Skip to content

About

Home SOC Lab: Detection Engineering for Web (SQLi, XSS) & Windows Endpoint (LSASS Dumping) attacks using Wazuh SIEM, Sysmon, and Atomic Red Team.

Topics

Resources

Stars

0 stars

Watchers

1 watching

Forks

Latest commit

 

History

16 Commits

Folders and files

Repository files navigation

Home SOC Lab: Analiza Telemetrii i Inżynieria Detekcji w Wazuh SIEM

SIEM Environment OS MITRE

1. Cel projektu

Celem projektu było zaprojektowanie, wdrożenie oraz przetestowanie środowiska Security Operations Center (SOC) w warunkach laboratoryjnych. Projekt odzwierciedla pełny cykl pracy analityka SOC Tier 1 oraz Detection Engineera:

  1. Zbudowanie architektury zbierania logów z podatnej aplikacji webowej (OWASP Juice Shop) oraz stacji roboczej (Windows 10 z Sysmonem).
  2. Przeprowadzenie kontrolowanych symulacji ataków webowych (SQLi, XSS, Path Traversal) oraz ataków na endpoint (OS Credential Dumping - LSASS) przy użyciu Atomic Red Team.
  3. Analizę surowej telemetrii i identyfikację wskaźników kompromitacji (IoC).
  4. Opracowanie własnych reguł detekcji w języku XML, korelacja zdarzeń oraz mapowanie logiki do matrycy MITRE ATT&CK.

2. Architektura Laboratorium

Środowisko zostało zwirtualizowane przy użyciu hiperwizora VMware Workstation i podzielone na segmenty:

Komponent System / Technologia Rola w środowisku
Wazuh Server (SIEM) Ubuntu Server (Docker Compose) Centralny menedżer logów (wazuh-manager), silnik analityczny, indeksowanie oraz wizualizacja.
Monitorowany Host Web Kali Linux (kali-endpoint) Host uruchamiający cel ataków webowych – OWASP Juice Shop (Node.js / SQLite).
Monitorowany Endpoint Windows 10 Stacja robocza z wdrożonym systemem Sysmon, cel testów Atomic Red Team (kradzież poświadczeń).

3. Konfiguracja potoku logów (Web & Endpoint)

Logi aplikacyjne (Juice Shop / Kali):

Strumieniowanie wyjścia kontenera do dedykowanego pliku dziennika na hoście Kali Linux:

sudo su -
mkdir -p /var/log/juiceshop
docker logs -f juiceshop >> /var/log/juiceshop/access.log 2>&1 &

W pliku ossec.conf dodano monitorowanie (<log_format>syslog</log_format>).

Logi endpointowe (Sysmon / Windows 10):

Zainstalowano agenta Wazuh oraz system Sysmon (z dedykowaną konfiguracją XML). W pliku ossec.conf na maszynie Windows zdefiniowano subskrypcję kanału zdarzeń:

<localfile>
  <location>Microsoft-Windows-Sysmon/Operational</location>
  <log_format>eventchannel</log_format>
</localfile>

4. Symulacja Ataku i Analiza Wskaźników (Web)

Przeprowadzono próbę manipulacji zapytaniem bazodanowym w endpoincie wyszukiwarki produktów za pomocą ładunku SQL Injection:

curl -s "http://localhost:3000/rest/products/search?q='''%20OR%201=1--" > /dev/null

Brak parametryzacji zapytania wywołał błąd wykonania silnika SQLite, zarejestrowany w strumieniu: Error: SQLITE_ERROR: incomplete input.

  • Widok z perspektywy atakującego (Kali Linux):
    Terminal Kali - Ataki

5. Inżynieria Detekcji (Reguły Customowe)

Wdrożono zestaw autorskich reguł w pliku juiceshop_rules.xml. Przykład dla korelacji zautomatyzowanego skanowania katalogów:

  <!-- DIRECTORY BRUTE-FORCE -->
  <rule id="100012" level="3">
    <match> 404 </match>
    <description>Juice Shop: Zasob nie zostal odnaleziony (HTTP 404)</description>
  </rule>

  <rule id="100013" level="10" frequency="8" timeframe="30">
    <if_matched_sid>100012</if_matched_sid>
    <description>Juice Shop: Wykryto automatyczne skanowanie katalogow (seria 404)</description>
    <mitre>
      <id>T1083</id>
    </mitre>
  </rule>
  • Widok reguł w Wazuh Dashboard:
    Niestandardowe reguły Wazuh

6. Symulacja i Detekcja Kradzieży Poświadczeń (Windows LSASS)

W ramach testowania bezpieczeństwa stacji roboczej (Endpoint Security), wykorzystano framework Atomic Red Team do przeprowadzenia symulacji zrzutu pamięci procesu LSASS (Technika MITRE: T1003.001). Testy wykonano w systemie Windows 10 z zainstalowanym Sysmonem (Event ID 10 - ProcessAccess).

