Dop2Mop

Коллектор OpenGraph для BloodHound, который отображает пути атак от инфраструктуры DevOps до инфраструктуры MLOps, собирая ресурсы CI/CD pipeline, service principal и ML platform для анализа латерального перемещения.

• Базовая коллекция
• Сбор с одной платформы
• Сбор с нескольких платформ
• Примеры сбора из GitHub
• Примеры сбора из Azure DevOps
• Примеры сбора из Azure ML
• Примеры сбора из AWS SageMaker
• Полный сбор окружения

Благодарности

• SpecterOps за BloodHound и OpenGraph

Обзор

Dop2Mop собирает данные с платформ DevOps и MLOps для выявления путей атак, обеспечивающих боковое перемещение из конвейеров CI/CD в инфраструктуру обучения машинного обучения. Он выводит JSON OpenGraph, совместимый с BloodHound, для визуализации и анализа.

Поддерживаемые платформы

Сопоставленные границы доверия

Dop2Mop моделирует пять критических границ доверия, выявленных в исследовании:

1. TB1: Репозиторий кода в конвейер CI/CD - Автоматический запуск конвейеров из коммитов кода
2. TB2: Аутентификация сервисного принципала - Учётные данные NHI, используемые конвейерами для доступа к платформам ML
3. TB3: Доверие к контейнерным артефактам - Неявное доверие к образам контейнеров из внутренних реестров
4. TB4: Выполнение определения задания - Платформы ML выполняют определения заданий без проверки
5. TB5: Десериализация кода - Небезопасная десериализация наборов данных (pickle, joblib)

Установка```bash

git clone https://github.com/h4wkst3r/dop2mop.git cd dop2mop pip install -r requirements.txt pip install -e .

Импорт в BloodHound

1. Откройте BloodHound CE (v8.0+)
2. Перейдите в Administration → File Ingest
3. Загрузите сгенерированный JSON-файл
4. Выполните запрос с помощью Cypher:```cypher // Azure DevOps to Azure ML Lateral Movement MATCH p=(repo)-[:TriggersPipeline]->(pipeline)-[:UsesServiceConnection]->(svcconn)-[:AuthenticatesAs]->(workspace)-[:CodeExecution]->(compute) RETURN p

// Container Image Poisoning (Supply Chain Attack) MATCH p=(workflow)-[:CanPoisonImage]->(image)<-[:PullsImage]-(job) RETURN p

// OIDC/Federated Identity Abuse (confirmed edges) MATCH p=(workflow)-[:OIDCTrust]->(oidc)-[:CanAssumeRole]->(role)-[:SubmitsJob]->(job) RETURN p

// OIDC abuse including inferred paths MATCH p=(workflow)-[:OIDCTrust]->(oidc)-[:InferredCanAssumeRole]->(role) RETURN p

// Dataset Poisoning via Pickle Deserialization MATCH p=(workflow)-[:CanPoisonDataset]->(dataset)<-[:LoadsDataset]-(job) RETURN p

// Find repos with weak/no branch protection (TB1 exploitable) MATCH (repo)-[:BypassesProtection]->(repo) RETURN repo.name, repo.default_branch

// Find overprivileged SageMaker IAM roles MATCH (role:IAMRole) WHERE role.is_admin = true OR role.has_s3_full_access = true RETURN role.name, role.attached_policies

// Find SageMaker notebooks with root + internet access MATCH (nb:SMNotebook) WHERE nb.root_access = 'Enabled' AND nb.direct_internet_access = 'Enabled' RETURN nb.name, nb.status

// Find self-hosted ADO agent pools MATCH (agent:ADOAgent) WHERE agent.is_hosted = false RETURN agent.name, agent.pool_type

Dop2Mop проверяет следующие местоположения по порядку:

1. Путь, указанный в --config
2. dop2mop.yaml / dop2mop.yml / .dop2mop.yaml в текущей директории
3. ~/.dop2mop.yaml

Примечание: dop2mop.yaml находится в .gitignore, чтобы предотвратить случайную фиксацию учетных данных. Файл примера (dop2mop.yaml.example) безопасен для фиксации.

