---

name: analyzing-threat-actor-ttps-with-mitre-attack description: MITRE ATT&CK 是基于真实世界观察的全球可访问的对手战术、技术和过程（TTP）知识库。本技能涵盖系统性地将威胁行为者行为映射到 ATT&CK 框架、使用 ATT&CK Navigator 构建技术覆盖热力图、识别检测差距，以及生成将观察到的 IOC 关联到 Enterprise、Mobile 和 ICS 矩阵中特定对手技术的可执行情报报告。 domain: cybersecurity subdomain: threat-intelligence tags: [threat-intelligence, cti, ioc, mitre-attack, stix, ttp-analysis, threat-actors] version: "1.0" author: mahipal license: Apache-2.0

使用 MITRE ATT&CK 分析威胁行为者 TTP

概述

MITRE ATT&CK 是基于真实世界观察的全球可访问的对手战术、技术和过程（TTP）知识库。本技能涵盖系统性地将威胁行为者行为映射到 ATT&CK 框架、使用 ATT&CK Navigator 构建技术覆盖热力图、识别检测差距，以及生成将观察到的 IOC 关联到 Enterprise、Mobile 和 ICS 矩阵中特定对手技术的可执行情报报告。

前置条件

• Python 3.9+，安装 mitreattack-python、attackcti、stix2 库
• MITRE ATT&CK Navigator（网页版或本地部署）
• 了解 ATT&CK 矩阵结构：战术、技术、子技术
• 访问威胁情报报告或 MISP/OpenCTI 获取威胁行为者数据
• 熟悉 STIX 2.1 Attack Pattern 对象

核心概念

ATT&CK 矩阵结构

ATT&CK Enterprise 矩阵将对手行为组织为 14 个战术（"为什么"），其下包含技术（"如何做"）和子技术（具体实现）。每个技术都关联了数据源、检测方法、缓解措施，以及来自已观察威胁组织的真实过程示例。

威胁组织画像

ATT&CK 收录了超过 140 个威胁组织（如 APT28、APT29、Lazarus Group、FIN7），记录了其技术使用情况。每个组织画像包含别名、目标行业、关联攻击活动、所用软件，以及含过程级详情的技术映射。

ATT&CK Navigator

ATT&CK Navigator 是用于创建自定义 ATT&CK 矩阵可视化的 Web 工具。分析人员创建层（JSON 文件），用分数、颜色、注释和元数据标注技术，以可视化威胁行为者覆盖范围、检测能力或风险评估。

实践步骤

步骤 1：以编程方式查询 ATT&CK 数据

from attackcti import attack_client
import json

# 初始化 ATT&CK 客户端（查询 MITRE TAXII 服务器）
lift = attack_client()

# 获取所有 Enterprise 技术
enterprise_techniques = lift.get_enterprise_techniques()
print(f"Total Enterprise techniques: {len(enterprise_techniques)}")

# 获取所有威胁组织
groups = lift.get_groups()
print(f"Total threat groups: {len(groups)}")

# 按名称获取特定组织
apt29 = [g for g in groups if 'APT29' in g.get('name', '')]
if apt29:
    group = apt29[0]
    print(f"Group: {group['name']}")
    print(f"Aliases: {group.get('aliases', [])}")
    print(f"Description: {group.get('description', '')[:200]}")

步骤 2：将威胁行为者映射到 ATT&CK 技术

from attackcti import attack_client

lift = attack_client()

# 获取 APT29 使用的技术
apt29_techniques = lift.get_techniques_used_by_group("G0016")  # APT29 组织 ID

technique_map = {}
for entry in apt29_techniques:
    tech_id = entry.get("external_references", [{}])[0].get("external_id", "")
    tech_name = entry.get("name", "")
    description = entry.get("description", "")
    tactic_refs = [
        phase.get("phase_name", "")
        for phase in entry.get("kill_chain_phases", [])
    ]

    technique_map[tech_id] = {
        "name": tech_name,
        "tactics": tactic_refs,
        "description": description[:300],
    }

print(f"\nAPT29 uses {len(technique_map)} techniques:")
for tid, info in sorted(technique_map.items()):
    print(f"  {tid}: {info['name']} [{', '.join(info['tactics'])}]")

