آکادمی آموزش روزبه 📚
3.99K subscribers
4.61K photos
185 videos
1.48K files
6.98K links
🍎آموزش و ترویج علمی فناوری اطلاعات ، امنیت و مدیریت پروژه های مرتبط
🍁 و کمی هم اخلاق و انسانیت

Training of Information Technology, Cyber Security, Project Management, Ethics and Humanitarian

ارتباط با مدیر کانال:
@roozbehadm
Download Telegram
https://lnkd.in/p/eadJeFCi

💥🎊از دانشجویان آکادمی روزبه که در آزمون رسمی CISSP قبول شده اند
با تبریک به ایشان و آرزوی موفقیت .💐

✅این آزمون را می‌توان سخت ترین آزمون دنیای فناوری دانست که قبولی در آن به مطالعه فراوان، تجربه عملیاتی و ممارست نیاز دارد.

🌐دوره بعدی CISSP دیماه
🕹قبول شوید
❤4🔥4
آکادمی آموزش روزبه 📚
https://lnkd.in/p/eadJeFCi 💥🎊از دانشجویان آکادمی روزبه که در آزمون رسمی CISSP قبول شده اند با تبریک به ایشان و آرزوی موفقیت .💐 ✅این آزمون را می‌توان سخت ترین آزمون دنیای فناوری دانست که قبولی در آن به مطالعه فراوان، تجربه عملیاتی و ممارست نیاز دارد. 🌐دوره…
👆👆ترجمه نوشته جناب مهدی رضایی در لینکدین :

در طول مسیر حرفه‌ای‌ام، افتخار آشنایی با معدود متخصصانی را داشته‌ام که نه‌تنها دانش و تجربه خود را با اشتیاق به اشتراک می‌گذارند، بلکه نگاه مرا نیز شکل داده‌اند.
روزبه نوروزی، دارنده مدارک CISSP و PMP، یکی از همین افراد است؛ متخصصی متعهد و آینده‌نگر در حوزه امنیت سایبری در ایران که ۱۵ سال است مدرک CISSP دارد و عضو ISC2 است!
بله، درست خواندید؛ ۱۵ سال. او یکی از نخستین دارنده مدرک CISSP در کشور من بود.

من نخستین بار از طریق او با ISC2 و CISSP آشنا شدم؛ اما آنچه بیش از همه در ذهنم ماند، رویکرد او به امنیت بود.

زمانی که بیشتر افراد بر اصطلاحات پرطرفداری مانند فایروال نسل جدید و سامانه‌های تشخیص و جلوگیری از نفوذ تمرکز داشتند، او بر اهمیت چرخه عمر توسعه نرم‌افزار، SDLC، تأکید می‌کرد.

پیش از شرکت در آزمون، دوره‌ای را با او گذراندم. در آن دوره، درسی را به‌خوبی در ذهنم جا انداخت که همچنان همراه من است: به هر سؤال از دریچه ریسک و با ذهنیت یک مشاور سیاست‌گذاری نگاه کنید.

همین نگاه، راهگشا شد.

روزبه،
سپاسگزارم که مرا نه‌فقط با ISC2 و CISSP، بلکه با شیوه‌ای از تفکر درباره امنیت آشنا کردی که در سراسر مسیر حرفه‌ای‌ام همراه من بوده است.

همچنین مفتخرم اعلام کنم که اکنون رسماً به جمع جامعه دارندگان CISSP در ISC2 پیوسته‌ام.

#Cybersecurity #CISSP #ISC2 #RiskBasedSecurity
👏8🔥5❤1
آکادمی آموزش روزبه 📚
#سخن_روز
👆👆پیرو این پست ، تعدادی از دوستان جویای کلاس اسپلانک شدند
امکان برگزاری هست با استخدام تضمینی و اگر هم تا حدودی بلد باشید امکان جذب با حقوق خوب

اما برای تشکیل کلاس باید به حد نصاب برسد
در واتس اپ زیر رزرو کنید تاخبر کنیم 09902857290
❤6
#استخدام همکار استاد روزبه
دریافتی خالص 200 تا 220 م تومان

فول تایم حضوری تهران
❤12
وقتی Splunk ES سالم است، اما حمله را نمی‌بیند

در سناریوی بازسازی‌شده از عیب‌یابی ES، لاگ‌های ورود ناموفق ویندوز دریافت می‌شدند، تعدادشان از آستانه تشخیص عبور می‌کرد و Correlation Search نیز موفق اجرا می‌شد؛ اما هشداری تولید نمی‌شد. عجیب‌تر اینکه همان جست‌وجو، کمی دیرتر و به‌صورت دستی، نتیجه می‌داد.

