MédiaMúltipla escolha

Questão de prática de AZ-500

Uma equipe de segurança usa o Microsoft Sentinel. Eles desejam criar uma regra de análise personalizada que detecte quando uma conta de usuário é criada no Microsoft Entra ID e, em seguida, dentro de 5 minutos, tenta acessar um site do SharePoint sensível. O que eles devem usar para correlacionar esses dois eventos?

Escolha a melhor resposta.

Resposta correta

  • AConsulta KQL com join em UserId

Explicação

Uma consulta KQL com um join em UserId permite correlacionar duas tabelas separadas — como AuditLogs para criação de usuários e os logs de acesso ao SharePoint — com base em um campo comum (UserId) dentro de uma janela de tempo especificada (5 minutos). Este é o método padrão no Microsoft Sentinel para criar regras de detecção de múltiplos eventos que exigem correlação temporal entre atividades distintas.

Por que cada alternativa está certa ou errada

A

Correta

Consulta KQL com join em UserId

Uma consulta KQL com um join em UserId é a escolha correta porque correlaciona diretamente eventos de várias tabelas do Sentinel, como SigninLogs e AuditLogs, em um campo comum para detectar padrões suspeitos. O operador join no KQL oferece suporte a diferentes tipos de junção (inner, leftouter, etc.) para capturar registros correspondentes ou não correspondentes, permitindo que a equipe de segurança defina uma lógica de detecção precisa. Esse alinhamento entre a correlação de dados da consulta e o cenário a torna a única opção que atende ao requisito de detecção em tempo real.

B

Incorreta

Watchlist

As watchlists são listas de dados estáticas e mantidas manualmente — como IPs maliciosos conhecidos, contas comprometidas ou ativos de alto valor — que o Sentinel usa para enriquecimento ou filtragem dentro de consultas. Elas não são projetadas para a correlação dinâmica de fluxos de eventos ao vivo; uma watchlist só pode ser referenciada como uma tabela de pesquisa, não unida em tempo real em várias fontes em UserId. Portanto, embora as watchlists adicionem contexto às regras de análise, elas não podem fornecer a correlação de evento para evento que o cenário exige.

C

Incorreta

Regra de automação

As regras de automação no Sentinel automatizam processos de gerenciamento de incidentes e resposta — por exemplo, atribuindo severidade, adicionando tags ou disparando um playbook — quando um alerta é gerado. Elas não contêm lógica de detecção e não têm capacidade integrada para correlacionar eventos entre fontes de dados; elas agem exclusivamente sobre a saída de uma regra de análise. Usar uma regra de automação não criaria a detecção desejada, pois ela não analisa resultados de consultas nem realiza junções em UserId.

D

Incorreta

Playbook

Os playbooks, construídos sobre o Azure Logic Apps, executam uma série de ações — como bloquear um usuário, enviar e-mail ou redefinir credenciais — quando um alerta ou incidente é criado. Eles são fluxos de trabalho de resposta que operam após a detecção, e não durante ela. Um playbook não define quais eventos são correlacionados ou como eles são unidos; ele consome o alerta gerado pela regra de análise e não pode servir como o mecanismo de detecção primário para a equipe de segurança.

Para se aprofundar

O conceito central testado por esta pergunta é a arquitetura de uma regra de análise do Microsoft Sentinel, onde a consulta KQL é a única fonte de lógica de detecção. Embora watchlists, regras de automação e playbooks sejam componentes integrados do Sentinel, eles desempenham papéis de enriquecimento de dados, gerenciamento de incidentes e resposta automatizada, respectivamente — e não de correlação de eventos. Uma sutileza comum é que o operador join do KQL deve ser usado com cuidado: sem limites de tempo e projeção adequada, junções em tabelas grandes como SigninLogs e AuditLogs podem se tornar lentas e consumir muitos recursos. Outra consideração é a escolha do tipo de junção (inner vs. leftouter) com base no fato de a detecção exigir apenas eventos correspondentes ou também não correspondentes, como logins com falha sem um evento de sucesso correspondente. Compreender essas distinções evita equívocos comuns, como confundir watchlists com tabelas de pesquisa em tempo real ou esperar que playbooks sejam executados antes que ocorra a detecção.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AZ-500 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.