Punti chiave
- Il detection engineering è il lavoro di progettare, scrivere, testare e mantenere le regole con cui un SOC riconosce un attacco nei log, trattandole come software.
- Ogni regola ha un ciclo di vita: ipotesi, sviluppo con documentazione, test sui dati storici, messa in produzione e tuning, ritiro. Il framework ADS di Palantir chiede nove sezioni compilate prima della produzione.
- Detection-as-code vuol dire regole in un repository Git, revisione tra pari e pipeline CI/CD; per Google SecOps Google pubblica su GitHub il Content Manager.
- Sigma (specifica 2.1.0, agosto 2025) è il formato aperto e portabile in YAML; YARA-L 2.0 è il linguaggio di regole, ricerca e dashboard di Google SecOps, dove le curated detections di Google distinguono regole Precise e Broad.
- Si misura con la copertura delle tecniche MITRE ATT&CK, letta insieme a falsi positivi per regola e tempo di rilevamento: una tecnica coperta sulla matrice non è per forza rilevata.
Il detection engineering è il lavoro di progettare, scrivere, testare e mantenere le regole con cui un SOC riconosce un attacco nei log. Tratta ogni regola come software: parte da un'ipotesi su un comportamento dell'attaccante, viene provata sui dati veri, regolata per ridurre i falsi positivi, versionata e ritirata quando non serve più. Si misura sulla copertura delle tecniche MITRE ATT&CK e sulla qualità degli alert.
Qui trovi il ciclo di vita di una regola, il detection-as-code, i formati Sigma e YARA-L e le misure che contano.
Cos'è il detection engineering, e cosa non è
Un SIEM raccoglie e normalizza i log, ma da solo non sa cosa cercare: lo decidono le regole. Il detection engineering è la disciplina che le produce e le tiene in buona salute. Risponde a tre domande: quale comportamento vogliamo vedere, con quali dati, e quanto rumore accettiamo per vederlo.
Conviene distinguerlo da due attività vicine:
- Threat hunting. Il threat hunting cerca a mano, su un'ipotesi, quello che nessuna regola ha segnalato. Il detection engineering trasforma quella ricerca in una regola che da domani gira da sola.
- Regole pronte all'uso. Le regole fornite dal vendor o dalla community sono un punto di partenza. Il detection engineering decide quali attivare, come adattarle all'ambiente e cosa scrivere da zero dove mancano.
Il ciclo di vita di una regola
Una regola nasce, cambia e muore. Un riferimento pubblico utile per strutturare il percorso è l'Alerting and Detection Strategy (ADS) framework che il team di incident response di Palantir ha pubblicato su GitHub nel 2017. Nasce, spiega il repository, da alert finiti in produzione senza documentazione né revisione tra pari, diventati col tempo fonte di stanchezza negli analisti. Il framework chiede di compilare nove sezioni prima della messa in produzione, fra cui obiettivo, punti ciechi e assunzioni, falsi positivi, validazione e risposta.
1. Ipotesi: cosa vogliamo vedere
Ogni regola parte da un comportamento preciso. Le fonti abituali sono una tecnica di MITRE ATT&CK rilevante per il settore, un report di threat intelligence, un incidente passato o una caccia che ha trovato qualcosa. L'ipotesi si scrive in una frase verificabile, per esempio un processo di sistema avviato da una cartella diversa da quella standard.
Il primo controllo è sui dati: se i log che servono non arrivano, o arrivano senza i campi necessari, il risultato di questa fase è una fonte di log da aggiungere, non una regola.
2. Sviluppo: logica e documentazione
Si scrive la logica (quali eventi, con quali condizioni, in quale finestra di tempo) e, insieme, la documentazione: perché esiste la regola, quali falsi positivi sono noti, cosa deve fare l'analista quando scatta. Il passo di risposta si collega ai playbook del SOC.
3. Test: prima sui dati storici, poi dal vivo
Una regola si prova prima di farla scattare. In Google Security Operations (Google SecOps), secondo la documentazione di Google, l'editor delle regole ha una funzione di test che esegue la regola sugli eventi di un intervallo di tempo scelto: i rilevamenti del test non vengono salvati e non generano alert, così chi scrive può iterare senza toccare la produzione. Per finestre storiche più ampie si usa il retrohunt, che applica la regola ai dati già raccolti. Google raccomanda di lanciarlo con gli alert disattivati, perché su una regola con alert attivi ogni rilevamento storico apre un alert nel SOAR e può intasare la coda dei casi.
