Saltar al contenido
Nuevo

DeepSeek V4.1 Flash gratis por 7 días: 10M tokens al día tras una recarga de $10 o más. Hasta el 30/11.

Cómo funciona
mukul975/implementing-siem-use-case-tuningDFIR y threat hunting

implementing-siem-use-case-tuning

⁨Tune SIEM detection rules in Splunk and Elastic to reduce false positives⁩

v1.03 instalaciones+3 en 7 días36,3 mil EstrellasApache-2.0sincronizado hace 12 horas

Instalar

¿Aún no tienes la CLI de NotHoly? Instálala primero.

$ curl -fsSL https://notholy.com/install.sh | sh
$ notholy skills install mukul975/implementing-siem-use-case-tuning

Escribe en ⁦~/.notholy/skills⁩ después de comprobar la firma y el SHA-256.

FirmaFirmado, ed25519
3l3QzM+Hjc…3k31KSCA==La CLI comprueba el SHA-256 y la firma antes de escribir cualquier archivo.
Paquetec371eceb…c63ca2c7
c371eceb9563…503fc63ca2c74 archivos · ⁦8.3 KB⁩
EscaneoMedio2 hallazgos
  • Script ejecutable incluido con la skillscripts/agent.py
  • Enlaces a dominios externos
Ver el escaneo completo
Fuentegithub.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/implementing-siem-use-case-tuning@54a7988

Esta entrada todavía no está escrita en tu idioma, así que aparece en English.

Overview

SIEM use case tuning reduces alert fatigue by systematically analyzing detection rules for false positive rates, adjusting thresholds based on environmental baselines, creating context-aware whitelists, and measuring detection efficacy through precision/recall metrics. This skill covers tuning workflows for Splunk correlation searches and Elastic detection rules, including statistical baselining, exclusion list management, and alert-to-incident conversion tracking.

When to Use

  • When deploying or configuring implementing siem use case tuning capabilities in your environment
  • When establishing security controls aligned to compliance requirements
  • When building or improving security architecture for this domain
  • When conducting security assessments that require this implementation

Prerequisites

  • Splunk Enterprise/Cloud with ES or Elastic SIEM with detection rules enabled
  • Historical alert data (minimum 30 days) for baseline analysis
  • Python 3.8+ with requests library
  • SIEM admin credentials or API tokens

Steps

  1. Export current alert volumes per detection rule from SIEM
  2. Calculate false positive rate per rule using analyst disposition data
  3. Identify top noise-generating rules by volume and FP rate
  4. Build environmental baselines for thresholds (e.g., login counts, process spawns)
  5. Create whitelist entries for known-good entities (service accounts, scanners)
  6. Adjust rule thresholds using statistical analysis (mean + N standard deviations)
  7. Measure tuning impact via before/after precision and alert-to-incident ratio

Expected Output

JSON report with per-rule tuning recommendations including current FP rate, suggested threshold adjustments, whitelist entries, and projected alert reduction percentages.

Archivos de esta versión

Permisos

PermisoDeclaradoHallado en el escaneo
Lee archivosNoNo
Escribe archivosSíSí
Ejecuta comandos de shellSíSí
Usa la redSíSí
Usa conectoresNoNo
Controla un navegadorNoNo

Hallazgos del escaneo

Revisado el 13 nov 2026

  1. MediaArchivo · Script ejecutable incluido con la skillscripts/agent.py
  2. InfoEnlace · Enlaces a dominios externos

Un escaneo limpio baja el riesgo, pero no prueba que el paquete sea seguro. Lee lo que instalas.

VersiónPublicadaCommitSHA-256FirmaCambio de permisos
v1.013 nov 202654a7988c371ecebFirmada–

Pregunta todo lo que tu alcance permite.

Crea la cuenta, añade créditos y haz la primera pregunta en el chat o en la terminal.

  1. 1/3

    Crea la cuenta

    Individual o empresa. Puedes pasar a empresa después sin perder saldo ni claves.

    IndividualEmpresa
  2. 2/3

    Añade créditos

    Con tarjeta. Pagas por token, sin suscripción.

    $5.00recarga mínima
  3. 3/3

    Pregunta

    En el chat, o instala el CLI y ejecuta notholy login en tu terminal.

    $ notholy login