Смотрите dop2mop.yaml.example для всех доступных опций с комментариями.

Приоритет: аргументы CLI > файл конфигурации > переменные окружения.

Проверка учетных данных

Протестируйте учетные данные перед запуском полного сбора:```bash

Validate all configured collectors

dop2mop collect --validate -v

Validate specific collectors

dop2mop collect --validate --collectors github,sagemaker -v

Справочник по CLI

Обзор команд```

dop2mop [options]

Commands: collect Collect data from DevOps/MLOps platforms demo Generate demo data with attack scenarios

Основные параметры

Параметры GitHub

Параметры Azure DevOps

Параметры Azure ML

Параметры AWS SageMaker

Доступные сборщики

dop2mop demo

Сгенерировать демонстрационные данные, показывающие четыре сценария атак из исследования.```bash dop2mop demo [OPTIONS]

Примеры использования CLI

Базовая коллекция```bash

Collect from all configured platforms (uses environment variables)

dop2mop collect -o output.json

Use a config file

dop2mop collect --config dop2mop.yaml -o output.json -v

Validate credentials first, then collect

dop2mop collect --validate -o output.json -v

Collect with verbose logging

dop2mop collect -o output.json -v

Collect with debug logging

dop2mop collect -o output.json --debug

Collect and compress to ZIP

dop2mop collect -o output.json --zip

Limit collection size

dop2mop collect --max-items 100 -o output.json

Skip secret enumeration

dop2mop collect --no-secrets -o output.json

Многоплатформенная коллекция```bash

GitHub + SageMaker

dop2mop collect --collectors github,sagemaker -o output.json -v

GitHub + Azure DevOps

dop2mop collect --collectors github,ado -o output.json -v

Azure DevOps + Azure ML (full Azure stack)

dop2mop collect --collectors ado,azureml -o azure.json -v

All collectors explicitly

dop2mop collect --collectors github,ado,azureml,sagemaker -o full.json -v

Примеры коллекций Azure DevOps```bash

Using environment variables

export AZURE_DEVOPS_TOKEN="your-pat" export AZURE_DEVOPS_ORG="your-org" dop2mop collect --collectors AzureDevOpsCollector -o ado.json -v

Using command-line arguments (PAT)

dop2mop collect --collectors AzureDevOpsCollector
--azure-devops-token your-pat
--azure-devops-org your-org
-o ado.json -v

Using access token (Bearer auth)

dop2mop collect --collectors AzureDevOpsCollector
--azure-devops-access-token eyJ0...
--azure-devops-org your-org
-o ado.json -v

Примечание: Приоритет аутентификации Azure ML: токен доступа > субъект-служба > DefaultAzureCredential (az login). Токены доступа можно получить через az account get-access-token --resource https://management.azure.com/.

Примеры коллекции AWS SageMaker```bash

Using AWS profile (environment variable)

export AWS_PROFILE="your-profile" dop2mop collect --collectors SageMakerCollector -o sagemaker.json -v

Using AWS profile (command-line)

dop2mop collect --collectors SageMakerCollector
--aws-profile your-profile
-o sagemaker.json -v

Using access keys

dop2mop collect --collectors SageMakerCollector
--aws-access-key-id AKIAXXXXXXXXXXXXXXXX
--aws-secret-access-key xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
--aws-region us-east-1
-o sagemaker.json -v

Different AWS region

dop2mop collect --collectors SageMakerCollector
--aws-profile your-profile
--aws-region us-west-2
-o sagemaker.json -v

Переменные окружения

Все параметры командной строки могут быть заданы через переменные окружения:

Приоритет: аргументы CLI > файл конфигурации > переменные окружения.

Типы узлов

Узлы DevOps

Узлы MLOps

Узлы идентификации

Узлы артефактов

Типы рёбер

Рёбра путей атаки

Выведенные рёбра

Эти рёбра создаются эвристическим анализом, когда нет явных данных API (например, ARN ролей, хранящиеся в секретах). Они используют отдельные типы рёбер, чтобы вы могли фильтровать их в запросах BloodHound.

