Communitygithub.com

Analyse des flux de renseignement sur les menaces

Analyse des flux structurés et non structurés de renseignement sur les menaces pour extraire et normaliser les indicateurs de compromission (IOC).

Qu'est-ce que Analyse des flux de renseignement sur les menaces ?

Cette compétence permet d'analyser les flux de renseignement sur les menaces (threat intelligence feeds), qu'ils soient commerciaux ou issus de sources OSINT. Elle guide l'utilisateur dans l'évaluation du rapport signal/bruit, la normalisation des formats hétérogènes (STIX 2.1, OpenIOC, YARA, Sigma) vers un schéma unifié, et l'évaluation de la fraîcheur, de la fidélité et de la pertinence des flux. Les workflows automatisés incluent l'enrichissement des IOC via VirusTotal, PassiveTotal et Shodan, la déduplication, et la distribution vers les systèmes consommateurs (SIEM, pare-feu, EDR) via TAXII 2.1. Des concepts clés comme STIX 2.1 et TAXII 2.1 sont clarifiés, et les plateformes supportées incluent ThreatConnect, MISP, OpenCTI et Recorded Future. Attention aux pièges courants comme la vétusté des IOC, les violations TLP et le sur-blocage des indicateurs de faible confiance.

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

Demander à votre IA préférée

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

Documentation

Que fait Analyse des flux de renseignement sur les menaces ?

Quand l'utiliser

Utilisez cette compétence lorsque :

  • Vous ingérez de nouveaux flux de menaces commerciaux ou OSINT et évaluez leur rapport signal/bruit
  • Vous normalisez des formats d'IOC hétérogènes (STIX 2.1, OpenIOC, YARA, Sigma) en un schéma unifié
  • Vous évaluez la fraîcheur, la fidélité et la pertinence des flux par rapport au profil de menace de l'organisation
  • Vous construisez des pipelines d'enrichissement automatisés qui corrèlent les IOC avec les événements SIEM

N'utilisez pas cette compétence pour l'analyse brute de captures de paquets ou le triage en direct d'incidents sans avoir d'abord établi une ligne de base CTI.

Prérequis

  • Accès à une plateforme de renseignement sur les menaces (TIP) telle que ThreatConnect, MISP ou OpenCTI
  • Clés API pour au moins un flux commercial (Recorded Future, Mandiant Advantage ou VirusTotal Enterprise)
  • Bibliothèque cliente TAXII 2.1 (package Python taxii2-client ou équivalent)
  • Rôle disposant des autorisations en lecture/écriture sur la base de données d'indicateurs de la TIP

Workflow

Étape 1 : Énumérer et prioriser les sources de flux

Listez toutes les sources de flux disponibles, classées par type (commercial, gouvernemental, ISAC, OSINT) :

  • Commercial : Recorded Future, Mandiant Advantage, CrowdStrike Falcon Intelligence
  • Gouvernemental : CISA AIS (Automated Indicator Sharing), FBI InfraGard, MS-ISAC
  • OSINT : AlienVault OTX, Abuse.ch, PhishTank, Emerging Threats

Notez chaque flux sur : la fréquence de mise à jour, le taux de précision historique, la couverture de votre secteur et la profondeur de l'attribution. Utilisez une matrice de notation pondérée avec des critères issus du NIST SP 800-150 (Guide du partage d'informations sur les cybermenaces).

Étape 2 : Ingestion via TAXII 2.1 ou API

Pour les flux compatibles TAXII :

taxii2-client discover https://feed.example.com/taxii/
taxii2-client get-collection --collection-id <id> --since 2024-01-01

Pour les flux via API REST (ex. Recorded Future) :

  • Interroger /v2/indicator/search avec risk_score_min=65 pour filtrer les IOC de faible confiance
  • Appliquer une limitation de débit et un backoff exponentiel pour la résilience de l'API

Étape 3 : Normalisation en STIX 2.1

Convertissez chaque IOC en objets STIX 2.1 en utilisant le schéma standard OASIS :

  • Adresse IP → objet indicator avec pattern: "[ipv4-addr:value = '...']"
  • Domaine → indicator avec pattern: "[domain-name:value = '...']"
  • Empreinte de fichier → indicator avec pattern: "[file:hashes.SHA-256 = '...']"