این تناقض، سؤال اصلی را تغییر داد: آیا مشکل در SPL بود، یا داده هنگام اجرای تشخیص هنوز آماده نبود؟

ابتدا استخراج فیلدها، انطباق با CIM، قیود Data Model، دسترسی کاربر اجراکننده و محدوده زمانی بررسی شدند. سرنخ اصلی در tstats و تنظیم summariesonly=true بود: جست‌وجو فقط خلاصه‌های شتاب‌دهی‌شده را می‌خواند. بنابراین وجود لاگ در ایندکس، دیده‌شدن آن در مسیر تشخیص را تضمین نمی‌کرد.

مقایسه خروجی جست‌وجو با summariesonly=true و summariesonly=false روی بازه‌ای ثابت، اختلاف نشان داد. سپس سه زمان کنار هم قرار گرفتند: وقوع رویداد، ایندکس‌شدن و قابل‌جست‌وجوشدن در خلاصه‌ها.

رویدادی ساعت ۱۰:۰۲ رخ داده، ۱۰:۰۸ ایندکس شده و بعدتر وارد خلاصه‌ها شده بود؛ اما قاعده هر پنج دقیقه، فقط پنج دقیقه گذشته را بررسی می‌کرد. هنگام اجرای اول، داده نرسیده بود؛ هنگام اجرای بعدی، زمان وقوعش از پنجره خارج شده بود.

بررسی scheduler.log نیز رقابت منابع و اجرای Skip‌شده بعضی جست‌وجوهای شتاب‌دهی را آشکار کرد.

راه‌حل، صرفاً تغییر کوئری نبود: تأخیر منابع اندازه‌گیری شد، زمان‌بندی جست‌وجوهای سنگین توزیع شد و پنجره تشخیص با تأخیر واقعی داده تطبیق یافت. برای پنجره‌های هم‌پوشان نیز کنترل تکرار هشدار تعریف شد، بدون آنکه فعالیت مستقل بعدی پنهان شود.

پذیرش نهایی با بازاجرای سناریو و سنجش زمان رسیدن هشدار انجام شد؛ نه صرفاً مشاهده اجرای موفق Search.

درس مهم: نتیجه نداریم ، الزاماً یعنی تهدید صفر نیست؛ گاهی داده و منطق درست، در زمان مناسب به هم نمی‌رسند.

#Splunk #SplunkES #SOC #DetectionEngineering #Troubleshooting #CIM #SIEM
❤7👏3
نصب و تیونینگ اسپلانک ( نه تحلیلگری ) شده ساعتی ۴ م تومان 🫢😑


⁉️نمیخواین در این حوزه شاغل شوید ؟

🌼هیچ پیش نیاز امنیتی هم نمیخواد

⬅️ثبت نام : واتس اپ 09902857290

پیش نیاز: دوره آفلاین اسپلانک جناب میر اسداللهی ( گوگل کنید)
👏9❤3
هشدارهای متعدد، همیشه به معنی رخدادهای متعدد نیستند!

یکی از قابلیت‌هایی که در Splunk ES 8.8 توجه را جلب کرد، Investigation Aggregation است؛ قابلیتی برای کنار هم قرار دادن یافته‌های مرتبط در یک پرونده تحقیق.

فرض کنید برای یک کاربر، ورود مشکوک ثبت شده، روی لپ‌تاپش PowerShell مشکوک اجرا شده و همان دستگاه با یک دامنه مخرب ارتباط گرفته است. بررسی جداگانه این هشدارها، بخشی از وقت تحلیلگر را صرف پیدا کردن ارتباط میان شواهد می‌کند.

اینجاست که نحوه تنظیم این قابلیت اهمیت پیدا می‌کند.

در مسیر زیر، ابتدا قابلیت را فعال می‌کنیم؛ چون به‌صورت پیش‌فرض خاموش است:

Configure → Findings and investigations → Investigation aggregation

سپس مشخص می‌کنیم تجمیع داخل یک صف تیمی انجام شود یا میان چند صف. قواعد آماده‌ای مثل Entity مشترک، Threat Object مشترک و فرستنده مشترک ایمیل فیشینگ وجود دارند؛ امکان تعریف قواعد اختصاصی و تغییر اولویت آن‌ها هم فراهم است.

پس از فعال‌سازی، یافته‌های جدید بر اساس این قواعد به پرونده‌ها هدایت می‌شوند. یافته‌های قبلی خودکار تجمیع نمی‌شوند.

