MITRE 每年都会开一个名为 The MITRE ATT&CK® Conference (ATT&CKcon) 的研讨会，2025 年在弗吉尼亚州召开。

必须强调的是，在提供了公开材料的议题中，只选取了部分议题进行介绍。很多议题也只能选择其中较为亮点的、重要的部分进行一笔带过式的介绍，甚至有些议题没有在本文中被提及，请各位读者见谅。感兴趣的读者可以跳转官网查看完整议程安排。

若是通过本文的介绍，或者是查看官网议程安排后，对其中某些议题感兴趣的话，就可以在官网下载议题对应的材料进行扩展阅读。(PS：笔者根据自身的认知局限与好恶为部分议题打了推荐查看的星级，不代表对议题实际内容高下的评判，只是为部分时间宝贵的读者再节约些时间，这部分议题相对来说可能更加值得一看)

AI 加速威胁分析的自动化 ATT&CK 流 ⭐⭐⭐

从非结构化的分析报告种提取结构化情报，是一件容易出错的苦差事。FlowViz 可以直接将分析报告，转换成 ATT&CK 流。

Sonnet 4.5 的效果可以说是非常好，更强的大模型对于处理复杂威胁情报至关重要。

捕获了 86% 的技术项，超过 96% 的识别技术项都是正确的。

此前 MITRE Engenuity 的 Attack Flow Builder 适用于精细化编辑，FlowViz 则旨在进行批量处理。项目开源，也提供了在线测试地址，感兴趣的可以查看。

    https://github.com/davidljohnson/flowvizhttps://www.flowviz.io/

    新版的更新（合起来不分散写了）⭐⭐⭐

    Enterprise v18 版本将要新增检测逻辑等级（Level 1（单一原子指标检测） 到 Level 5（基于行为链的复杂检测）），之前只关注攻击者怎么做，现在也要标准化防御者如何进行检测。帮助防御者从孤立的检测事件，转向理解攻击行为的因果链（Causal Chains）。

    一个检测策略，下属三个平台的不同实现，每个平台上再对应具体的方式。

    Enterprise 矩阵后续可能考虑将“防御规避“阶段拆分成”Stealth“和”Impair Defenses“，现在的技术项太多，非常杂乱。预计 2026 年就会完成这项巨大的改进，有的技术项会删掉，有的技术项会挪到别的战术阶段中。

    传统检测关注工具特征，是单一事件检测逻辑。而现如今的威胁经常使用合法工具，孤立来看是良性的，多步攻击链在多个有关系的事件中进行。

    ATT&CK 推动从一个攻击动作的检测，升级到事件链的检测。以攻击者通过 TFTP 替换启动镜像为例，防御者应该关注的是“配置变更 -> 传输 -> 重启”这一连串动作的组合。

    CTID 有着全明星阵容，在全球范围内推进威胁防御的最前沿、最佳实践。

    攻击流之后 CTID 将会构建 TIE（Technique Inference Engine），所需要的上下文数据也是分级的。

    随着 AI 应用的爆发，MITRE 针对 AI 安全推出了框架 ATLAS。

    从造成影响的角度看 ATT&CK 技术项 ⭐⭐

    过往的研究都集中在攻击频率，而忽略了攻击造成的损失，例如财务损失、中断时长、泄露数据量等。横轴为频率排名，数字越小频率越高。纵轴为损失中位数，数字越大损失越多。气泡大小表示受影响的数据量。

    金融盗窃（T1657），发生频率很高，但其实损失往往有限。前置阶段的 T1518，可能是攻击者攻击的前兆。尽管其频率不高，但是出现往往预示着要出现巨大的财务灾难。资源劫持（T1496）发生频率较低，损失也不大，但影响的面非常广。

    大模型安全策略与测试方式转变 ⭐⭐

    新闻宣传中 GPT-5 更容易越狱了，其安全性糟糕透顶。传统的测试评估依赖“拒绝率”，这也是产生误判的根源。

    根据测试数据，GPT-5 几乎是完败。

    但其实是由于模型对齐策略改变，现在已经从直接拒绝进化到了 Safe-completions。模型变得更聪明了，但安全丈量的尺子还停留在过去。

    第三方 SaaS 的攻击面被低估了 ⭐⭐

    核心问题还是不可见性：

    从 Detection Engineering 到 Signals Engineering ⭐⭐

    Signal 可能是弱特征、低置信度的，不值得单独告警，但多个 Signal 聚合起来就能构成高价值的线索。GitLab 提出了“Signal Engineering 金字塔”：

