análise-de-grupo-apt-com-mitre-navigator

Analisando Grupo APT com MITRE ATT&CK Navigator

Visão Geral

O MITRE ATT&CK Navigator é uma ferramenta baseada na web para anotar e explorar matrizes ATT&CK, permitindo que analistas visualizem a cobertura de técnicas de atores de ameaças, comparem múltiplos grupos APT, identifiquem lacunas de detecção e construam estratégias de defesa orientadas por ameaças. Esta skill cobre a consulta programática de dados do ATT&CK, o mapeamento de TTPs de grupos APT para camadas do Navigator, a criação de sobreposições de múltiplas camadas para análise de lacunas e a geração de relatórios de inteligência acionáveis para equipes de engenharia de detecção.

Quando Usar

• Ao investigar incidentes de segurança que exigem analisar grupo APT com MITRE Navigator
• Ao construir regras de detecção ou consultas de caça a ameaças para este domínio
• Quando analistas de SOC precisam de procedimentos estruturados para este tipo de análise
• Ao validar a cobertura de monitoramento de segurança para técnicas de ataque relacionadas

Pré-requisitos

• Python 3.9+ com as bibliotecas attackcti, mitreattack-python, stix2, requests
• ATT&CK Navigator (https://mitre-attack.github.io/attack-navigator/) ou implantação local
• Compreensão da matriz Enterprise do ATT&CK: 14 Táticas, 200+ Técnicas, Sub-técnicas
• Acesso a relatórios de inteligência de ameaças ou MISP/OpenCTI para dados de atores de ameaças
• Familiaridade com os objetos STIX 2.1 Intrusion Set e Attack Pattern

Conceitos Chave

Camadas do ATT&CK Navigator

As camadas do Navigator são arquivos JSON que anotam técnicas do ATT&CK com pontuações, cores, comentários e metadados. Cada camada pode representar o uso de técnicas de um único grupo APT, um mapa de capacidade de detecção ou uma sobreposição combinada. A versão 4.5 da camada suporta os domínios enterprise-attack, mobile-attack e ics-attack com filtragem por plataforma (Windows, Linux, macOS, Cloud, Azure AD, Office 365, SaaS).

Perfis de Grupos APT no ATT&CK

O ATT&CK cataloga mais de 140 grupos de ameaças com uso documentado de técnicas. Cada perfil de grupo inclui alias, setores-alvo, campanhas associadas, software utilizado e mapeamentos de técnicas com detalhes de procedimentos. Os grupos são identificados por códigos G (ex: G0016 para APT29, G0007 para APT28, G0032 para Grupo Lazarus).

Análise de Múltiplas Camadas

O Navigator suporta o carregamento simultâneo de várias camadas, permitindo que analistas sobreponham TTPs de atores de ameaças contra a cobertura de detecção para identificar lacunas, comparem múltiplos grupos APT para encontrar técnicas comuns que valem a pena priorizar e acompanhem mudanças na cobertura de técnicas ao longo do tempo.

Fluxo de Trabalho

Passo 1: Consultar Dados do ATT&CK para Grupo APT

from attackcti import attack_client
import json

lift = attack_client()

# Obter todos os grupos de ameaças
groups = lift.get_groups()
print(f"Total de grupos ATT&CK: {len(groups)}")

# Encontrar APT29 (Cozy Bear / Midnight Blizzard)
apt29 = next((g for g in groups if g.get('name') == 'APT29'), None)
if apt29:
    print(f"Grupo: {apt29['name']}")
    print(f"Alias: {apt29.get('aliases', [])}")
    print(f"Descrição: {apt29.get('description', '')[:300]}")

# Obter técnicas usadas por APT29 (G0016)
techniques = lift.get_techniques_used_by_group("G0016")
print(f"APT29 usa {len(techniques)} técnicas")

technique_map = {}
for tech in techniques:
    tech_id = ""
    for ref in tech.get("external_references", []):
        if ref.get("source_name") == "mitre-attack":
            tech_id = ref.get("external_id", "")
            break
    if tech_id:
        tactics = [p.get("phase_name", "") for p in tech.get("kill_chain_phases", [])]
        technique_map[tech_id] = {
            "name": tech.get("name", ""),
            "tactics": tactics,
            "description": tech.get("description", "")[:500],
            "platforms": tech.get("x_mitre_platforms", []),
            "data_sources": tech.get("x_mitre_data_sources", []),
        }

Passo 2: Gerar JSON da Camada do Navigator

def create_navigator_layer(group_name, technique_map, color="#ff6666"):
    techniques_list = []
    for tech_id, info in technique_map.items():
        for tactic in info["tactics"]:
            techniques_list.append({
                "techniqueID": tech_id,
                "tactic": tactic,
                "color": color,
                "comment": info["name"],
                "enabled": True,
                "score": 100,
                "metadata": [
                    {"name": "group", "value": group_name},
                    {"name": "platforms", "value": ", ".join(info["platforms"])},
                ],
            })

    layer = {
        "name": f"{group_name} Cobertura TTP",
        "versions": {"attack": "16.1", "navigator": "5.1.0", "layer": "4.5"},
        "domain": "enterprise-attack",
        "description": f"Técnicas atribuídas a {group_name}",
        "filters": {
            "platforms": ["Linux", "macOS", "Windows", "Cloud",
                          "Azure AD", "Office 365", "SaaS", "Google Workspace"]
        },
        "sorting": 0,
        "layout": {
            "layout": "side", "aggregateFunction": "average",
            "showID": True, "showName": True,
            "showAggregateScores": False, "countUnscored": False,
        },
        "hideDisabled": False,
        "techniques": techniques_list,
        "gradient": {"colors": ["#ffffff", color], "minValue": 0, "maxValue": 100},
        "legendItems": [
            {"label": f"Usado por {group_name}", "color": color},
            {"label": "Não observado", "color": "#ffffff"},
        ],
        "showTacticRowBackground": True,
        "tacticRowBackground": "#dddddd",
        "selectTechniquesAcrossTactics": True,
        "selectSubtechniquesWithParent": False,
        "selectVisibleTechniques": False,
    }
    return layer

layer = create_navigator_layer("APT29", technique_map)
with open("apt29_layer.json", "w") as f:
    json.dump(layer, f, indent=2)
print("[+] Camada salva: apt29_layer.json")