步骤 3：生成 ATT&CK Navigator 层

import json

def create_navigator_layer(group_name, technique_map, description=""):
    """为威胁组织生成 ATT&CK Navigator 层 JSON。"""
    techniques_list = []
    for tech_id, info in technique_map.items():
        techniques_list.append({
            "techniqueID": tech_id,
            "tactic": info["tactics"][0] if info["tactics"] else "",
            "color": "#ff6666",  # 红色表示已观察到的技术
            "comment": info["description"][:200],
            "enabled": True,
            "score": 100,
            "metadata": [
                {"name": "group", "value": group_name},
            ],
        })

    layer = {
        "name": f"{group_name} TTP Coverage",
        "versions": {
            "attack": "16.1",
            "navigator": "5.1.0",
            "layer": "4.5",
        },
        "domain": "enterprise-attack",
        "description": description or f"Techniques attributed to {group_name}",
        "filters": {"platforms": ["Windows", "Linux", "macOS", "Cloud"]},
        "sorting": 0,
        "layout": {
            "layout": "side",
            "aggregateFunction": "average",
            "showID": True,
            "showName": True,
            "showAggregateScores": False,
            "countUnscored": False,
        },
        "hideDisabled": False,
        "techniques": techniques_list,
        "gradient": {
            "colors": ["#ffffff", "#ff6666"],
            "minValue": 0,
            "maxValue": 100,
        },
        "legendItems": [
            {"label": "Observed technique", "color": "#ff6666"},
            {"label": "Not observed", "color": "#ffffff"},
        ],
        "showTacticRowBackground": True,
        "tacticRowBackground": "#dddddd",
        "selectTechniquesAcrossTactics": True,
        "selectSubtechniquesWithParent": False,
        "selectVisibleTechniques": False,
    }

    return layer


# 生成并保存层
layer = create_navigator_layer("APT29", technique_map, "APT29 (Cozy Bear) TTP analysis")
with open("apt29_navigator_layer.json", "w") as f:
    json.dump(layer, f, indent=2)
print("[+] Navigator layer saved to apt29_navigator_layer.json")

步骤 4：识别检测差距

from attackcti import attack_client

lift = attack_client()

# 获取所有含数据源的技术
all_techniques = lift.get_enterprise_techniques()

# 构建数据源覆盖图谱
data_source_coverage = {}
for tech in all_techniques:
    tech_id = tech.get("external_references", [{}])[0].get("external_id", "")
    data_sources = tech.get("x_mitre_data_sources", [])

    for ds in data_sources:
        if ds not in data_source_coverage:
            data_source_coverage[ds] = []
        data_source_coverage[ds].append(tech_id)

# 将威胁行为者技术与现有检测对比
detected_techniques = {"T1059", "T1071", "T1566"}  # 示例：您能检测到的技术
actor_techniques = set(technique_map.keys())

covered = actor_techniques.intersection(detected_techniques)
gaps = actor_techniques - detected_techniques

print(f"\n=== APT29 检测差距分析 ===")
print(f"行为者技术总数: {len(actor_techniques)}")
print(f"已检测: {len(covered)} ({len(covered)/len(actor_techniques)*100:.0f}%)")
print(f"差距: {len(gaps)} ({len(gaps)/len(actor_techniques)*100:.0f}%)")
print(f"\n未检测技术:")
for tech_id in sorted(gaps):
    if tech_id in technique_map:
        print(f"  {tech_id}: {technique_map[tech_id]['name']}")

步骤 5：跨组织技术对比

from attackcti import attack_client

lift = attack_client()

# 比较多个组织的技术
groups_to_compare = {
    "G0016": "APT29",
    "G0007": "APT28",
    "G0032": "Lazarus Group",
}

group_techniques = {}
for gid, gname in groups_to_compare.items():
    techs = lift.get_techniques_used_by_group(gid)
    tech_ids = set()
    for t in techs:
        tid = t.get("external_references", [{}])[0].get("external_id", "")
        if tid:
            tech_ids.add(tid)
    group_techniques[gname] = tech_ids

# 查找共同和独特技术
all_groups = list(group_techniques.keys())
common_to_all = set.intersection(*group_techniques.values())
print(f"\n所有 {len(all_groups)} 个组织共同的技术: {len(common_to_all)} 个")
for tid in sorted(common_to_all):
    print(f"  {tid}")

for gname, techs in group_techniques.items():
    unique = techs - set.union(*[t for n, t in group_techniques.items() if n != gname])
    print(f"\n{gname} 独有技术: {len(unique)} 个")

验收标准

• 成功通过 TAXII 服务器或本地副本查询 ATT&CK 数据
• 威胁行为者已映射到具体技术并附有过程示例
• ATT&CK Navigator 层 JSON 有效且正确渲染
• 检测差距分析识别出未监控的技术
• 跨组织比较揭示共同和独特 TTP
• 输出结果可供检测工程优先级排序使用

参考资料

• MITRE ATT&CK
• ATT&CK Navigator
• attackcti Python Library
• ATT&CK STIX Data
• ATT&CK Groups