building-incident-response-dashboard

# 构建事件响应仪表盘

## 适用场景

在以下情况使用本技能：
- IR 团队在主动事件处理期间需要实时仪表盘进行协调和跟踪
- SOC 领导层需要展示事件状态和分析师工作负载的运营仪表盘
- 事后审查需要可视化时间线和影响评估
- 高管汇报需要高级别的事件指标和趋势分析

**不适用于**日常 SOC 监控仪表盘（应使用事件审查功能）——IR 仪表盘专为主动事件协调和管理报告而设计。

## 前置条件

- SIEM 平台（带有 Dashboard Studio 的 Splunk、Elastic Kibana 或 Grafana）
- SIEM 中的重要事件和事件数据（Splunk ES incident_review 索引）
- 用于修复跟踪的工单系统集成（ServiceNow、Jira）
- 用于上下文丰富的资产和身份查找表
- 面向 SOC 团队和管理层分发的仪表盘发布访问权限

## 工作流程

### 步骤 1：设计主动事件仪表盘布局

构建 Splunk Dashboard Studio 仪表盘用于主动事件跟踪：

```xml
<dashboard version="2" theme="dark">
  <label>主动事件响应仪表盘</label>
  <description>IR-2024-0450 实时跟踪</description>

  <row>
    <panel>
      <title>事件摘要</title>
      <single>
        <search>
          <query>
| makeresults
| eval incident_id="IR-2024-0450",
       status="CONTAINMENT",
       severity="Critical",
       affected_hosts=7,
       contained_hosts=5,
       iocs_identified=23,
       hours_elapsed=round((now()-strptime("2024-03-15 14:00","%Y-%m-%d %H:%M"))/3600,1)
| table incident_id, status, severity, affected_hosts, contained_hosts, iocs_identified, hours_elapsed
          </query>
        </search>
      </single>
    </panel>
  </row>
</dashboard>
```

### 步骤 2：构建实时受影响系统面板

跟踪受影响系统及其遏制状态：

```spl
| inputlookup ir_affected_systems.csv
| eval status_color = case(
    status="Contained", "#2ecc71",
    status="Compromised", "#e74c3c",
    status="Investigating", "#f39c12",
    status="Recovered", "#3498db",
    1=1, "#95a5a6"
  )
| stats count by status
| eval order = case(status="Compromised", 1, status="Investigating", 2,
                    status="Contained", 3, status="Recovered", 4)
| sort order
| table status, count

--- 详细主机表
| inputlookup ir_affected_systems.csv
| lookup asset_lookup_by_cidr ip AS host_ip OUTPUT category, owner, priority
| table hostname, host_ip, category, owner, status, containment_time,
        compromise_vector, analyst_assigned
| sort status, hostname
```

### 步骤 3：构建 IOC 跟踪面板

监控 IOC 在环境中的扩散：

```spl
--- 事件期间识别的 IOC
index=* (src_ip IN ("185.234.218.50", "45.77.123.45") OR
         dest IN ("evil-c2.com", "malware-drop.com") OR
         file_hash IN ("a1b2c3d4...", "e5f6a7b8..."))
earliest="2024-03-14"
| stats count AS hits, dc(src_ip) AS unique_sources,
        dc(dest) AS unique_dests, latest(_time) AS last_seen
  by sourcetype
| sort - hits

--- IOC 时间线
index=* (src_ip IN ("185.234.218.50") OR dest="evil-c2.com")
earliest="2024-03-14"
| timechart span=1h count by sourcetype

--- 新 IOC 发现跟踪
| inputlookup ir_ioc_list.csv
| stats count by ioc_type, source, discovery_time
| sort discovery_time
| table discovery_time, ioc_type, ioc_value, source, status
```

### 步骤 4：构建响应时间线面板

创建按时间顺序排列的事件时间线：

```spl
| inputlookup ir_timeline.csv
| sort _time
| eval phase = case(
    action_type="detection", "检测（Detection）",
    action_type="triage", "分诊（Triage）",
    action_type="containment", "遏制（Containment）",
    action_type="eradication", "根除（Eradication）",
    action_type="recovery", "恢复（Recovery）",
    1=1, "其他"
  )
| eval phase_color = case(
    phase="检测（Detection）", "#e74c3c",
    phase="分诊（Triage）", "#f39c12",
    phase="遏制（Containment）", "#e67e22",
    phase="根除（Eradication）", "#2ecc71",
    phase="恢复（Recovery）", "#3498db"
  )
| table _time, phase, action, analyst, details
```

时间线数据示例：
```csv
_time,action_type,action,analyst,details
2024-03-15 14:00,detection,Alert triggered - Cobalt Strike beacon detected,splunk_es,Notable event NE-2024-08921
2024-03-15 14:12,triage,Alert triaged - confirmed true positive,analyst_jdoe,VT score 52/72 on beacon hash
2024-03-15 14:23,containment,Host WORKSTATION-042 isolated,analyst_jdoe,CrowdStrike network isolation
2024-03-15 14:35,containment,C2 domain blocked on firewall,analyst_msmith,Palo Alto rule deployed
2024-03-15 15:00,eradication,Enterprise-wide IOC scan initiated,analyst_jdoe,Splunk search across all indices
2024-03-15 15:30,containment,3 additional hosts identified and isolated,analyst_msmith,Lateral movement confirmed
2024-03-15 16:00,eradication,Malware removed from all affected hosts,analyst_tier3,CrowdStrike RTR cleanup
2024-03-15 18:00,recovery,Systems restored and monitored,analyst_msmith,72-hour monitoring period started
```

