • Indicateurs : Trafic de beaconing (intervalles réguliers), tunneling DNS, HTTPS vers des domaines peu courants, signatures de framework C2 (Cobalt Strike, Sliver)

Phase 7 - Actions sur Objectifs : L'adversaire atteint ses objectifs.

  • Indicateurs : Préparation/exfiltration de données, mouvement latéral, exécution de ransomware, activité destructrice

Étape 2 : Identifier les points d'achèvement de phase et de détection

Créez une matrice de phases pour l'incident :

Phase 1 : Recon      → Terminée (non détectée)
Phase 2 : Weaponize  → Terminée (non détectée — pré-attaque)
Phase 3 : Delivery   → Terminée ; l'email de phishing a contourné le SEG
Phase 4 : Exploit    → Terminée ; CVE-2023-23397 exploité
Phase 5 : Install    → DÉTECTÉE : L'EDR a signalé la création d'une tâche planifiée (attaque bloquée ici)
Phase 6 : C2         → Non atteinte (installation bloquée)
Phase 7 : Objectives → Non atteints

Pour chaque phase achevée sans détection, documentez la lacune de contrôle défensif.

Étape 3 : Cartographier vers MITRE ATT&CK pour le détail des techniques

Chaque phase de la chaîne correspond à plusieurs tactiques ATT&CK :

  • Delivery → Accès Initial (TA0001)
  • Exploitation → Exécution (TA0002)
  • Installation → Persistance (TA0003), Élévation de Privilèges (TA0004)
  • C2 → Commandement et Contrôle (TA0011)
  • Actions sur Objectifs → Exfiltration (TA0010), Impact (TA0040)

Dans chaque phase, énumérez les techniques ATT&CK spécifiques observées et cartographiez-les avec les détections existantes.

Étape 4 : Identifier les cours d'action par phase

Pour chaque phase, documentez les cours d'action défensifs applicables (COA) :

  • Détecter : Quelle détection alerterait sur l'activité adverse dans cette phase ?
  • Refuser : Quel contrôle empêcherait l'adversaire de terminer cette phase ?
  • Interrompre : Quel contrôle interromprait l'adversaire en milieu de phase ?
  • Dégrader : Quel contrôle réduirait l'efficacité de l'adversaire dans cette phase ?
  • Tromper : Quelle tromperie (honeypots, canary tokens) exposerait l'activité dans cette phase ?
  • Détruire : Quelle capacité de défense active neutraliserait l'infrastructure adverse ?

Étape 5 : Produire un rapport d'analyse de la Kill Chain

Structurez les résultats comme suit :

  1. Récit de l'attaque (chronologie des phases)
  2. Analyse phase par phase avec preuves
  3. Analyse des points de détection (ce qui a fonctionné, ce qui a échoué)
  4. Recommandation défensive par phase priorisée par coût/efficacité
  5. Feuille de route d'amélioration des contrôles

Concepts clés

TermeDéfinition
Kill ChainModèle séquentiel des phases d'intrusion adverse ; rompre n'importe quel maillon arrête théoriquement l'attaque
Cours d'action (COA)Réponses défensives cartographiées sur chaque phase de la chaîne : détecter, refuser, interrompre, dégrader, tromper, détruire
BeaconingSchéma régulier et périodique de check-in C2 depuis l'hôte compromis vers le serveur adverse ; détectable par analyse de fréquence
Achèvement de phaseL'adversaire termine avec succès une phase de la chaîne et progresse vers la suivante ; la défense en profondeur vise à empêcher cela
Gain/Perte de renseignementAnalyse pour savoir si la détection à la Phase 5 (vs. Phase 3) a réduit le renseignement sur les capacités ou l'intention de l'adversaire

Outils et systèmes

  • MITRE ATT&CK Navigator : Superposer les phases de la chaîne avec la couverture des techniques ATT&CK pour une analyse intégrée
  • Elastic Security EQL : Langage de requête événementiel pour interroger les séquences d'attaque multi-phases dans Elastic SIEM
  • Splunk ES : Visualisation de la chronologie et recherches de corrélation pour le séquencement des phases de la chaîne
  • MISP : Étiquetage de la chaîne via des clusters de galaxie pour une documentation structurée des événements d'incident

