MediaOpción múltiple

Pregunta de práctica de AZ-500

Un equipo de seguridad utiliza Microsoft Sentinel. Desean crear una regla de análisis personalizada que detecte cuándo se crea una cuenta de usuario en Microsoft Entra ID y, en un plazo de 5 minutos, intenta acceder a un sitio de SharePoint confidencial. ¿Qué deben utilizar para correlacionar estos dos eventos?

Elige la mejor respuesta.

Respuesta correcta

  • AConsulta KQL con join en UserId

Explicación

Una consulta KQL con un join en UserId permite correlacionar dos tablas separadas —como AuditLogs para la creación de usuarios y los registros de acceso a SharePoint— basándose en un campo común (UserId) dentro de una ventana de tiempo especificada (5 minutos). Este es el método estándar en Microsoft Sentinel para crear reglas de detección de eventos múltiples que requieren correlación temporal entre actividades distintas.

Por qué cada opción es correcta o incorrecta

A

Correcta

Consulta KQL con join en UserId

Una consulta KQL con un join en UserId es la opción correcta porque correlaciona directamente eventos de múltiples tablas de Sentinel, como SigninLogs y AuditLogs, en un campo común para detectar patrones sospechosos. El operador join en KQL admite diferentes tipos de unión (inner, leftouter, etc.) para capturar registros coincidentes o no coincidentes, lo que permite al equipo de seguridad definir una lógica de detección precisa. Esta alineación entre la correlación de datos de la consulta y el escenario la convierte en la única opción que cumple con el requisito de detección en tiempo real.

B

Incorrecta

Watchlist

Las listas de observación son listas de datos estáticas y mantenidas manualmente —como IP maliciosas conocidas, cuentas comprometidas o activos de alto valor— que Sentinel utiliza para el enriquecimiento o filtrado dentro de las consultas. No están diseñadas para la correlación dinámica de flujos de eventos en vivo; una lista de observación solo se puede consultar como una tabla de búsqueda, no unida en tiempo real a través de múltiples fuentes en UserId. Por lo tanto, aunque las listas de observación añaden contexto a las reglas de análisis, no pueden proporcionar la correlación de evento a evento que requiere el escenario.

C

Incorrecta

Regla de automatización

Las reglas de automatización en Sentinel automatizan los procesos de gestión de incidentes y respuesta —por ejemplo, asignar gravedad, agregar etiquetas o activar un playbook— cuando se genera una alerta. No contienen lógica de detección y no tienen capacidad integrada para correlacionar eventos entre fuentes de datos; actúan únicamente sobre el resultado de una regla de análisis. El uso de una regla de automatización no crearía la detección deseada, ya que no analiza los resultados de las consultas ni realiza uniones en UserId.

D

Incorrecta

Playbook

Los playbooks, construidos sobre Azure Logic Apps, ejecutan una serie de acciones —como bloquear un usuario, enviar un correo electrónico o restablecer credenciales— cuando se crea una alerta o incidente. Son flujos de trabajo de respuesta que operan después de la detección, no durante esta. Un playbook no define qué eventos se correlacionan ni cómo se unen; consume la alerta generada por la regla de análisis y no puede servir como mecanismo de detección principal para el equipo de seguridad.

Para profundizar

El concepto central que evalúa esta pregunta es la arquitectura de una regla de análisis de Microsoft Sentinel, donde la consulta KQL es la única fuente de lógica de detección. Si bien las listas de observación (watchlists), las reglas de automatización y los playbooks son componentes integrados de Sentinel, cumplen roles de enriquecimiento de datos, gestión de incidentes y respuesta automatizada respectivamente, no de correlación de eventos. Una sutileza común es que el operador join de KQL debe usarse con cuidado: sin límites de tiempo y una proyección adecuada, las uniones entre tablas grandes como SigninLogs y AuditLogs pueden volverse lentas y consumir muchos recursos. Otra consideración es la elección del tipo de unión (inner frente a leftouter) según si la detección requiere solo eventos coincidentes o también no coincidentes, como inicios de sesión fallidos sin un evento de éxito correspondiente. Comprender estas distinciones evita conceptos erróneos comunes, como confundir las listas de observación con tablas de búsqueda en vivo o esperar que los playbooks se ejecuten antes de que ocurra la detección.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de AZ-500 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.