building-threat-intelligence-enrichment-in-splunk
Ajuda seu agente a melhorar a detecção de ameaças no Splunk. Ele usa dados de segurança para identificar atividades perigosas mais rápido.
O que ela faz
Esta ferramenta ajuda a conectar fontes de inteligência sobre ameaças (como listas de IPs maliciosos ou domínios suspeitos) ao seu sistema de segurança Splunk. Ela automatiza a identificação de atividades perigosas em seus dados de segurança.
Quando usar
- ✓Ao configurar a segurança do seu ambiente.
- ✓Ao precisar verificar se há ameaças conhecidas em seus sistemas.
- ✓Ao querer acelerar a análise de incidentes de segurança.
Exemplo do que pedir para a IA
“Conecte as listas de ameaças do meu provedor X ao Splunk para que ele possa identificar atividades suspeitas.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A ferramenta coleta informações de ameaças de diferentes fontes. Em seguida, organiza esses dados e os compara com os eventos de segurança que ocorrem no seu sistema. Quando encontra uma correspondência, ela alerta você.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill building-threat-intelligence-enrichment-in-splunkOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/mukul975/Anthropic-Cybersecurity-Skills/main/skills/building-threat-intelligence-enrichment-in-splunk/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Construindo Enriquecimento de Inteligência de Ameaças no Splunk
Visão Geral
O Framework de Inteligência de Ameaças do Splunk no Enterprise Security permite que equipes de SOC correlacionem automaticamente indicadores de comprometimento (IOCs) contra eventos de segurança. O framework ingere feeds de ameaças, normaliza indicadores em coleções do KV Store e usa buscas de correlação baseadas em lookup para sinalizar eventos correspondentes. O Splunk Threat Intelligence Management centraliza a coleta, normalização e enriquecimento de múltiplas fontes, reduzindo o tempo de triagem ao fornecer aos analistas contexto imediato.
Quando Usar
- Ao implantar ou configurar capacidades de construção de enriquecimento de inteligência de ameaças no Splunk em seu ambiente
- Ao estabelecer controles de segurança alinhados aos requisitos de conformidade
- Ao construir ou melhorar a arquitetura de segurança para este domínio
- Ao realizar avaliações de segurança que exigem esta implementação
Pré-requisitos
- Splunk Enterprise Security (ES) 7.x ou posterior
- Add-on Threat Intelligence Management ou Framework de Inteligência de Ameaças
- Chaves de API para feeds externos de inteligência de ameaças (MISP, OTX, VirusTotal, AbuseIPDB)
- KV Store habilitado e configurado corretamente
- Acesso de administrador para configuração de entrada modular
Arquitetura do Framework de Inteligência de Ameaças
External TI Sources (STIX/TAXII, CSV, API)
|
v
Modular Inputs (download and parse feeds)
|
v
KV Store Collections (normalized IOC storage)
|-- ip_intel
|-- domain_intel
|-- file_intel
|-- url_intel
|-- email_intel
|
v
Threat Intelligence Lookups
|
v
Correlation Searches (match events against IOCs)
|
v
Notable Events (enriched with TI context)
Configurando Fontes de Inteligência de Ameaças
Integração de Feed STIX/TAXII
# inputs.conf - TAXII feed configuration
[threatlist://taxii_feed_example]
description = TAXII 2.1 Threat Feed
type = taxii
url = https://threatfeed.example.com/taxii2/
collection = threat-indicators-v21
polling_interval = 3600
api_key = <encrypted_api_key>
disabled = false
Lista de Ameaças Baseada em CSV
# inputs.conf - CSV threat list
[threatlist://custom_blocklist]
description = Internal threat blocklist
type = csv
url = https://internal.company.com/threat-feeds/blocklist.csv
polling_interval = 1800
disabled = false
Entrada Modular Personalizada para Feeds Baseados em API
# bin/threatfeed_otx.py - Coletor de feed OTX AlienVault
import json
import sys
import requests
from splunklib.modularinput import Script, Scheme, Argument, Event
class OTXFeedInput(Script):
