Ingeniería de detección

Convierte un comportamiento documentado en una regla comprobable. Examina requisitos de telemetría, contraejemplos benignos y lagunas de cobertura.

Una detección es útil cuando sus condiciones coinciden con la telemetría que realmente recoges. Una regla convincente puede usar campos que tu pipeline no produce o coincidir con tareas administrativas normales.

Aporta un conjunto pequeño de eventos sintéticos o saneados y el formato de regla. Usa la conversación para describir el comportamiento, estudiar falsos positivos y preparar la validación. La publicación y ejecución siguen en tu propio flujo de detección.

Material de partida

  • El comportamiento que detectar, con evidencia de un aviso, una nota de análisis o un evento observado.
  • El formato de regla y los nombres exactos de campos y fuentes de eventos disponibles.
  • Un evento que debe coincidir y varios contraejemplos benignos, sin valores sensibles.

Analiza las evidencias

  1. Describe el comportamiento sin depender del nombre de una familia de malware. Identifica los campos que pueden expresarlo.
  2. Pide un borrador vinculado al esquema aportado. Marca explícitamente campos ausentes y sintaxis no compatible.
  3. Prepara pruebas: coincidencia esperada, caso parecido sin coincidencia, tarea administrativa habitual y evento con campos ausentes.
  4. Valida sintaxis y resultados en el motor real. Documenta dependencias de datos, supuestos de ajuste y comportamientos que la regla no cubre.

Un prompt para adaptar

Adáptalo a tus pruebas
Redacta una detección para el comportamiento de estos eventos saneados usando solo el esquema aportado. Explica cada condición. Incluye eventos positivos, parecidos sin coincidencia y administrativos benignos; identifica falsos positivos probables y telemetría necesaria. No inventes campos ni afirmes que la regla se publicó o probó.

Comprueba el resultado

  • El motor acepta la sintaxis y todos los campos citados existen en la telemetría recogida.
  • Los casos positivos y benignos producen los resultados esperados en el motor real.
  • La documentación indica alcance, dependencias, decisiones de ajuste y puntos ciegos conocidos.

Lleva tus evidencias a una conversación y trabaja en la siguiente pregunta.

Abrir chat