نکته مهم این است: تعداد هشدارها لزوماً کمتر نمی‌شود؛ اما بررسی‌های پراکنده و تکراری می‌تواند کاهش پیدا کند.

البته کیفیت نتیجه به قواعد بستگی دارد؛ کنار هم گذاشتن هشدارهای نامرتبط، فقط پرونده‌ای شلوغ‌تر می‌سازد!
👏8❤2
مهندسی کشف


پنهان‌سازی DLL؛ تفاوت میان فهرست ماژول‌ها و واقعیت حافظه

مقاله پاول یوسیفوویچ توضیح می‌دهد چگونه می‌توان یک DLL بارگذاری‌شده در فرایندی دیگر را از فهرست ماژول‌های آن پنهان کرد؛ بدون اینکه DLL از حافظه خارج شود. مبنای روش، دست‌کاری فهرست‌های پیوندی متعلق به Loader در ساختار PEB است. با حذف ارتباط ورودی ماژول از فهرست، ابزارهای متکی بر آن دیگر DLL را گزارش نمی‌کنند.

چالش اصلی، عبور از مرز فضای آدرس فرایندهاست. اشاره‌گری که در فرایند هدف معتبر است، در فرایند اجراکننده الزاماً معنایی ندارد؛ بنابراین ساختارها باید با ReadProcessMemory به حافظه محلی خوانده شوند و تغییرات با WriteProcessMemory اعمال شوند. آدرس PEB هدف نیز از طریق NtQueryInformationProcess دریافت می‌شود.

نویسنده بر کنترل تعداد واقعی بایت‌های منتقل‌شده، خواندن جداگانه محتوای رشته‌های UNICODE_STRING و بررسی آدرس‌ها با ابزار متصل به فرایند هدف تأکید می‌کند. در آزمایش، DLL از خروجی EnumProcessModules و پیمایش مستقیم PEB ناپدید می‌شود.

پیام دفاعی مهم این است که ناپدیدشدن از فهرست، به معنای نبودن در حافظه نیست. در نتیجه، اتکای انحصاری به فهرست Loader نقطه کور ایجاد می‌کند. مقایسه این فهرست با نگاشت واقعی حافظه، مانند بررسی مبتنی بر VirtualQueryEx، می‌تواند ناسازگاری را آشکار کند. این روش، فراداده مشاهده‌پذیری را تغییر می‌دهد و به‌خودی‌خود DLL را تزریق، تخلیه یا اجرای آن را متوقف نمی‌کند.

منبع: مقاله TrainSec



دوره مهندسی کشف آکادمی روزبه با تیم MSSP شرکت هامون با پوشش صددرصدی مفاهیم و کارگاه عملی >> استخدام

دیماه 09902857290 واتس اپ

https://trainsec.net/library/malware-analysis/hiding-a-dll-in-another-process-cross-process-peb-unlinking-explained/
🔥5❤1
#نکته_روز

اونقدر در یک گرایش کاری/ درسی غرق نشین که یهو سر بالا کنین ببینین از روزگار حذف شدین !!

واسه همینه هر از چند گاهی یه دوری به سایر گرایش های امنیت هم میزنیم
👏7💯4
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👏1
لاگ‌ها وارد Splunk شده‌اند؛ اما آیا واقعاً برای Detection آماده‌اند؟

خطای پنهان در Data Onboarding که حتی مدیران باتجربه Splunk ممکن است نادیده بگیرند


یکی از اشتباهات رایج در پروژه‌های پیاده‌سازی Splunk Enterprise Security این است که موفقیت Data Onboarding را با دریافت موفق لاگ‌ها اشتباه می‌گیریم.

تصور کنید یک Splunk Administrator گزارش می‌دهد که لاگ‌های Windows، Firewall و Active Directory با موفقیت وارد Index شده‌اند. نرخ EPS طبیعی است، رویدادها قابل جست‌وجو هستند و تأخیری در دریافت داده‌ها مشاهده نمی‌شود.

آیا می‌توان نتیجه گرفت که این منابع برای استفاده در Splunk ES آماده‌اند؟

پاسخ منفی است؛ زیرا Searchable بودن داده الزاماً به معنای CIM-Compliant بودن آن نیست و CIM Compliance نیز به‌تنهایی Detection Readiness را تضمین نمی‌کند.

اینجا باید میان سه مفهوم تمایز قائل شویم: Data Ingestion، Data Normalization و Detection Readiness.

