DifficileChoix multiples

Question d'entraînement SC-100

Votre entreprise utilise Microsoft Sentinel pour gérer les incidents de sécurité. Vous devez concevoir une solution qui trie automatiquement les incidents de faible sévérité et les enrichit avec du renseignement sur les menaces. Quelles sont les TROIS capacités à inclure ? (Choisissez trois.)

Choisissez toutes les bonnes réponses.

Bonnes réponses

  • CPlaybooks pour effectuer des actions d'enrichissement telles que l'interrogation du renseignement sur les menaces.
  • DRègles d'automatisation pour déclencher des playbooks lors de la création d'incidents.
  • EListes de surveillance pour stocker des indicateurs connus à des fins de corrélation.

Explication

L'option C est correcte car les playbooks Microsoft Sentinel, construits sur Azure Logic Apps, sont le mécanisme d'automatisation qui peut appeler les connecteurs de renseignement sur les menaces et d'autres actions d'enrichissement pour ajouter du contexte (par exemple, la réputation IP/domaine) à un incident. L'option D est correcte car les règles d'automatisation évaluent les conditions des incidents (telles que la sévérité ou le titre) lors de la création de l'incident et peuvent déclencher le playbook, ce qui correspond exactement à la manière dont les incidents de faible sévérité sont automatiquement triés et enrichis. L'option E est correcte car les listes de surveillance permettent de télécharger et de corréler des indicateurs connus (adresses IP, domaines, hachages) par rapport aux entités d'incident, fournissant une source d'enrichissement de renseignement sur les menaces légère au sein de Sentinel. L'option A n'est pas appropriée ici car les requêtes de chasse avancée sont des enquêtes KQL manuelles et interactives plutôt qu'une capacité de tri/enrichissement automatisée. L'option B n'est pas appropriée car les règles d'analytique génèrent des alertes et des incidents ; elles n'effectuent pas le tri automatisé ou l'enrichissement par le renseignement sur les menaces requis par le scénario.

Pourquoi chaque option est juste ou fausse

A

Fausse

Requêtes de chasse avancée pour enquêter sur les incidents.

La chasse avancée est un outil de recherche interactive basé sur KQL utilisé par les analystes pour rechercher de manière proactive des activités suspectes ou effectuer une enquête forensique approfondie après qu'un incident a déjà été détecté. Elle est fondamentalement manuelle et conçue pour une exploration itérative - il n'existe aucun mécanisme natif pour l'invoquer automatiquement lors de la création d'un incident, et elle ne peut pas non plus enrichir les incidents avec des données externes. Par conséquent, elle ne peut pas servir d'étape de tri ou d'enrichissement automatisé pour les incidents de faible sévérité.

B

Fausse

Règles d'analytique pour générer des alertes pour les incidents de faible sévérité.

Les règles d'analytique sont la logique de détection qui s'exécute en continu sur les connecteurs de données et, lorsqu'une correspondance se produit, créent des alertes et des incidents dans Microsoft Sentinel. Elles sont la source de la génération d'incidents, et non une action en aval qui traite les incidents existants. Une fois qu'un incident existe, les règles d'analytique ne sont pas redéclenchées par cet incident et n'ont aucune capacité à modifier sa sévérité, à attribuer un propriétaire ou à ajouter du contexte - c'est le rôle des règles d'automatisation et des playbooks, et non des règles d'analytique.

C

Juste

Playbooks pour effectuer des actions d'enrichissement telles que l'interrogation du renseignement sur les menaces.

Les playbooks sont des flux de travail Azure Logic Apps qui peuvent être automatiquement invoqués par des règles d'automatisation pour effectuer des opérations d'enrichissement sur un incident, telles que l'interrogation de plateformes de renseignement sur les menaces comme MISP ou l'API Microsoft Graph Security. En extrayant des informations sur les menaces concernant les entités impliquées (adresses IP, hachages, domaines) et en écrivant ces conclusions dans l'incident, les playbooks fournissent aux analystes et aux règles automatisées le contexte nécessaire pour trier et prioriser rapidement les incidents de faible sévérité sans requêtes manuelles.

D

Juste

Règles d'automatisation pour déclencher des playbooks lors de la création d'incidents.

Les règles d'automatisation sont le moteur d'orchestration au sein de Sentinel qui réagissent aux événements du cycle de vie, le plus courant étant la création d'incidents, et peuvent exécuter un ensemble défini d'actions telles que modifier le statut, assigner un utilisateur, ajouter des étiquettes et, surtout, déclencher un ou plusieurs playbooks. Pour les incidents de faible sévérité, une règle d'automatisation filtrée par sévérité peut invoquer immédiatement un playbook d'enrichissement, garantissant un tri cohérent et sans intervention humaine, et permettant au personnel du SOC de se concentrer sur les alertes à haute fidélité.

E

Juste

Listes de surveillance pour stocker des indicateurs connus à des fins de corrélation.

Les listes de surveillance sont des magasins clé-valeur persistants et hautement performants dans Sentinel qui contiennent des données de référence sélectionnées - telles que des adresses IP malveillantes connues, des noms d' utilisateur compromis ou des actifs hautement sensibles - téléchargées à partir de fichiers CSV ou d'Azure Data Lake. Ce ne sont pas des outils d'automatisation en soi, mais ils deviennent puissants lorsqu'ils sont consommés par des playbooks : un playbook peut prendre les valeurs d'entité d'un incident, les rechercher dans la liste de surveillance pertinente et étiqueter automatiquement l'incident si une correspondance est trouvée, permettant une corrélation avec des indicateurs connus dans le cadre d'un flux de travail de tri automatisé.

Pour aller plus loin

Le concept fondamental évalué par cette question est la séparation entre la détection et l'automatisation des réponses dans Microsoft Sentinel. La détection est gérée par les règles d'analytique, qui consomment des données et produisent des alertes/incidents ; elles ne sont pas conçues pour modifier des incidents ou effectuer des actions en aval. Une fois qu'un signal brut devient un incident, le plan d'automatisation prend le relais par le biais de règles d'automatisation, qui agissent comme des déclencheurs événementiels (par exemple, lors de la création d'un incident ou d'un changement d'état) et peuvent appeler des playbooks, modifier les propriétés d'incidents, créer des tâches ou supprimer des faux positifs. Les playbooks, mis en œuvre sous forme d'Azure Logic Apps, sont les moteurs d'exécution réels qui peuvent exécuter des actions d'enrichissement telles que l'interrogation de flux de renseignement sur les menaces, l'appel d'observateurs ou la prise de mesures de confinement. Les listes de surveillance fournissent une couche de référence légère et interrogeable sur laquelle les playbooks et les règles d'analytique peuvent s'appuyer, permettant une corrélation avec des indicateurs connus sans avoir à créer de connecteurs de données personnalisés. Une idée reçue fréquente est que les requêtes de chasse avancée peuvent être automatisées à cette fin ; cependant, la chasse avancée est purement une interface KQL manuelle et interactive pour l'investigation ad hoc et la chasse aux menaces, sans intégration dans les règles d'automatisation. Dans un SOC du monde réel, vous combineriez une règle d'automatisation qui se déclenche sur des incidents de sévérité moyenne ou inférieure avec un playbook qui enrichit l'incident à l'aide de renseignement sur les menaces et de vérifications de listes de surveillance, puis ferme automatiquement les faux positifs ou assigne les incidents de faible priorité à une file d'attente de niveau 1 - il s'agit d'un modèle de conception clé pour l'efficacité du SOC et directement pertinent pour les objectifs d'architecture SC-100.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement SC-100 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.