Attachez des objets relationship liant les indicateurs à des objets threat-actor ou malware. Utilisez le champ confidence (0–100) basé sur la note de fidélité de la source.

Étape 4 : Déduplication et enrichissement

Exécutez la déduplication par rapport à la base de données TIP existante en utilisant la valeur normalisée et le type comme clé composite. Enrichissez les IOC restants :

  • VirusTotal : ratio de détection, rapports de comportement en sandbox
  • PassiveTotal (RiskIQ) : historique WHOIS, DNS passif, chaînes de certificats SSL
  • Shodan : données de bannière, ports ouverts, localisation géographique

Étape 5 : Distribution vers les systèmes consommateurs

Exportez les indicateurs enrichis via la poussée TAXII 2.1 vers le SIEM (Splunk, Microsoft Sentinel), les pare-feu (playbooks Palo Alto XSOAR) et les plateformes EDR. Définissez la TTL (durée de vie) par type d'indicateur : adresses IP 30 jours, domaines 90 jours, empreintes de fichiers 1 an.

Concepts clés

TermeDéfinition
STIX 2.1Structured Threat Information Expression — schéma JSON standard OASIS pour les objets CTI, y compris les indicateurs, acteurs de menace, campagnes et relations
TAXII 2.1Trusted Automated eXchange of Intelligence Information — protocole basé sur HTTPS pour le partage de contenu STIX entre serveurs et clients
IOCIndicator of Compromise — artefact observable (IP, domaine, empreinte, URL) qui indique qu'un système pourrait avoir été compromis
TLPTraffic Light Protocol — classification par codes couleur (ROUGE/AMBRE/VERT/BLANC) définissant les restrictions de partage pour la CTI
Score de confianceValeur numérique (0–100 dans STIX) reflétant la certitude du producteur quant à l'attribution malveillante d'un indicateur
Fidélité du fluxTaux de précision historique d'un flux mesuré par le taux de vrais positifs dans les détections en production

Outils et systèmes

  • ThreatConnect TC Exchange : Agrège plus de 100 flux commerciaux et OSINT ; fournit des playbooks automatisés pour l'enrichissement des IOC
  • MISP (Malware Information Sharing Platform) : TIP open source prenant en charge STIX/TAXII ; largement utilisé par les ISAC et les CERT gouvernementaux
  • OpenCTI : Plateforme open source avec intégration native MITRE ATT&CK et visualisation graphique des relations
  • Recorded Future : Flux commercial avec notation des risques basée sur l'IA et surveillance en temps réel du dark web
  • taxii2-client : Bibliothèque Python pour les opérations client TAXII 2.0/2.1 (pip install taxii2-client)
  • PyMISP : API Python pour la gestion des flux MISP et la soumission d'IOC

Pièges courants

  • Vétusté des IOC : Les adresses IP et les domaines changent fréquemment ; appliquer des IOC vieux d'un an génère des faux positifs. Appliquez des politiques de TTL.
  • Manque de contexte : Bloquer un IOC sans comprendre la campagne ou l'adversaire associé peut perturber le trafic légitime de l'entreprise (ex. adresses IP de CDN partagées avec des acteurs malveillants).
  • Chevauchement des flux sans déduplication : Ingérer le même IOC à partir de cinq flux sans déduplication gonfle le nombre d'indicateurs et la complexité des règles SIEM.
  • Violation de TLP : Redistribuer des informations classifiées ROUGE en dehors des limites autorisées viole les accords de partage et les relations de confiance.
  • Sur-blocage sur des indicateurs de faible confiance : Les indicateurs avec une confiance inférieure à 50 doivent déclencher des règles de détection uniquement, et non un blocage, pour éviter les perturbations opérationnelles.

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-cyber-kill-chain

Analyzes intrusion activity against the Lockheed Martin Cyber Kill Chain

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,

Skills associés