Wykonano trzy warianty ataku:

Wariant 1: Użycie narzędzia ProcDump (T1003.001-1) Zrzut ProcDump

Wariant 2: Użycie systemowej biblioteki comsvcs.dll - LoLBin (T1003.001-2) Zrzut comsvcs

Wariant 3: Użycie bezpośrednich wywołań systemowych i unhookingu API (T1003.001-3) Zrzut Dumpert

Wynik Detekcji w Wazuh SIEM

Analiza w panelu Threat Hunting udowodniła, że Wazuh poprawnie interpretuje telemetrię z Sysmona. System zareagował alertami o poziomie krytycznym (Level 12) na podstawie potężnej, wbudowanej reguły 92900, skutecznie flagując warianty oparte na zewnętrznych payloadach (np. ProcDump).

  • Detekcja dostępu do LSASS w panelu Wazuh:
    Detekcja LSASS

7. Wizualizacja i Triage w Dashboardzie (Threat Hunting)

Zdarzenia napływające z agentów są na bieżąco korelowane i prezentowane w module Threat Hunting.

  • Zarejestrowane alerty w panelu Discover:
    Alerty Wazuh Alerty Wazuh2

8. Napotkane problemy i Troubleshooting (Wnioski)

Podczas wdrażania napotkano na problemy, których rozwiązanie dostarczyło cennej wiedzy z zakresu działania systemów SIEM oraz EDR:

  1. Konflikty w silniku analitycznym (Nadpisywanie reguł):

    • Objaw: Zdarzenia Sysmona z Windows 10 (Event ID 10) były błędnie klasyfikowane jako atak webowy Path Traversal dla Juice Shopu.
    • Rozwiązanie: Zdiagnozowano problem przy użyciu narzędzia wazuh-logtest. Okazało się, że zbyt ogólna reguła dla Juice Shopu (szukająca znaków ../ lub \) przechwytywała ścieżki systemowe Windowsa (np. C:\Windows\System32\rundll32.exe). Wymusiło to uszczegółowienie reguł webowych (dodanie tagów <match>GET|POST</match>), co przywróciło prawidłową klasyfikację logów z endpointów.
  2. Ciche blokowanie procesów (LoLBins vs EDR/Defender):

    • Objaw: Wykonanie zrzutu pamięci wariantem drugim (comsvcs.dll) nie generowało alertów w SIEM, mimo prawidłowej składni reguł.
    • Rozwiązanie: Analiza wykazała, że ataki typu LoLBin (wykorzystujące natywne pliki systemu operacyjnego) są agresywniej monitorowane przez mechanizmy ochronne Windows Defender i EDR. Proces był zabijany u źródła tak szybko, że system operacyjny nie zdążył wypchnąć zdarzenia "ProcessAccess" do dziennika Sysmona. Udowadnia to różnicę między błędem detekcji SIEM a skuteczną, natywną prewencją endpointa.
  3. Problem z formatowaniem XML (Błąd invalid token):

    • Zastąpiono znaki specjalne HTML (np. <script) uniwersalnymi wzorcami Regex, aby parser XML menedżera nie odrzucał reguł customowych.

9. Automatyzacja blokowania podejrzanych IP (Python)

W repozytorium dodano skrypt wazuh_auto_block.py, który:

  1. Loguje się do API Wazuh.
  2. Pobiera alerty i filtruje je po rule.id i oknie czasowym.
  3. Wyszukuje źródłowe adresy IP.
  4. Wywołuje Active Response do blokowania IP (lub działa w trybie dry-run).

Szybki start

export WAZUH_BASE_URL="https://<WAZUH_IP>:55000"
export WAZUH_USERNAME="wazuh-wui"
export WAZUH_PASSWORD="<HASLO_API>"

# Tryb bez zmian (podgląd)
python3 wazuh_auto_block.py --no-verify-ssl

# Realne blokowanie IP
python3 wazuh_auto_block.py --no-verify-ssl --execute-block

About

Home SOC Lab: Detection Engineering for Web (SQLi, XSS) & Windows Endpoint (LSASS Dumping) attacks using Wazuh SIEM, Sysmon, and Atomic Red Team.

Topics

Resources

Stars

0 stars

Watchers

1 watching

Forks

Releases

Packages

Contributors

Languages