در مرحله نخست، داده دریافت، پردازش و ایندکس می‌شود. در مرحله دوم، ساختار و معنای داده با الزامات Common Information Model یا CIM تطبیق پیدا می‌کند. در مرحله سوم، باید اطمینان حاصل کنیم که داده واقعاً پیش‌نیازهای Detectionهای موردنظر را تأمین می‌کند.

اما نکته ظریف‌تر در مرحله دوم قرار دارد.

وCIM Compliance صرفاً به معنای یکسان‌سازی نام فیلدها نیست.

فرض کنید رویداد Windows Event ID 4625 وارد Splunk شده است. این رویداد نشان‌دهنده یک تلاش ناموفق برای ورود است. ممکن است Administrator فیلد IpAddress را به src و فیلد TargetUserName را به user نگاشت کند.

این اقدام ضروری است، اما کافی نیست.

اگر مقدار action به‌درستی به failure نرمال‌سازی نشده باشد، یک Detection که به دنبال ورودهای ناموفق می‌گردد ممکن است رویداد را شناسایی نکند.

از سوی دیگر، در Splunk CIM، مفاهیمی مانند Event Type، Tag و Dataset Constraints نیز اهمیت دارند. Event Type می‌تواند گروه مشخصی از رویدادها را شناسایی کند و Tagها در طبقه‌بندی آن‌ها نقش داشته باشند. محدودیت‌های Dataset نیز تعیین می‌کنند کدام رویدادها در محدوده یک Data Model قرار می‌گیرند.

بنابراین ممکن است رویدادی در Index وجود داشته باشد، فیلدهای آن نیز استخراج شده باشند، اما به دلیل ناسازگاری با محدودیت‌های Dataset، در جست‌وجوی مبتنی بر Data Model ظاهر نشود.

این مسئله زمانی خطرناک‌تر می‌شود که Detectionهای سازمان بر مبنای Data Modelهای CIM توسعه یافته باشند.

در چنین شرایطی، داشبوردهای مربوط به Ingestion ممکن است وضعیت سالمی نشان دهند، در حالی که بخشی از قابلیت کشف تهدید عملاً دچار Blind Spot شده است.

نکته مهم دیگر، تفاوت میان Data Model Compatibility و Data Model Acceleration است. فعال‌سازی Acceleration می‌تواند عملکرد جست‌وجوهای سازگار را بهبود دهد، اما داده‌ای را که از نظر معنایی یا ساختاری نادرست نرمال‌سازی شده است، اصلاح نمی‌کند.

از منظر مهندسی، Data Onboarding باید فراتر از اتصال Log Source به Index تعریف شود. یک فرآیند حرفه‌ای باید دریافت داده، صحت Timestamp، شناسایی Sourcetype، استخراج فیلدها، نرمال‌سازی مقادیر، تطبیق با CIM، بررسی Dataset Membership و در نهایت اعتبارسنجی Detection را پوشش دهد.

حتی عبور موفق از آزمون CIM نیز پایان کار نیست. ممکن است Detection به Lookup، Asset and Identity Context، فیلدهای تکمیلی، آستانه‌های زمانی یا شرایط همبستگی وابسته باشد.

به همین دلیل، بهترین معیار موفقیت Data Onboarding، صرفاً تعداد رویدادهای دریافتی نیست؛ بلکه توانایی داده در پشتیبانی از سناریوهای کشف تهدید مورد انتظار است.

برای مثال، در یک سناریوی Brute Force باید بتوانیم مسیر رویداد را از تولید در سیستم مبدأ تا دریافت در Splunk، نرمال‌سازی، ورود به Dataset مناسب و اجرای موفق Detection ردیابی و اعتبارسنجی کنیم.

این همان جایی است که Data Onboarding از یک فعالیت صرفاً عملیاتی به بخشی از Detection Engineering تبدیل می‌شود.

پیام نهایی برای Splunk Administrators:

وقتی یک Log Source را Onboard می‌کنید، تنها نپرسید: «آیا لاگ‌ها وارد Splunk شده‌اند؟»

بپرسید: «آیا این داده‌ها با CIM سازگارند، در Data Model مناسب قرار می‌گیرند و می‌توانند Detectionهای مورد انتظار را به‌درستی تغذیه کنند؟»

زیرا در یک SOC، خطرناک‌ترین نقص همیشه نبود داده نیست؛ گاهی داده وجود دارد، اما سامانه کشف تهدید نمی‌تواند از آن به‌درستی استفاده کند.