Il test serve anche al contrario: si simula il comportamento da vedere e si controlla che la regola scatti.
4. Messa in produzione e tuning
Dopo il rilascio comincia la parte più lunga. La documentazione di Google suggerisce di seguire una regola appena messa in produzione per 24-48 ore nel dashboard di osservabilità delle regole, che mostra numero di rilevamenti, latenza di ingestione e tempo dall'ingestione al rilevamento.
Il tuning riduce i falsi positivi senza accecare la regola: si escludono un'applicazione legittima, un account di servizio, una rete di test. Un'esclusione troppo larga fa passare anche l'attaccante, quindi ognuna si documenta e si rivede. Il costo dei falsi positivi non tenuti sotto controllo è l'alert fatigue.
5. Ritiro
Una regola si ritira quando la tecnica che copriva non è più rilevante, quando un'altra la sostituisce o quando la fonte di log non esiste più. In Sigma lo stato deprecated indica una regola sostituita o coperta da un'altra, con il collegamento nel campo related. In Google SecOps una regola si archivia: non viene cancellata, ma i dati legati a lei e a tutte le sue versioni vengono nascosti e sparisce dal dashboard delle regole. L'archiviazione è permessa solo dopo averla tolta dall'esecuzione dal vivo, e gli alert si spengono da soli.
Detection-as-code: le regole trattate come software
Detection-as-code vuol dire gestire le regole con gli strumenti dello sviluppo software: i file stanno in un repository Git, ogni modifica passa da una revisione, una pipeline di CI/CD le valida e le distribuisce sulla piattaforma. Ne derivano una storia completa delle modifiche (chi ha cambiato cosa e perché, utile anche con un auditor), la revisione tra pari che chiede il framework ADS, e la possibilità di tornare indietro quando una modifica genera rumore.
Per Google SecOps Google pubblica su GitHub, nel repository delle regole d'esempio, il Content Manager. Secondo la sua documentazione si usa in una pipeline CI/CD (GitHub, GitLab e altre) per verificare che una regola sia YARA-L valido senza crearla, scaricare tutte le regole in file locali con il loro stato, creare regole o nuove versioni, attivarle, disattivarle o archiviarle, e gestire le esclusioni. La piattaforma tiene comunque lo storico delle versioni di ogni regola, e i rilevamenti restano legati alla versione che li ha prodotti.
I formati: Sigma e YARA-L
Sigma, il formato aperto
Sigma è un formato aperto e indipendente dal vendor per descrivere eventi rilevanti nei log. La specifica è mantenuta dal progetto SigmaHQ, oggi alla versione 2.1.0 del 2 agosto 2025. Le regole sono file YAML con alcune parti obbligatorie e molte facoltative:
- logsource, obbligatoria: su quali log si applica (categoria, prodotto, servizio);
- detection, con i criteri di selezione e la condition che li combina;
- status: stable, test, experimental, deprecated o unsupported;
- falsepositives: l'elenco dei falsi positivi noti;
- level: informational, low, medium, high, critical;
- tags, dove si scrive la tecnica ATT&CK coperta (per esempio attack.t1234).
Il vantaggio è la portabilità: una regola Sigma si converte nel linguaggio di query di molti SIEM con gli strumenti ufficiali del progetto (sigma-cli e la libreria pySigma). Il repository principale di SigmaHQ offre oltre 3.000 regole revisionate dalla community. La specifica prevede anche i filtri, che applicano la stessa esclusione a più regole: servono proprio al tuning sull'ambiente, quando un'applicazione legittima fa scattare più rilevamenti.
YARA-L 2.0, il linguaggio di Google SecOps
In Google SecOps ricerca, dashboard e regole usano lo stesso linguaggio, YARA-L 2.0, che lavora sugli eventi normalizzati nel modello UDM. Una regola è divisa in sezioni con un nome: meta per la descrizione, events per gli eventi e i filtri, match per raggruppare per utente o host in una finestra di tempo (necessaria per correlare più eventi), outcome per i calcoli e condition per la logica che fa scattare il rilevamento.