Passo 3: Comparar Múltiplos Grupos APT

groups_to_compare = {"G0016": "APT29", "G0007": "APT28", "G0032": "Grupo Lazarus"}
group_techniques = {}

for gid, gname in groups_to_compare.items():
    techs = lift.get_techniques_used_by_group(gid)
    tech_ids = set()
    for t in techs:
        for ref in t.get("external_references", []):
            if ref.get("source_name") == "mitre-attack":
                tech_ids.add(ref.get("external_id", ""))
    group_techniques[gname] = tech_ids

common_to_all = set.intersection(*group_techniques.values())
print(f"Técnicas comuns a todos os grupos: {len(common_to_all)}")
for tid in sorted(common_to_all):
    print(f"  {tid}")

for gname, techs in group_techniques.items():
    others = set.union(*[t for n, t in group_techniques.items() if n != gname])
    unique = techs - others
    print(f"\nExclusivas de {gname}: {len(unique)} técnicas")

Passo 4: Análise de Lacunas de Detecção com Sobreposição de Camadas

# Definir suas capacidades atuais de detecção
detected_techniques = {
    "T1059", "T1059.001", "T1071", "T1071.001", "T1566", "T1566.001",
    "T1547", "T1547.001", "T1053", "T1053.005", "T1078", "T1027",
}

actor_techniques = set(technique_map.keys())
covered = actor_techniques.intersection(detected_techniques)
gaps = actor_techniques - detected_techniques

print(f"=== Análise de Lacunas de Detecção para APT29 ===")
print(f"Técnicas do ator: {len(actor_techniques)}")
print(f"Detectadas: {len(covered)} ({len(covered)/len(actor_techniques)*100:.0f}%)")
print(f"Lacunas: {len(gaps)} ({len(gaps)/len(actor_techniques)*100:.0f}%)")

# Criar camada de lacunas (vermelho = não detectado, verde = detectado)
gap_techniques = []
for tech_id in actor_techniques:
    info = technique_map.get(tech_id, {})
    for tactic in info.get("tactics", [""]):
        color = "#66ff66" if tech_id in detected_techniques else "#ff3333"
        gap_techniques.append({
            "techniqueID": tech_id,
            "tactic": tactic,
            "color": color,
            "comment": f"{'DETECTADO' if tech_id in detected_techniques else 'LACUNA'}: {info.get('name', '')}",
            "enabled": True,
            "score": 100 if tech_id in detected_techniques else 0,
        })

gap_layer = {
    "name": "Análise de Lacunas de Detecção APT29",
    "versions": {"attack": "16.1", "navigator": "5.1.0", "layer": "4.5"},
    "domain": "enterprise-attack",
    "description": "Verde = detectado, Vermelho = lacuna",
    "techniques": gap_techniques,
    "gradient": {"colors": ["#ff3333", "#66ff66"], "minValue": 0, "maxValue": 100},
    "legendItems": [
        {"label": "Detectado", "color": "#66ff66"},
        {"label": "Lacuna de Detecção", "color": "#ff3333"},
    ],
}
with open("apt29_gap_layer.json", "w") as f:
    json.dump(gap_layer, f, indent=2)

Passo 5: Análise Detalhada por Tática

from collections import defaultdict

tactic_breakdown = defaultdict(list)
for tech_id, info in technique_map.items():
    for tactic in info["tactics"]:
        tactic_breakdown[tactic].append({"id": tech_id, "name": info["name"]})

tactic_order = [
    "reconnaissance", "resource-development", "initial-access",
    "execution", "persistence", "privilege-escalation",
    "defense-evasion", "credential-access", "discovery",
    "lateral-movement", "collection", "command-and-control",
    "exfiltration", "impact",
]

print("\n=== Detalhamento por Tática do APT29 ===")
for tactic in tactic_order:
    techs = tactic_breakdown.get(tactic, [])
    if techs:
        print(f"\n{tactic.upper()} ({len(techs)} técnicas):")
        for t in techs:
            print(f"  {t['id']}: {t['name']}")

Critérios de Validação

• Dados do ATT&CK consultados com sucesso via servidor TAXII
• Grupo APT mapeado para todas as técnicas documentadas com exemplos de procedimentos
• JSON da camada do Navigator valida e renderiza corretamente no ATT&CK Navigator
• Sobreposição de múltiplas camadas mostra cobertura do ator vs. detecção
• Análise de lacunas de detecção identifica técnicas não monitoradas com recomendações de fontes de dados
• Comparação entre grupos revela TTPs compartilhados e exclusivos
• Resultado é acionável para priorização de engenharia de detecção

Referências

• MITRE ATT&CK Navigator
• Grupos ATT&CK
• Biblioteca Python attackcti
• Formato de Camada do Navigator v4.5
• Melhores Práticas da CISA para Mapeamento MITRE ATT&CK
• Picus: Aproveite o MITRE ATT&CK para Inteligência de Ameaças