**دوره اسپلانک پیشرفته 09902857290

#Splunk #SplunkES #DataOnboarding #CIM #DetectionEngineering #SIEM #SOC #DataNormalization #ThreatDetection #CyberSecurity
👍2🔥2
یک دوره اسپلانک درحال برنامه ریزی است که از ۲۹ آبان شروع شود

شامل فقط ادمینی : صفر تا صد

کارگاه کامل

استخدام تضمینی دو نفر اول دوره

بازگشت ۵۰ درصد هزینه نفر اول دوره

ثبت نام 09902857290 واتس اپ

سرفصل:
هر آنچه یک ادمین از اسپلانک باید بداند ، نصب ، کلاستر ، تی شوت ، ES ، تی شوت پیشرفته + درس آموخته ها و تجربیات محیط واقعی

پیش نیاز : فقط آشنایی با شبکه در حد ابتدایی

آموزش >> اشتغال
👍18
آکادمی آموزش روزبه 📚
یک دوره اسپلانک درحال برنامه ریزی است که از ۲۹ آبان شروع شود شامل فقط ادمینی : صفر تا صد کارگاه کامل استخدام تضمینی دو نفر اول دوره بازگشت ۵۰ درصد هزینه نفر اول دوره ثبت نام 09902857290 واتس اپ سرفصل: هر آنچه یک ادمین از اسپلانک باید بداند ، نصب…
در Indexer Cluster، برقرار بودن Replication Factor الزاماً به معنی برقرار بودن Search Factor نیست؛ کپی داده ممکن است فایل‌های لازم برای جست‌وجو را نداشته باشد. پس از خرابی یک Peer، تبدیل کپی غیرقابل‌جست‌وجو به Searchable ممکن است نیازمند انتقال فایل‌های ایندکس یا بازسازی آن‌ها از rawdata باشد. بنابراین در عیب‌یابی، صرفاً تعداد کپی‌ها را نشمارید؛ وضعیت Searchable بودن Bucketها و صف Fixup را هم بررسی کنید.

با ما به تمام اسپلانک سفر کنید و شاغل شوید ✅
09902857290 واتس اپ
🔥6🤝1
ذهنیت امنیتی؛ توانایی دیدن آنچه پشت ظاهر پنهان است

در امنیت اطلاعات، دانستن نام ابزارها، تسلط بر دستورات و آشنایی با فناوری‌ها ضروری است؛ اما کیفیت کار یک متخصص، به شیوه نگاه او به مسئله نیز بستگی دارد. دو نفر ممکن است به یک لاگ، یک قطعه کد یا یک سیستم مشکوک دسترسی داشته باشند، اما به نتایج متفاوتی برسند. تفاوت، گاهی در پرسش‌هایی است که مطرح می‌کنند و فرض‌هایی که حاضرند به چالش بکشند.

ذهنیت امنیتی یعنی توانایی عبور از ظاهر رویدادها، شناخت فرض‌های پنهان و بررسی راه‌هایی که ممکن است یک قابلیت معتبر، برخلاف هدف اصلی خود استفاده شود. متخصص برخوردار از این ذهنیت، علاوه بر اینکه می‌پرسد «این سیستم چگونه کار می‌کند؟»، بررسی می‌کند «در چه شرایطی می‌توان از همین سازوکار سوءاستفاده کرد؟» و «برای تشخیص این سوءاستفاده، چه شواهدی لازم داریم؟»

این نگاه به معنای بدبینی دائمی یا متهم‌کردن همه‌چیز نیست. ذهنیت امنیتی زمانی ارزشمند است که با تفکر نقادانه، شناخت فنی و انضباط در ارزیابی شواهد همراه باشد. همان‌قدر که باید احتمال حمله را بررسی کنیم، باید بتوانیم فرضیه خود را نیز رد کنیم.

در فارنزیک: ساختن روایت از شواهد

در بررسی نفوذ، مشاهده یک فایل مشکوک یا اجرای یک فرمان، نقطه آغاز تحقیق است. تحلیلگر باید ارتباط زمانی و علّی شواهد را بررسی کند: مهاجم چگونه وارد شده، تحت چه حسابی فعالیت کرده، چه دسترسی‌هایی به دست آورده و چه آثاری باقی گذاشته است؟

ذهنیت امنیتی کمک می‌کند پژوهشگر به نخستین توضیح قانع نشود. نبودن یک رویداد در لاگ، الزاماً به معنای رخ‌ندادن آن نیست؛ شاید ثبت آن فعال نبوده، داده از دست رفته یا مهاجم شواهد را دست‌کاری کرده باشد. البته هرکدام از این احتمال‌ها باید بررسی شوند. فارنزیک معتبر، میان واقعیت مشاهده‌شده، استنباط و موضوع نامعلوم مرز روشنی می‌کشد.

