analisando-ttps-de-atores-de-ameaca-com-mitre-attack

Analisando TTPs de Atores de Ameaça com MITRE ATT&CK

Visão Geral

MITRE ATT&CK é uma base de conhecimento globalmente acessível de táticas, técnicas e procedimentos (TTPs) de adversários, baseada em observações do mundo real. Esta skill abrange o mapeamento sistemático do comportamento de atores de ameaça para o framework ATT&CK, a construção de mapas de calor de cobertura de técnicas usando o ATT&CK Navigator, a identificação de lacunas de detecção e a produção de relatórios de inteligência acionáveis que vinculam IOCs observados a técnicas específicas de adversários nas matrizes Enterprise, Mobile e ICS.

Quando Usar

• Ao investigar incidentes de segurança que exigem analisar TTPs de atores de ameaça com MITRE ATT&CK
• 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 mitreattack-python, attackcti, stix2
• MITRE ATT&CK Navigator (implantação web ou local)
• Compreensão da estrutura da matriz ATT&CK: Táticas, Técnicas, Sub-técnicas
• Acesso a relatórios de inteligência de ameaças ou MISP/OpenCTI para dados de atores de ameaça
• Familiaridade com objetos STIX 2.1 Attack Pattern

Conceitos-chave

Estrutura da Matriz ATT&CK

A matriz ATT&CK Enterprise organiza o comportamento do adversário em 14 Táticas (o "porquê") contendo Técnicas (o "como") e Sub-técnicas (implementações específicas). Cada técnica possui fontes de dados, detecções, mitigações e exemplos de procedimentos do mundo real de grupos de ameaça observados.

Perfis de Grupos de Ameaça

O ATT&CK cataloga mais de 140 grupos de ameaça (por exemplo, APT28, APT29, Lazarus Group, FIN7) com uso documentado de técnicas. Cada perfil de grupo inclui aliases, setores-alvo, campanhas associadas, software utilizado e mapeamentos de técnicas com detalhes de procedimentos.

ATT&CK Navigator

O ATT&CK Navigator é uma ferramenta baseada na web para criar visualizações personalizadas da matriz ATT&CK. Os analistas criam camadas (arquivos JSON) que anotam técnicas com pontuações, cores, comentários e metadados para visualizar a cobertura do ator de ameaça, as capacidades de detecção ou as avaliações de risco.

Fluxo de Trabalho

Passo 1: Consultar Dados ATT&CK Programaticamente

from attackcti import attack_client
import json

# Inicializa o cliente ATT&CK (consulta o servidor TAXII da MITRE)
lift = attack_client()

# Obtém todas as técnicas Enterprise
enterprise_techniques = lift.get_enterprise_techniques()
print(f"Total de técnicas Enterprise: {len(enterprise_techniques)}")

# Obtém todos os grupos de ameaça
groups = lift.get_groups()
print(f"Total de grupos de ameaça: {len(groups)}")

# Obtém um grupo específico pelo nome
apt29 = [g for g in groups if 'APT29' in g.get('name', '')]
if apt29:
    group = apt29[0]
    print(f"Grupo: {group['name']}")
    print(f"Aliases: {group.get('aliases', [])}")
    print(f"Descrição: {group.get('description', '')[:200]}")

Passo 2: Mapear Ator de Ameaça para Técnicas ATT&CK

from attackcti import attack_client

lift = attack_client()

# Obtém técnicas usadas pelo APT29
apt29_techniques = lift.get_techniques_used_by_group("G0016")  # ID do grupo APT29

technique_map = {}
for entry in apt29_techniques:
    tech_id = entry.get("external_references", [{}])[0].get("external_id", "")
    tech_name = entry.get("name", "")
    description = entry.get("description", "")
    tactic_refs = [
        phase.get("phase_name", "")
        for phase in entry.get("kill_chain_phases", [])
    ]

    technique_map[tech_id] = {
        "name": tech_name,
        "tactics": tactic_refs,
        "description": description[:300],
    }

print(f"\nAPT29 usa {len(technique_map)} técnicas:")
for tid, info in sorted(technique_map.items()):
    print(f"  {tid}: {info['name']} [{', '.join(info['tactics'])}]")