Accanto alle regole scritte dal cliente ci sono le curated detections: insiemi di regole YARA-L scritti e mantenuti dal team Google Cloud Threat Intelligence, che li aggiorna al cambiare delle minacce. Ogni insieme distingue regole Precise, che trovano comportamenti malevoli con alta confidenza e meno falsi positivi, e regole Broad, più generali e con più falsi positivi. Per ridurre il volume si usano le esclusioni, che secondo la documentazione valgono solo per le curated detections: nelle regole personalizzate l'esclusione si scrive direttamente nella logica YARA-L. In pratica il lavoro si divide: le curated coprono le minacce note, il detection engineering copre quello che è specifico dell'ambiente, come applicazioni interne, processi di business e account privilegiati.
Come si misura il detection engineering
Copertura delle tecniche ATT&CK
La misura più usata è quante tecniche di MITRE ATT&CK hanno almeno un rilevamento attivo. MITRE stesso, accanto a tattiche e tecniche, pubblica le Detection Strategies: approcci di rilevamento per singola tecnica, che raccolgono analytic specifiche per piattaforma. In Google SecOps la matrice ATT&CK mostra la copertura delle regole: per far contare una regola personalizzata si aggiunge l'identificativo della tecnica nei metadati. Una tecnica senza regole ma con log disponibili è, nella documentazione di Google, un'opportunità di rilevamento da sfruttare.
Un avvertimento: copertura non vuol dire rilevamento garantito. Una tecnica con una regola debole o scritta su log incompleti risulta coperta sulla matrice e passa inosservata nella realtà. La copertura va letta insieme ai test.
Qualità degli alert
Si misura per regola: quanti alert produce, quanti sono falsi positivi, quanti diventano incidenti. Una regola che scatta ogni giorno senza mai trovare niente va corretta o ritirata.
Tempo di rilevamento
Il tempo tra l'evento e l'alert dipende anche da come è scritta la regola. Google SecOps marca i rilevamenti nati da un retrohunt, che di solito si escludono dal calcolo del MTTD, e quelli ritardati dall'arrivo tardivo dei dati. Come impostare questi indicatori senza farsi ingannare è spiegato nella guida ai KPI del SOC.
NIS2 e ISO 27001 chiedono il detection engineering?
Non con questo nome. La Direttiva (UE) 2022/2555, recepita in Italia dal D.Lgs. 138/2024, elenca all'art. 21, par. 2, fra le misure minime la gestione degli incidenti (lettera b) e strategie e procedure per valutare l'efficacia delle misure di gestione dei rischi di cibersicurezza (lettera f). La ISO/IEC 27001:2022 ha nell'Annex A il controllo 8.16 Monitoring activities. Un catalogo di regole versionato, con test, tuning documentato e una mappa di copertura ATT&CK, è una prova concreta che il monitoraggio esiste e viene valutato.
Interno o dentro un servizio
Un programma interno richiede almeno una persona che conosca il linguaggio della piattaforma, le tecniche degli attaccanti e l'ambiente, con tempo dedicato e non assorbito dalla coda degli alert. Per molte aziende del mid-market è più realistico trovarlo dentro un SOC gestito. Quando valuti un fornitore, chiedi:
- quante regole avete scritto sul nostro ambiente, oltre a quelle pronte del vendor?
- dove stanno le regole, chi le rivede e possiamo leggerle?
- come misurate la copertura ATT&CK e quanto spesso la aggiornate?
- cosa fate quando una regola produce troppi falsi positivi?
In sintesi: il detection engineering tratta le regole di rilevamento come software, con un ciclo che va dall'ipotesi al ritiro, passando per test e tuning. Sigma dà portabilità tra piattaforme, YARA-L è il linguaggio nativo di Google SecOps, e la misura che conta è la copertura delle tecniche ATT&CK letta insieme alla qualità degli alert. Nel nostro SOC gestito su Google SecOps colleghiamo le fonti, scriviamo le detection sul contesto del cliente e riduciamo i falsi positivi durante l'onboarding: i dettagli sono nella pagina SOC gestito e MDR.