def get_scheme(self):
scheme = Scheme("OTX AlienVault Feed")
scheme.description = "Coleta IOCs do AlienVault OTX"
scheme.use_external_validation = False
scheme.streaming_mode = Scheme.streaming_mode_xml
api_key_arg = Argument("api_key")
api_key_arg.data_type = Argument.data_type_string
api_key_arg.required_on_create = True
scheme.add_argument(api_key_arg)
pulse_days_arg = Argument("pulse_days")
pulse_days_arg.data_type = Argument.data_type_number
pulse_days_arg.required_on_create = False
scheme.add_argument(pulse_days_arg)
return scheme
def stream_events(self, inputs, ew):
for input_name, input_item in inputs.inputs.items():
api_key = input_item["api_key"]
pulse_days = int(input_item.get("pulse_days", 30))
headers = {"X-OTX-API-KEY": api_key}
url = f"https://otx.alienvault.com/api/v1/pulses/subscribed?modified_since={pulse_days}d"
try:
response = requests.get(url, headers=headers, timeout=60)
response.raise_for_status()
data = response.json()
for pulse in data.get("results", []):
for indicator in pulse.get("indicators", []):
event = Event()
event.stanza = input_name
event.data = json.dumps({
"indicator": indicator["indicator"],
"type": indicator["type"],
"pulse_name": pulse["name"],
"pulse_id": pulse["id"],
"description": indicator.get("description", ""),
"created": indicator.get("created", ""),
"threat_source": "OTX",
…
Perguntas frequentes
O que são 'indicadores de comprometimento' (IOCs)?
São pistas digitais, como endereços IP, nomes de domínio ou hashes de arquivos, que indicam que um sistema pode ter sido invadido ou comprometido por malware.
O que é Splunk Enterprise Security (ES)?
É uma plataforma de segurança que ajuda as empresas a monitorar e analisar eventos de segurança em seus sistemas.
O que é KV Store?
É um banco de dados simples dentro do Splunk onde informações importantes, como listas de ameaças, podem ser armazenadas e acessadas rapidamente.
Detalhes
Descrição original do autor
Build automated IOC enrichment pipelines in Splunk Enterprise Security by ingesting threat feeds into KV Store collections and correlating them against security events via lookup tables, modular inputs, and the Threat Intelligence Framework. Use when wiring threat intel into Splunk correlation searches to flag IOC matches and cut SOC triage time.
Popularidade
- Estrelas no GitHub
- 35 mil
- Posição no ranking
- #5555
- Licença
- Apache-2.0
- Atualizada em
- 31/08/2026
Comentários
- …
Mais skills deste repositório
abusing-dpapi-for-credential-access
Dá ao seu agente de IA instruções prontas para uma tarefa específica, para ele fazer melhor e mais rápido.
mukul975/Anthropic-Cybersecurity-Skills
abusing-shadow-credentials-for-privesc
Ensina seu agente de IA a escrever textos claros e bem estruturados.
mukul975/Anthropic-Cybersecurity-Skills
achieving-cmmc-level-2-compliance
Ajuda seu agente a preparar um ambiente para conformidade com CMMC Nível 2. Ele implementa requisitos de segurança e gerencia a documentação necessária.
mukul975/Anthropic-Cybersecurity-Skills
acquiring-disk-image-with-dd-and-dcfldd
Ajuda seu agente a criar cópias exatas de discos rígidos. Isso é útil para garantir que nenhuma informação seja perdida ou alterada durante investigações.
mukul975/Anthropic-Cybersecurity-Skills
Skills parecidas
benchmark-optimization-loop
Faz seu agente melhorar a velocidade de algo de forma medida. Ele testa várias versões e escolhe a mais rápida que ainda funciona corretamente.
affaan-m/ECC
change-impact
Ajuda seu agente a analisar o impacto de mudanças no código antes de fazê-las. Ele compara o planejado com o real depois, cobrindo caminhos, dados, testes e documentação. É útil para mudanças arriscadas ou que afetam várias partes do sistema.
affaan-m/ECC
click-path-audit
Faz seu agente rastrear todos os botões e interações do usuário para achar bugs. Ele encontra problemas onde funções parecem funcionar sozinhas, mas falham juntas. Útil quando bugs persistem mesmo após depuração.
affaan-m/ECC