### 步骤 5：构建 SOC 运营仪表盘

跟踪整体 SOC 性能指标：

```spl
--- 按严重性划分的事件量（过去 30 天）
index=notable earliest=-30d
| stats count by urgency
| eval order = case(urgency="critical", 1, urgency="high", 2, urgency="medium", 3,
                    urgency="low", 4, urgency="informational", 5)
| sort order

--- 平均检测时间（MTTD）
index=notable earliest=-30d status_label="Resolved*"
| eval mttd_minutes = round((time_of_first_event - orig_time) / 60, 1)
| stats avg(mttd_minutes) AS avg_mttd, median(mttd_minutes) AS med_mttd,
        perc95(mttd_minutes) AS p95_mttd

--- 平均响应时间（MTTR）
index=notable earliest=-30d status_label="Resolved*"
| eval mttr_hours = round((status_end - _time) / 3600, 1)
| stats avg(mttr_hours) AS avg_mttr, median(mttr_hours) AS med_mttr by urgency

--- 分析师工作负载分布
index=notable earliest=-7d
| stats count by owner
| sort - count

--- 告警处置分类
index=notable earliest=-30d status_label IN ("Resolved*", "Closed*")
| stats count by disposition
| eval percentage = round(count / sum(count) * 100, 1)
| sort - count
```

### 步骤 6：构建高管汇报仪表盘

在重大事件期间为领导层创建高级别仪表盘：

```spl
--- 高管摘要面板
| makeresults
| eval metrics = "业务影响：1 台文件服务器离线（财务部门），"
                ."预计恢复：4 小时，"
                ."数据丢失风险：低（备份已验证），"
                ."客户影响：无，"
                ."监管通知：不需要（未确认 PII 暴露）"

--- 趋势对比（本月与上月）
index=notable earliest=-60d
| eval period = if(_time > relative_time(now(), "-30d"), "本月", "上月")
| stats count by period, urgency
| chart sum(count) AS incidents by period, urgency

--- 主要威胁类别
index=notable earliest=-30d
| top rule_name limit=10
| table rule_name, count, percent
```

### 步骤 7：自动化仪表盘更新

使用 Splunk 计划搜索维护仪表盘数据：

```spl
--- 计划搜索：更新受影响系统查找表（每 5 分钟运行一次）
index=* (src_ip IN [| inputlookup ir_ioc_list.csv | search ioc_type="ip"
                    | fields ioc_value | rename ioc_value AS src_ip])
earliest=-1h
| stats latest(_time) AS last_seen, count AS event_count,
        values(sourcetype) AS data_sources by src_ip
| eval status = if(last_seen > relative_time(now(), "-15m"), "Active", "Dormant")
| outputlookup ir_affected_systems_auto.csv
```

## 核心概念

| 术语 | 定义 |
|------|-----------|
| **态势感知（Situational Awareness）** | 实时了解事件范围、受影响系统和响应进展 |
| **MTTD** | 平均检测时间（Mean Time to Detect）——从威胁发生到 SOC 告警生成的平均时间 |
| **MTTR** | 平均响应时间（Mean Time to Respond）——从告警到事件解决或遏制的平均时间 |
| **遏制率（Containment Rate）** | 相对于已被攻陷的系统总数，成功隔离的受影响系统百分比 |
| **燃尽图（Burn-Down Chart）** | 事件期间随时间推移跟踪剩余未完成调查任务的可视化图表 |
| **高管汇报（Executive Briefing）** | 显示业务影响、时间线和恢复状态的非技术性摘要仪表盘 |

## 工具与系统

- **Splunk Dashboard Studio**：具有拖放可视化和实时数据的现代仪表盘框架
- **Elastic Kibana Dashboard**：具有 Lens、Maps 和 Canvas 的可视化平台，用于安全仪表盘
- **Grafana**：支持包括 Elasticsearch 和 Splunk 在内的多种数据源的开源可视化平台
- **Microsoft Sentinel Workbooks**：基于 Kusto 的分析可视化的 Azure 原生仪表盘框架
- **TheHive**：开源事件响应平台，具有内置案例跟踪和指标仪表盘

## 常见场景

- **主动勒索软件事件**：显示加密扩散、遏制状态、备份验证和恢复进展的仪表盘
- **数据泄露调查**：跟踪受影响数据存储、外泄（Exfiltration）量和通知要求的仪表盘
- **钓鱼（Phishing）攻击活动响应**：显示收件人数量、点击率、凭据暴露和修复状态的仪表盘
- **月度 SOC 报告**：具有事件趋势、MTTD/MTTR 指标和分析师绩效的领导层仪表盘
- **合规审计**：演示检测覆盖率、响应 SLA 合规性和事件关闭指标的仪表盘

## 输出格式

```
事件响应仪表盘 — IR-2024-0450
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

状态：遏制阶段（已历时 6 小时 30 分钟）

受影响系统:               遏制进度:
  已攻陷：   2            [==========----------] 71%
  调查中：   1            7 个系统中已遏制 5 个
  已遏制：   3
  已恢复：   1

IOC 摘要：                响应时间线：
  IP：      4             14:00 — 触发告警
  域名：    2             14:12 — 确认恶意
  哈希：    3             14:23 — 第一台主机隔离
  URL：     5             15:00 — 启动企业扫描
  邮件：    1             15:30 — 又隔离 3 台主机

关键指标：
  MTTD:    12 分钟
  MTTC:    23 分钟（第一台主机）
  在职分析师：3 人（Tier 2：2 人，Tier 3：1 人）

业务影响：低 — 财务文件服务器离线，无面向客户的系统受影响
```