در تحلیل امنیتی: فهم رفتار در بستر آن

اجرای PowerShell، ورود موفق یک کاربر یا استفاده از یک ابزار مدیریتی، به‌تنهایی برای قضاوت کافی نیست. چه کسی، از کدام مبدأ، در چه زمانی، روی چه دارایی و با چه توالی رفتاری این اقدام را انجام داده است؟

تحلیلگر دارای ذهنیت امنیتی، رویداد را در بستر فعالیت سازمان می‌بیند. ورود موفق می‌تواند حاصل سرقت اعتبارنامه باشد؛ ابزاری معتبر می‌تواند برای اجرای فرمان مهاجم به کار رود؛ و چند رخداد کم‌اهمیت ممکن است در کنار هم، مسیر یک نفوذ را آشکار کنند. این نگاه، تحلیل را از خواندن هشدار به فهم مسئله ارتقا می‌دهد.

در تحلیل کد: بررسی اعتماد و امکان سوءاستفاده

کدی که خروجی درست تولید می‌کند، ممکن است از نظر امنیتی آسیب‌پذیر باشد. ذهنیت امنیتی، توجه تحلیلگر را به ورودی‌های غیرقابل‌اعتماد، مرزهای دسترسی، مدیریت خطا و فرض‌های توسعه‌دهنده جلب می‌کند.

آیا کنترل دسترسی در سمت سرور اعمال شده است؟ آیا کاربر می‌تواند شناسه یک شیء را تغییر دهد و به داده دیگری برسد؟ آیا دو درخواست هم‌زمان می‌توانند یک محدودیت کسب‌وکار را دور بزنند؟ چنین پرسش‌هایی نیازمند فهم منطق برنامه‌اند؛ جست‌وجوی چند تابع خطرناک، همه مسئله را پوشش نمی‌دهد.

در پیش‌بینی رفتار مهاجم: شناخت انتخاب‌های محتمل

پیش‌بینی رفتار مهاجم، حدس‌زدن نیت او با قطعیت نیست. باید هدف احتمالی، سطح دسترسی فعلی، محدودیت‌ها و فرصت‌های محیط را کنار هم گذاشت و مسیرهای محتمل بعدی را ارزیابی کرد.

اگر مهاجم به یک سرور کاربردی دسترسی گرفته باشد، چه اطلاعاتی برای ادامه مسیر در اختیار دارد؟ کدام اعتبارنامه‌ها، ارتباطات مورداعتماد یا دسترسی‌های مدیریتی می‌توانند به او کمک کنند؟ پاسخ به این پرسش‌ها، اولویت بررسی و اقدامات دفاعی را روشن‌تر می‌کند.

در هانتینگ: تبدیل تردید به فرضیه آزمون‌پذیر

هانتینگ زمانی اثربخش می‌شود که یک نگرانی به پرسشی مشخص تبدیل شود. برای مثال: «اگر مهاجم از حساب سرویس برای حرکت جانبی استفاده کرده باشد، چه الگوی رفتاری متفاوتی خواهیم دید؟»

سپس باید داده لازم، روش جست‌وجو و معیار تأیید یا رد فرضیه مشخص شود. نتیجه منفی نیز تنها در محدوده پوشش و کیفیت داده معنا دارد. جست‌وجویی که شواهد کافی در اختیار ندارد، نمی‌تواند نبود تهدید را اثبات کند.

چرا این ذهنیت باید آموزش داده شود؟

یکی از ضعف‌های آموزش امنیت، تمرکز بیش‌ازحد بر اجرای دستور و رسیدن به خروجی ازپیش‌تعیین‌شده است. دانشجو ممکن است ابزار را به‌خوبی اجرا کند، اما نداند چرا باید آن را انتخاب کند، نتیجه‌اش چه محدودیتی دارد و قدم بعدی چیست.

برای پرورش ذهنیت امنیتی، باید با سناریوهای مبهم، شواهد ناقص و توضیح‌های رقیب تمرین کرد. از دانشجو باید خواست استدلال کند، فرضیه بسازد، شواهد مخالف را ببیند و درجه اطمینان خود را توضیح دهد. این توانایی قابل پرورش است و باید از الزامات تربیت نیروی امنیت باشد.
❤5🤝1