Um framework e taxonomia para identificar, classificar e raciocinar sobre bugs de lógica de detecção em regras SIEM, EDR e XDR, com exemplos concretos e bypasses do mundo real.
Antecipe-se aos Falsos Negativos compreendendo como a lógica de detecção falha antes que os agentes de ameaça a explorem.
Confira o site: https://adeframework.org/
A Engenharia de Detecção Adversarial (ADE) é a disciplina de raciocinar sobre Falsos Negativos em regras de detecção. O Framework ADE fornece uma formalização moderna de código aberto dos Bugs de Lógica de Detecção - divergências entre o que uma regra de detecção pretende detectar e o que ela realmente detecta.
Em vez de esperar por Falsos Negativos do mundo real, os engenheiros de detecção podem perguntar proativamente:
"Quais variações fariam a lógica de detecção desta regra deixar de capturar aquilo que ela foi projetada para detectar?"
Essa linha de raciocínio adversarial espelha como os agentes de ameaça podem abusar de fraquezas na lógica de detecção.
O propósito do ADE não é forçar a perfeição no design, embora esse seja um objetivo ideal - mas aumentar a conscientização e rastrear limitações, mesmo que intencionais:
Novo no ADE? Comece aqui:
Pronto para se aprofundar?
O framework identifica 4 categorias principais e 16 subcategorias de bugs de lógica de detecção:
🌳 ADE1 – Reformatting in Actions
├─ ADE1-01 Substring Manipulation
└─ ADE1-02 Normalization Asymmetry
🌳 ADE2 – Omit Alternatives
├─ ADE2-01 Method/Binary
├─ ADE2-02 Versioning
├─ ADE2-03 Locations
└─ ADE2-04 File Types
🌳 ADE3 – Context Development
├─ ADE3-01 Process Cloning
├─ ADE3-02 Aggregation Hijacking
├─ ADE3-03 Timing and Scheduling
├─ ADE3-04 Event Fragmentation
├─ ADE3-05 Lineage Spoofing
└─ ADE3-06 Limit Saturation
🌳 ADE4 – Logic Manipulation
├─ ADE4-01 Gate Inversion
├─ ADE4-02 Conjunction Inversion
├─ ADE4-03 Incorrect Expression
└─ ADE4-04 Field Mismapping & Semantics
→ Explore a Taxonomia Completa
Definições formais e fundamentação teórica:
Classificação abrangente com terminologia clara:
Exemplos concretos de rulesets de produção: