Saltar al contenido

Ingeniería de detección: cómo se escribe y se mantiene un caso de uso de verdad

    Ingeniería de detección:

    cómo se escribe y se mantiene un caso de uso de verdad

    Serie Blue Team  |  unfantasmaenelsistema.com

    Cualquier equipo con un SIEM tiene reglas. Muy pocos tienen ingeniería de detección. La diferencia no está en la sintaxis de la regla —eso ya lo cubrimos en el artículo de Sigma— sino en el proceso que hay detrás: por qué existe esa regla, sobre qué dato concreto se apoya, cómo se comprobó que funciona antes de desplegarla, quién la revisa cuando deja de tener sentido y quién decide retirarla. Sin ese proceso, un SIEM acumula cientos de reglas heredadas de plantillas del fabricante, la mitad de ellas apuntando a una fuente de datos que ya no existe, y el equipo de operaciones aprende a ignorar las alertas porque la señal real se ahoga en ruido.

    Ingeniería de detección es tratar cada regla como un producto de software: tiene una hipótesis de partida, un ciclo de vida, pruebas antes de salir a producción, control de versiones y, sobre todo, un dueño. Este artículo describe ese ciclo completo, cómo medir cuánta cobertura real da el conjunto de detecciones frente a ATT&CK, y los antipatrones más comunes que convierten un SIEM caro en una pantalla que nadie mira.

    Qué aprenderás en este artículo

    El ciclo de vida completo de una detección: de la hipótesis a la retirada · Qué significa «detection as code» y por qué el versionado cambia cómo se trabaja · Cómo usar un marco de madurez (tipo DeTT&CT) para medir cobertura real, no percibida · Los antipatrones que llenan un SIEM de reglas muertas o de ruido permanente · Qué debe llevar el runbook de triaje para que una alerta sea accionable por el turno que la recibe

    1. Por qué una regla no es lo mismo que una detección

    Escribir la sintaxis de una regla es la parte fácil y la más visible; por eso es donde se concentra la atención cuando un equipo empieza. Pero una línea de Sigma o de KQL que compila y produce resultados no es todavía una detección útil: falta saber si detecta lo que se cree que detecta, con qué tasa de falsos positivos, sobre qué volumen de datos reales, y qué hace el analista cuando dispara. Ingeniería de detección es el conjunto de esas preguntas resueltas y documentadas, no solo la regla suelta.

    El síntoma más claro de que falta este proceso es un SIEM con cientos de reglas activas y un puñado de analistas que, en la práctica, solo prestan atención a una decena de ellas. El resto genera ruido, quedó huérfana cuando cambió la fuente de datos que la alimentaba, o nunca se validó que disparara ante el comportamiento real que pretendía cubrir.

    2. El ciclo de vida de una detección

    El ciclo tiene ocho pasos. Saltarse cualquiera de los primeros cinco es la causa más habitual de que una regla nazca ya rota; saltarse los tres últimos es la causa de que una regla buena se pudra con el tiempo sin que nadie se dé cuenta.

    FaseQué se haceQué falla si se salta
    1. HipótesisPartir de inteligencia de amenazas, un incidente propio o una técnica de ATT&CK concreta: «si un atacante hiciera X, ¿qué dejaría?»Reglas genéricas copiadas de una plantilla sin relación con las amenazas reales de la organización
    2. Fuente de datosIdentificar qué log o sensor contendría la evidencia, y comprobar que ese dato realmente se está recogiendo y llega al SIEMLa regla «existe» en el SIEM pero nunca podrá disparar porque el campo que consulta no llega en los eventos reales
    3. Lógica de detecciónEscribir la consulta o regla (Sigma, KQL, SPL) sobre el esquema real de esa fuente, no sobre la documentación genérica del productoConsultas que funcionan en el laboratorio del proveedor pero no en el esquema de logs de la organización
    4. Prueba con emulación controladaReproducir el comportamiento en un entorno de laboratorio (Atomic Red Team u otra emulación) y confirmar que la regla disparaSe descubre que la regla no funciona la primera vez que hace falta, durante un incidente real
    5. Medir falsos positivosEjecutar la regla en modo silencioso sobre tráfico de producción real durante un periodo antes de activarla en alertaUna regla ruidosa se desactiva a los pocos días por el propio equipo de operaciones, y ya no vuelve a revisarse
    6. Desplegar con runbookActivar la alerta junto con el procedimiento de triaje asociado (ver sección 6)La alerta llega a un turno sin contexto y se cierra como falso positivo sin investigar
    7. Revisar periódicamenteReevaluar cada detección contra cambios de infraestructura, nuevas técnicas de evasión y volumen de falsos positivos acumuladoLa regla sigue activa años después de que el escenario que cubría dejara de aplicar
    8. Retirar o reemplazarDar de baja formalmente la regla cuando ya no aporta, documentando el motivo, en vez de dejarla acumular en silencioEl SIEM crece indefinidamente en reglas muertas que nadie se atreve a borrar por si acaso

    2.1 La hipótesis es lo que distingue ingeniería de simple recolección

    Una hipótesis bien formulada tiene esta forma: técnica (idealmente una técnica ATT&CK concreta, no una táctica genérica), comportamiento esperado (qué haría el atacante exactamente en ese entorno) y artefacto observable (qué campo, en qué log, con qué valor, quedaría registrado). Sin las tres partes, la regla suele degenerar en una búsqueda de una palabra clave o un IOC concreto, que caduca en cuanto el atacante cambia el nombre de un fichero o la IP del servidor de mando y control.

    3. Detection as code: versionar las reglas como se versiona el software

    «Detection as code» significa tratar el conjunto de reglas exactamente como un repositorio de software: en control de versiones (Git), con revisión por pares antes de fusionar un cambio, con pruebas automatizadas que corren en integración continua, y con un historial que permite saber quién cambió qué regla, cuándo y por qué.

    • Control de versiones. Cada regla es un fichero (Sigma YAML, consulta KQL, script) en un repositorio, no una entrada suelta en la interfaz del SIEM. Permite ver el historial de cambios y revertir uno que introdujo ruido.
    • Revisión por pares. Un segundo analista revisa la lógica antes de fusionar: ¿la fuente de datos es correcta?, ¿el ámbito es demasiado amplio o demasiado estrecho?, ¿ya existe una regla similar?
    • Pruebas automatizadas en CI. Un pipeline que valida sintaxis, ejecuta la regla contra un conjunto de eventos de prueba (positivos y negativos conocidos) y bloquea el merge si algo falla o si el volumen de coincidencias esperado se sale de rango.
    • Metadatos obligatorios por regla. Técnica ATT&CK cubierta, fuente de datos requerida, nivel de confianza, fecha de última revisión y responsable (owner), todo dentro del propio fichero de la regla, no en un documento aparte que se desincroniza.
    • Despliegue automatizado. Un cambio fusionado en el repositorio se traduce automáticamente al backend del SIEM (vía sigma-cli u otro conversor), eliminando el paso manual de copiar y pegar en la consola.
    # Fragmento de metadatos de una regla, formato Sigma
    title: Creación de tarea programada con ejecución de PowerShell codificada
    id: 8f2a1c40-...
    status: stable
    tags:
        - attack.execution
        - attack.t1053.005
        - attack.t1059.001
    level: high
    # Metadatos internos del equipo (extensión propia, no del estándar Sigma)
    custom:
        owner: blue-team-deteccion
        data_source: sysmon-eventid-1,windows-security-4698
        last_reviewed: 2026-08-01
        fp_rate_observed: 0.4%   # medido en el paso 5 del ciclo de vida

    Empezar sin herramienta dedicada

    No hace falta una plataforma de gestión de detecciones para aplicar esto: un repositorio Git con reglas Sigma, un fichero de metadatos por regla y un pipeline sencillo de CI (GitHub Actions, GitLab CI) que valide sintaxis y ejecute sigma-cli ya cubre el 80% del beneficio de «detection as code» sin coste de licencia.

    4. Medir cobertura real: marcos de madurez y DeTT&CT

    «Tenemos 400 reglas» no dice nada sobre cobertura. «Tenemos 400 reglas, de las cuales 60 cubren técnicas de acceso inicial y ninguna cubre movimiento lateral vía WMI» sí lo dice. Ese es el objetivo de un marco de madurez de detección: convertir el inventario de reglas en un mapa frente a ATT&CK que muestre huecos, no solo volumen.

    DeTT&CT (Detect Tactics, Techniques & Combat Threats), del equipo de Rabobank, es el marco de referencia abierto para esto. Su idea central es puntuar, técnica por técnica de ATT&CK, tres cosas por separado: la visibilidad (¿llega la telemetría necesaria?), la detección (¿existe una regla que la cubra?) y el nivel de amenaza (¿es una técnica relevante para el sector o el perfil de atacante de la organización?). Cruzar las tres capas es lo que revela dónde invertir primero: una técnica de alta amenaza sin visibilidad ni detección es una prioridad; una técnica de baja amenaza ya cubierta no lo es, por muchas reglas que tenga.

    CapaPregunta que respondeEjemplo de hueco que revela
    Visibilidad de datos¿Tenemos telemetría que permitiría, en teoría, detectar esta técnica?No se recogen logs de PowerShell con registro de bloques de script (Event ID 4104): cualquier detección de T1059.001 basada en contenido del script es imposible, aunque exista la regla
    Cobertura de detecciónDe las técnicas con visibilidad, ¿cuántas tienen una regla activa?Hay visibilidad completa de creación de procesos (Sysmon 1) pero ninguna regla sobre living-off-the-land binaries conocidos
    Nivel de amenaza aplicado¿Qué técnicas usan los grupos de amenaza relevantes para este sector?Un banco prioriza técnicas de fraude y acceso a banca online por encima de técnicas de espionaje industrial poco relevantes para su perfil

    El resultado habitual de aplicar esto por primera vez no es una lista de reglas nuevas que escribir: es una lista de fuentes de datos que faltan. La mayoría de huecos de detección son huecos de visibilidad, no de creatividad para escribir consultas.

    5. Antipatrones habituales

    • Reglas que nadie mantiene. Se despliegan y se olvidan; nadie revisa si la fuente de datos que consultan sigue existiendo tras una migración de infraestructura. Con el tiempo, un porcentaje creciente del conjunto son reglas que técnicamente están activas pero nunca podrán disparar.
    • Cazar IOCs caducados. Reglas basadas en una IP, un hash o un dominio concreto de una campaña concreta, sin capa de comportamiento detrás. Son útiles el primer mes tras el informe de inteligencia que las originó y prácticamente inútiles después, porque el atacante cambia esos indicadores en cada campaña.
    • No cerrar el bucle con el equipo de respuesta. Una detección que disparó durante un incidente real debería retroalimentar el proceso: ¿faltó una regla?, ¿la que existía era demasiado ruidosa para que se le prestara atención a tiempo? Sin ese cierre, el mismo hueco se repite en el siguiente incidente.
    • Copiar el paquete de reglas del fabricante sin adaptar. Las reglas prediseñadas de un SIEM comercial asumen un esquema de campos y una arquitectura de red genéricos; sin ajustar a la organización real, una fracción alta queda inactiva o dispara constantemente por diferencias de nomenclatura.
    • Medir éxito por número de reglas, no por cobertura. Un cuadro de mando que premia «reglas desplegadas este trimestre» incentiva cantidad sobre calidad y llena el SIEM de detecciones estrechas y redundantes en vez de cerrar huecos reales de cobertura.
    • Sin propietario por regla. Si ninguna persona concreta es responsable de una detección, nadie la revisa cuando algo cambia; se descubre que está rota solo cuando alguien audita el conjunto entero, que suele ser nunca.

    El volumen de reglas no es una métrica de madurez

    Un equipo con 50 detecciones bien mantenidas, con propietario, prueba y runbook, ofrece más seguridad real que otro con 800 reglas heredadas de plantillas sin revisar. Si un indicador de gestión solo cuenta reglas activas, está midiendo lo que no importa.

    6. El runbook de triaje: sin él, la mejor regla es inútil

    Una regla que dispara sin instrucciones claras para el analista de turno se convierte, en la práctica, en ruido igual de rápido que una regla mal calibrada. El runbook es el documento (o los campos estructurados dentro del propio ticket) que convierte una alerta en una acción concreta.

    • Qué significa la alerta, en una frase, sin jerga: qué comportamiento la disparó y por qué se considera sospechoso.
    • Qué contexto adicional consultar antes de decidir: qué otros logs cruzar, qué preguntar al usuario o al propietario del sistema implicado.
    • Criterios explícitos de falso positivo conocido: situaciones legítimas que ya se sabe que disparan la regla, para no reinvestigarlas cada vez desde cero.
    • Acción recomendada según severidad: desde «cerrar con nota» hasta «escalar a respuesta a incidentes de inmediato», con los pasos exactos de contención si aplica.
    • A quién escalar y por qué canal, con tiempos de respuesta esperados según la criticidad.

    El runbook forma parte de la definición de «terminada» de una regla

    En un flujo de detection as code, el pull request que añade una regla nueva debería incluir el runbook en el mismo cambio, no como una tarea pendiente para después. Una regla sin runbook no está lista para producción.

    Conclusión

    Ingeniería de detección es aplicar disciplina de ingeniería de software a algo que casi siempre se trata como configuración suelta: cada detección nace de una hipótesis explícita, se prueba antes de desplegarse, se versiona, se revisa y —lo más difícil de aceptar— se retira cuando ya no aporta. El resultado no es un SIEM con más reglas, sino un SIEM donde cada alerta que llega a un analista merece su atención.

    Medir la cobertura frente a un marco como DeTT&CT, en vez de contar reglas, es lo que revela que la mayoría de huecos son de visibilidad —falta la fuente de datos, no la idea de la regla— y evita el antipatrón más caro: escribir detecciones nuevas sobre datos que ya faltan para las antiguas.

    Referencias y recursos

    github.com/rabobank-cdc/DeTTECT — el marco DeTT&CT completo, con hojas de cálculo y visualizador · attack.mitre.org — matriz de referencia para formular hipótesis por técnica · SigmaHQ/sigma — repositorio de reglas Sigma como ejemplo de detection as code en abierto · Nuestros artículos sobre reglas Sigma y Atomic Red Team — la sintaxis y la emulación que alimentan los pasos 3 y 4 del ciclo de vida descrito aquí

    unfantasmaenelsistema.com | Seguridad, sistemas y todo lo que no debería funcionar (pero funciona)

    Resumen de privacidad

    Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.