Pièges courants

  • Hypothèse linéaire : Les adversaires ne progressent pas toujours de façon linéaire — ils peuvent sauter des phases (weaponization déjà terminée d'une campagne précédente) ou revenir en arrière (rétablir le C2 après détection).
  • Ignorer les phases 1 et 2 : La reconnaissance et la weaponization se produisent avant que le défenseur ait une visibilité. Le renseignement sur ces phases nécessite des sources externes (OSINT, renseignement sur les menaces).
  • Oublier les menaces internes : La chaîne a été conçue pour des adversaires externes. Les menaces internes peuvent sauter directement à la Phase 7 sans traverser les phases précédentes.
  • Confusion avec les tactiques ATT&CK : La chaîne en 7 phases et les 14 tactiques ATT&CK sont complémentaires mais pas directement équivalentes. Maintenez la distinction pour éviter la confusion analytique.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

abusing-dpapi-for-credential-access

Extract and decrypt Windows DPAPI-protected secrets (Credential Manager, browser logins/cookies, Wi-Fi credentials, KeePass keys) online or offline using SharpDPAPI, SharpChrome, Mimikatz, or Impacket

abusing-shadow-credentials-for-privesc

Take over Active Directory accounts by writing attacker-controlled public keys to msDS-KeyCredentialLink (Shadow Credentials) with pyWhisker, Whisker, or Certipy, then authenticate via PKINIT to recover the target

achieving-cmmc-level-2-compliance

>-

acquiring-disk-image-with-dd-and-dcfldd

Create forensically sound bit-for-bit disk images with dd or dcfldd on a Linux forensic workstation, preserving evidence integrity through hash verification (MD5/SHA) during acquisition. Use when imaging a suspect drive, USB device, or memory card for investigation, preserving volatile disk evidence during incident response, or producing a verified copy for legal or law-enforcement proceedings before any destructive analysis.

analyzing-active-directory-acl-abuse

Detect dangerous ACL misconfigurations in Active Directory using ldap3

analyzing-android-malware-with-apktool

Perform static analysis of Android APK malware using apktool for resource decompilation, jadx for Java source recovery, and androguard for manifest inspection, dangerous permission-combination detection, and identification of obfuscated code, dynamic code loading, and reflection-based API calls. Use to statically triage a suspicious APK without executing it or to build mobile malware detection rules.

analyzing-api-gateway-access-logs

Parses API Gateway access logs (AWS API Gateway, Kong, Nginx) to detect

analyzing-apt-group-with-mitre-navigator

Query ATT&CK data with attackcti, mitreattack-python, and stix2, then build MITRE ATT&CK Navigator layers and multi-layer heatmap overlays mapping one or more APT groups

analyzing-azure-activity-logs-for-threats

Queries Azure Monitor activity logs and sign-in logs via azure-monitor-query

analyzing-bootkit-and-rootkit-samples

Analyzes bootkit and advanced rootkit malware infecting the Master

analyzing-browser-forensics-with-hindsight

Parse Chromium-based browser databases with Hindsight to extract and correlate browsing history, downloads, cookies, cached content, autofill data, saved passwords, and extensions from Chrome, Edge, Brave, Opera, and Vivaldi into a unified timeline (XLSX, JSON, or SQLite output). Use during incident response, insider-threat investigations, or criminal cases when you need to reconstruct a user

analyzing-campaign-attribution-evidence

Systematically evaluate cyber-campaign evidence to attribute an operation to a threat actor, using the Diamond Model and Analysis of Competing Hypotheses (ACH) to weigh infrastructure overlaps, TTP consistency, malware code similarity, and timing/language artifacts into confidence-weighted attribution assessments. Use when an incident investigation needs a defensible attribution confidence level.

analyzing-certificate-transparency-for-phishing

Monitor Certificate Transparency logs using crt.sh and Certstream to

analyzing-cloud-storage-access-patterns

Detect abnormal access in AWS S3, GCS, and Azure Blob Storage by analyzing CloudTrail Data Events, GCS audit logs, and Azure Storage Analytics for after-hours bulk downloads, new-IP access, and API-call spikes (e.g. GetObject) via statistical baselines and time-series anomaly detection. Use when investigating suspected cloud data exfiltration or building related detection rules.

analyzing-cobalt-strike-beacon-configuration

Extract and analyze Cobalt Strike beacon configuration from PE files

analyzing-cobaltstrike-malleable-c2-profiles

Parse and analyze Cobalt Strike Malleable C2 profiles with dissect.cobaltstrike (profiles and beacon-payload configs) and pyMalleableC2 (AST parsing) to extract HTTP/DNS transforms, URIs, headers, sleep/jitter, and injection behavior, then generate network detection signatures. Use when reverse-engineering a captured malleable profile or building detections against Cobalt Strike Beacon traffic.

analyzing-command-and-control-communication

Analyzes malware C2 communication over HTTP, HTTPS, DNS, and custom

analyzing-disk-image-with-autopsy

Perform comprehensive forensic analysis of raw (dd), E01, or AFF disk images with Autopsy and The Sleuth Kit, recovering deleted files, examining metadata and embedded artifacts, keyword searching, and building investigation timelines with visual reports. Use for structured analysis of a forensic disk image or when stakeholders need visual reports from evidence.

analyzing-dns-logs-for-exfiltration

Analyzes DNS query logs to detect data exfiltration via DNS tunneling,

analyzing-docker-container-forensics

Investigate compromised Docker containers by analyzing images, layers,

Skills associés