    GitLab 在 PPT 中提到了覆盖率、标准化等关键点，值得一看。例如要像管理软件代码一样管理检测规则，提交规则要经过自动测试。规则产生的不再是告警，而是 Signal，允许低置信度的 Signal 作为上下文而存在。安全运营也要形成闭环：

    Procedure 甚至比 Technique 更重要 ⭐⭐

    一个技术项可能有成千上万种实现方式，能够检测一种其实并不代表覆盖了整个技术。通过图来进行建模：

    以修改注册表为例，不再赘述。

    浏览器 ATT&CK 矩阵 ⭐⭐

    79% 的 0day 漏洞利用是以浏览器为目标的。将浏览器视为一个独立的平台，设计了该框架，试图填补传统端点安全在浏览器层面的盲区。

    浏览器威胁主要集中在四类：

    感兴趣的可以通过 browsertotal.com 查看，此处不再赘述。

    自愈式（Self-Healing）威胁检测系统 ⭐⭐

    文中列举了“幽灵规则”、“癌症规则”等常见情况，提出了 4D 框架：韧性（参考 StP）、战备（参考 BAS）、影响（参考 D3FEND）与相关（参考 CTI/TID）。

    从检测到行动，各个阶段有不同的分值阶梯。分数越高，自动遏制威胁的能力越强，不局限在为人类分析人员发出告警。

    评分公式与关键程度分级，落在 REVIEW 的规则就要备选剔除。

    通过 Agentic AI 进行攻击模拟：

    识别 ATT&CK 技术共现模式 ⭐

    将技术间的高频共现关系挖掘出来：

    威胁的变与不变 ⭐

    被检测到的 ATT&CK 技术共计 397 项，75% 的检测量集中在 Top 30 技术项上，50% 的检测量集中在 Top 10 技术项上。

    即使是最高级的 APT 攻击，其攻击链的 90% 也是由 PowerShell、WMI 这种“烂大街”的技术组成的，只有那 10% 的Payload 或 0day 漏洞是新的。无论攻击者怎么组合，他们使用的原子技术都在 ATT&CK 的现有库里。威胁没有变，变的是我们的视角和命名。

    AR/VR 设备如何应用 ATT&CK 进行调查 ⭐

    典型攻击：

    一个攻击示例：

    网络向善 ⭐

    行业推崇“救火英雄”而非“防火专家”，持续救火造成了职业倦怠。

    想在工作中获得持久的动力和快乐，要构建内在动机 ABC：A - 自主性(AUTONOMY)、B - 归属感 (BELONGING)、C - 胜任感 (COMPETENCE)。

    使用 ATT&CK 识别 TTP 并确定检测优先级 ⭐

    映射工作流：收集、提取、TTP 区分，前两者不多解释，最后的是议题的核心。尽管都是技术项，要将人实施的和恶意软件功能驱动的分开，防御的策略也不相同。

    分析了 TOP 10 的技术项：

    基于流行度、影响和可见性来判断优先级，确保优先关注应该关注的威胁。

    以人为本，自动化无法完全模拟红队 ⭐

    很多企业买了 BAS，跑一遍 ATT&CK 矩阵，看到全是绿色就以为安全了。但这种覆盖率并不等同于真实的攻击链，不能将 ATT&CK 当作 Excel 中的 Checklist 来用。

    有些技术就非常依赖人工，此处不一一列举。

    人类直觉、上下文和时机是自动化工具与人类最主要的差距, 在复杂的攻击链中，人类的创造力、直觉和对上下文的理解是自动化无法替代的。

    如何利用 MITRE ATT&CK 在 SaaS 环境防御 Scattered Spider ⭐

    相比端侧，Scattered Spider 更擅长从 SaaS 找到突破口。常见的攻击模式是钓鱼->获取凭据->访问云平台->数据窃密。

    针对每个 ATT&CK 技术项的检测规则数量不同，有些很多而有些根本为零。长尾存在盲点，要进行针对性的提升。

    声明：本文来自威胁棱镜，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。