Структурные рёбра

Примеры запросов

См. файл queries/dop2mop_queries.cypher с полными примерами запросов.

Пользовательские значки

Dop2Mop включает предварительно настроенный файл значков для пользовательских типов узлов BloodHound в data/custom_icons.json.

Загрузка значков в BloodHound

Вариант 1: API Explorer (самый простой)

1. Откройте BloodHound CE и перейдите в Settings → API Explorer
2. Найдите POST /api/v2/custom-nodes
3. Нажмите «Try it out»
4. Вставьте содержимое custom_icons.json
5. Нажмите «Execute»

Вариант 2: HMAC-аутентификация (рекомендуется для автоматизации)

Сначала создайте токен API в BloodHound:

1. Перейдите в Settings → Administration → Manage Users
2. Нажмите на своего пользователя → Create Token
3. Сохраните Token ID и Token Key

Затем используйте этот скрипт Python для загрузки:```python #!/usr/bin/env python3 """Upload custom icons to BloodHound CE using HMAC authentication."""

import base64 import hashlib import hmac import json from datetime import datetime, timezone import requests

Configuration

BLOODHOUND_URL = "http://localhost:8080" TOKEN_ID = "your-token-id" TOKEN_KEY = "your-token-key" ICONS_FILE = "custom_icons.json"

def hmac_auth(method: str, uri: str, body: bytes = b"") -> dict: """Generate HMAC authentication headers.""" digester = hmac.new( base64.b64decode(TOKEN_KEY), msg=None, digestmod=hashlib.sha256 )

def upload_icons(): """Upload custom icons to BloodHound.""" uri = "/api/v2/custom-nodes" url = f"{BLOODHOUND_URL}{uri}"

if name == "main": upload_icons()

Python API```python

from dop2mop import Dop2MopCollector, CollectorConfig

Configure collection

config = CollectorConfig( github_token="ghp_xxx", github_org="myorg", aws_profile="default", )

Validate credentials first

collector = Dop2MopCollector(config) results = collector.validate_all() print(results) # {'GitHubCollector': True, 'SageMakerCollector': True, ...}

Run collection (supports aliases)

collector.run(collectors=["github", "sm"])

Save output

collector.save("output.json")

Get statistics

print(collector.get_stats())

Get per-collector failure/skip details

print(collector.get_collection_summary())

Создание пользовательских графов```python

from dop2mop.graph import OpenGraphBuilder from dop2mop.models import NodeKind, EdgeType

builder = OpenGraphBuilder(source_kind="CustomSource")

Add nodes

builder.create_node( id="my-pipeline", kinds=[NodeKind.AZURE_DEVOPS_PIPELINE.value], name="My Pipeline", displayname="Production Pipeline", )

builder.create_node( id="my-ml-workspace", kinds=[NodeKind.AZURE_ML_WORKSPACE.value], name="ML Workspace", displayname="Training Workspace", )

Add edge

builder.create_edge( start_id="my-pipeline", end_id="my-ml-workspace", kind=EdgeType.SUBMITS_JOB, properties={"trust_boundary": "TB4"} )

Export

builder.save("custom_graph.json")

Вывод покажет OK/FAILED для каждого сборщика до начала любой сборки.

Сводка сбора

После каждого запуска Dop2Mop выводит сводку, показывающую, что было собрано и что завершилось с ошибкой:```

Dop2Mop Collection Summary

Total Nodes: 142 DevOps: 45 MLOps: 38 Identity: 12 Artifact: 47

Total Edges: 201 Contains: 62 TriggersPipeline: 15 ...

──────────────────────────────────────────────────────── Collection Issues: GitHubCollector: 45 collected, 3 failed, 1 skipped FAIL: branch_protection:org/repo - 404 Not Found SKIP: branch_protection:org/private - Insufficient permissions

Output: output.json