Passo 3: Gerar Camada do ATT&CK Navigator

import json

def create_navigator_layer(group_name, technique_map, description=""):
    """Gera JSON de camada do ATT&CK Navigator para um grupo de ameaça."""
    techniques_list = []
    for tech_id, info in technique_map.items():
        techniques_list.append({
            "techniqueID": tech_id,
            "tactic": info["tactics"][0] if info["tactics"] else "",
            "color": "#ff6666",  # Vermelho para técnicas observadas
            "comment": info["description"][:200],
            "enabled": True,
            "score": 100,
            "metadata": [
                {"name": "group", "value": group_name},
            ],
        })

    layer = {
        "name": f"Cobertura de TTPs {group_name}",
        "versions": {
            "attack": "16.1",
            "navigator": "5.1.0",
            "layer": "4.5",
        },
        "domain": "enterprise-attack",
        "description": description or f"Técnicas atribuídas a {group_name}",
        "filters": {"platforms": ["Windows", "Linux", "macOS", "Cloud"]},
        "sorting": 0,
        "layout": {
            "layout": "side",
            "aggregateFunction": "average",
            "showID": True,
            "showName": True,
            "showAggregateScores": False,
            "countUnscored": False,
        },
        "hideDisabled": False,
        "techniques": techniques_list,
        "gradient": {
            "colors": ["#ffffff", "#ff6666"],
            "minValue": 0,
            "maxValue": 100,
        },
        "legendItems": [
            {"label": "Técnica observada", "color": "#ff6666"},
            {"label": "Não observada", "color": "#ffffff"},
        ],
        "showTacticRowBackground": True,
        "tacticRowBackground": "#dddddd",
        "selectTechniquesAcrossTactics": True,
        "selectSubtechniquesWithParent": False,
        "selectVisibleTechniques": False,
    }

    return layer


# Gera e salva a camada
layer = create_navigator_layer("APT29", technique_map, "Análise de TTPs do APT29 (Cozy Bear)")
with open("apt29_navigator_layer.json", "w") as f:
    json.dump(layer, f, indent=2)
print("[+] Camada do Navigator salva em apt29_navigator_layer.json")

Passo 4: Identificar Lacunas de Detecção

from attackcti import attack_client

lift = attack_client()

# Obtém todas as técnicas com fontes de dados
all_techniques = lift.get_enterprise_techniques()

# Constrói mapa de cobertura de fontes de dados
data_source_coverage = {}
for tech in all_techniques:
    tech_id = tech.get("external_references", [{}])[0].get("external_id", "")
    data_sources = tech.get("x_mitre_data_sources", [])

    for ds in data_sources:
        if ds not in data_source_coverage:
            data_source_coverage[ds] = []
        data_source_coverage[ds].append(tech_id)

# Compara técnicas do ator com detecções disponíveis
detected_techniques = {"T1059", "T1071", "T1566"}  # Exemplo: técnicas que você pode detectar
actor_techniques = set(technique_map.keys())

covered = actor_techniques.intersection(detected_techniques)
gaps = actor_techniques - detected_techniques

print(f"\n=== 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}%)")
print(f"\nTécnicas não detectadas:")
for tech_id in sorted(gaps):
    if tech_id in technique_map:
        print(f"  {tech_id}: {technique_map[tech_id]['name']}")

Passo 5: Comparação de Técnicas entre Grupos

from attackcti import attack_client

lift = attack_client()

# Compara técnicas entre vários grupos
groups_to_compare = {
    "G0016": "APT29",
    "G0007": "APT28",
    "G0032": "Lazarus Group",
}

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:
        tid = t.get("external_references", [{}])[0].get("external_id", "")
        if tid:
            tech_ids.add(tid)
    group_techniques[gname] = tech_ids

# Encontra técnicas comuns e únicas
all_groups = list(group_techniques.keys())
common_to_all = set.intersection(*group_techniques.values())
print(f"\nTécnicas comuns a todos os {len(all_groups)} grupos: {len(common_to_all)}")
for tid in sorted(common_to_all):
    print(f"  {tid}")

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

Critérios de Validação

• Dados ATT&CK consultados com sucesso via servidor TAXII ou cópia local
• Ator de ameaça mapeado para técnicas específicas com exemplos de procedimentos
• JSON da camada do ATT&CK Navigator é válido e renderiza corretamente
• Análise de lacunas de detecção identifica técnicas não monitoradas
• Comparação entre grupos revela TTPs compartilhadas e únicas
• Saída é acionável para priorização de engenharia de detecção

Referências

• MITRE ATT&CK
• ATT&CK Navigator
• Biblioteca Python attackcti
• Dados STIX do ATT&CK
• Grupos ATT&CK