Skip to content
KitploitKITPLOIT
ToolsBlog
Einreichen
ToolsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

··Feeds·Kontakt·Datenschutz·© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
security-operations-labs — Threat Modeling, IT-/OT-Segmentierung, Snort Detection und reproduzierbare Validierung eines Drupal-Detection-Profils. | Kitploit
Tools/GitHubGitHub/elihiho/security-operations-labs
Vulnerability ScannersConfiguration AuditingNetwork SecurityThreat IntelligenceIntrusion DetectionLearning & EducationCurated ResourcesLabs & Practice
GitHub
elihiho/security-operations-labs

security-operations-labs

Threat Modeling, IT-/OT-Segmentierung, Snort Detection und reproduzierbare Validierung eines Drupal-Detection-Profils.

Repository anzeigen
vor 1 MonatNoch nicht geprüft

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →
Teilen

Security Operations Labs

Überblick

Dieses Repository bündelt defensive Security-Arbeiten aus dem Hochschulkontext in einer für die öffentliche Nachvollziehbarkeit neu aufbereiteten Form. Im Mittelpunkt stehen Methodik, reproduzierbare Labs, Validierung und die Grenzen der entwickelten Maßnahmen – nicht die Veröffentlichung von Kursmaterial.

Enthaltene Projekte

ProjektInhalt
Threat ModelingSTRIDE-Analyse, MITRE-ATT&CK-Zuordnung, abstrahiertes DFD und Risikoregister
IT-/OT-NetzwerksegmentierungDefault-Deny-Gateway mit iptables, Logging und kontrollierter Verifikation
Snort DetectionRegeln für Reconnaissance, ICMP und wiederholte SSH-Verbindungen
CVE-2026-9082 Detection LabNuclei-Profil mit positiver, gepatchter und nicht betroffener Negativkontrolle

Threat Modeling

Die Fallstudie untersucht eine anonymisierte Produktionsumgebung mit verbundenen IT- und OT-Systemen. Assets, Kommunikationspfade und Trust Boundaries werden erfasst, mit STRIDE analysiert und relevanten Techniken aus MITRE ATT&CK Enterprise und ICS zugeordnet. Ein qualitatives Risikomodell priorisiert insbesondere Lateral Movement und Produktionsausfälle.

IT-/OT-Netzwerksegmentierung

Ein Gateway trennt Office- und simuliertes OT-/SCADA-Segment. Die Forwarding-Policy folgt dem Whitelist-Prinzip: etablierter Rückverkehr und explizit erlaubte Dienste passieren, unerlaubter Verkehr wird vor dem DROP protokolliert. Nmap, kontrollierter Testverkehr, Firewall-Counter und Logs verifizieren Regeln und Rückwege.

Snort Detection

Die Snort-Konfiguration definiert ein passendes HOME_NET und erkennt im Lab TCP-/UDP-Reconnaissance, ICMP zum OT-Segment sowie wiederholte SSH-Verbindungsversuche. Die Regeln demonstrieren Detection Engineering; Schwellenwerte müssen für produktive Netze angepasst werden.

CVE-2026-9082 Detection Lab

Das Nuclei-Template wird gegen drei lokale Instanzen geprüft:

ZielDatenbankErwartung
verwundbare Drupal-VersionPostgreSQLDetection
gepatchte Drupal-VersionPostgreSQLkeine Detection
verwundbare Drupal-VersionMariaDBkeine Detection

Die MariaDB-Instanz ist eine wichtige Negativkontrolle: Sie nutzt dieselbe Drupal-Version wie die positive Kontrolle, ist vom PostgreSQL-spezifischen Query-Pfad jedoch nicht betroffen. Dadurch wird geprüft, ob das Profil mehr als eine bloße Versionskennung leistet.

Technologien

iptables · Snort · Nuclei · Docker Compose · Drupal · PostgreSQL · MariaDB

Mein Beitrag

Meine Arbeit umfasste insbesondere:

  • Threat- und Risikoanalyse;
  • ein abstrahiertes Data-Flow-Diagramm und anonymisiertes Risikoregister;
  • Entwicklung und Prüfung der iptables- und Snort-Regeln;
  • Testkonzept und anonymisierte Auswertung;
  • Entwicklung des Nuclei-Templates;
  • Drei-Instanzen-Validierung mit positiver und zwei negativen Kontrollen;
  • False-Positive-/False-Negative-Analyse; sowie
  • Dokumentation der Lessons Learned.

Reproduzierbarkeit

Die Unterprojekte dokumentieren Voraussetzungen, Konfiguration und Testschritte. Das Drupal-Lab verwendet Docker Compose und Nuclei; das Segmentierungs-Lab benötigt isolierte Linux-Systeme oder VMs mit administrativen Rechten. Lange HTTP-Rohantworten und Desktop-Metadaten sind bewusst nicht Teil der öffentlichen Evidenz.

Sicherheit und Ethik

Aktive Prüfungen dürfen ausschließlich gegen eigene oder ausdrücklich freigegebene Systeme erfolgen. Das Nuclei-Profil ist detection-orientiert, extrahiert keine Daten und verändert keine Anwendungseinträge. Auch nichtdestruktive Requests können Logs erzeugen. Firewall-Skripte dürfen nur in isolierten Labs ausgeführt werden, da sie aktive Regeln ersetzen.

Erkenntnisse

  • Risikowerte sind nur mit dokumentierten Annahmen und Geschäftskontext nützlich.
  • Segmentierung muss Routing und Rückverkehr einbeziehen und praktisch getestet werden.
  • Detection-Regeln benötigen positive und negative Kontrollen.
  • Fehlerbasierte Detection kann präzise sein, aber bei unterdrückten Fehlermeldungen False Negatives erzeugen.

Hochschulkontext

Die Arbeiten entstanden im Rahmen eines Security-Operations-Moduls an der THWS. Veröffentlicht werden neu formulierte eigene Analysen und Lab-Artefakte, nicht die Aufgabenstellung, Vorlesungsfolien, bereitgestellte Netzpläne oder vollständige Abgaben.

Tool herunterladen