القائمة
使用 Elasticsearch/OpenSearch 实施用户和实体行为分析（UEBA），构建行为基线、计算异常分数、执行对等组分析，并检测内部威胁指标，如数据外泄、权限滥用和未授权访问模式。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/killvxk/cybersecurity-skills-zh --skill detecting-insider-threat-with-uebaيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
通过分析 Zeek dns.log 中的高熵子域名查询、超量查询量、超长查询长度以及异常 DNS 记录类型，检测 DNS 隧道和数据外泄中的隐蔽通道通信。适用于：当需要狩猎基于 DNS 的 C2 或数据外泄通道、调查异常 DNS 查询模式、或响应涉及 DNS 隧道工具（iodine、dnscat2、DNSExfiltrator）的威胁情报时使用。
实施 Google 的 BeyondCorp 零信任访问模型，通过 IAP、Access Context Manager 和 Chrome Enterprise Premium，消除网络边界的隐式信任，强制执行基于身份的访问控制，实现无 VPN 的安全应用访问。适用于将传统 VPN 替换为零信任架构、部署 Identity-Aware Proxy、配置设备信任策略、或为远程办公实施上下文感知访问控制时使用。
在授权的安全评估过程中，使用 Burp Suite 的扫描器、Intruder 和 Repeater 工具识别和验证跨站脚本（XSS）漏洞。适用于 Web 应用渗透测试中检测反射型、存储型和 DOM 型 XSS，验证自动化扫描器报告的 XSS 发现，以及评估 CSP 和 XSS 过滤器的有效性时使用。
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | detecting-insider-threat-with-ueba |
| description | 使用 Elasticsearch/OpenSearch 实施用户和实体行为分析（UEBA），构建行为基线、计算异常分数、执行对等组分析，并检测内部威胁指标，如数据外泄、权限滥用和未授权访问模式。 |
| domain | cybersecurity |
| subdomain | threat-detection |
| tags | ["ueba","insider-threat","anomaly-detection","elasticsearch","behavior-analytics","machine-learning","siem"] |
| version | 1.0 |
| author | mahipal |
| license | Apache-2.0 |
用户和实体行为分析（UEBA）超越了基于静态规则的检测，转而为用户、主机和应用程序建立正常行为模型，然后标记可能表示内部威胁的统计显著偏差。使用 Elasticsearch 作为分析后端，本技能涵盖从认证日志、文件访问事件和网络活动构建行为基线，使用统计偏差和对等组比较计算风险分数，以及将多个低置信度指标关联为高置信度内部威胁告警。
配置日志管道，将认证、文件访问、邮件和网络日志摄入 Elasticsearch，使用统一的用户身份字段。
使用 Elasticsearch 聚合，在滚动 30 天窗口内计算每用户的登录时间、数据量、应用程序使用情况和访问模式基线。
使用 z-score 偏差和对等组比较将当前活动与基线进行比对，生成每用户风险分数。
将多个异常指标（异常时段 + 大量下载 + 访问新系统）合并为触发 SOC 调查工作流的综合风险分数。
JSON 报告，包含每用户风险分数、异常活动详情、对等组偏差和推荐的调查操作。