saltar al contenido
volver al mapa
práctica
etapa: detect
2 min de lectura

Threat hunting

La detección espera a que se dispare una regla. El hunting asume que algo ya puede estar adentro y busca la evidencia, y luego convierte lo que encuentra en detecciones permanentes.

MITRE ATT&CKSIEM / data lake queriesEDR telemetry searchJupyter notebooksSigmaosquery

Qué es

El es una búsqueda proactiva, dirigida por personas, en tu telemetría de actividad que las detecciones automáticas no señalaron. Una cacería no es un barrido al azar: parte de una hipótesis sobre cómo podría estar operando un atacante en tu entorno, la contrasta con los datos y termina con un hallazgo o con un resultado negativo documentado y una mejor detección.

El ciclo de la cacería

  • Hipótesis: una afirmación específica y comprobable, por ejemplo "un atacante que robó una clave de nube llamaría a la API de secretos desde una red nueva".
  • Datos: identifica qué logs podrían confirmarla o refutarla, y si los recolectas. La falta de datos es en sí misma un hallazgo.
  • Consultar y analizar: ejecuta búsquedas, establece la línea base de lo normal e investiga los valores atípicos.
  • Concluir: la actividad confirmada se convierte en un incidente; los patrones benignos se documentan; las brechas se vuelven tareas.
  • Operacionalizar: convierte la cacería en una detección automatizada y sigue su tasa de falsos positivos.

De dónde salen las hipótesis

  • Técnicas de ATT&CK que importan para tu entorno y tienen poca cobertura de detección.
  • Inteligencia de amenazas sobre grupos que apuntan a tu industria y las técnicas que usan.
  • Incidentes recientes (propios y públicos) y lo que revelaron sobre puntos ciegos.
  • Anomalías: pares raros de proceso padre e hijo, horarios de inicio de sesión inusuales, herramientas y destinos vistos por primera vez.

Ejemplos de cacerías

Dos patrones clásicos escritos como SQL genérico sobre tablas de eventos normalizadas; tradúcelos al lenguaje de tu plataforma.

office-spawning-a-shell.sqlsql
-- Hipótesis: un documento malicioso lanza un intérprete de scripts
SELECT ts, host, user, parent_image, image, command_line
FROM process_events
WHERE lower(parent_image) LIKE '%\winword.exe'
  AND (lower(image) LIKE '%\cmd.exe' OR lower(image) LIKE '%\powershell.exe'
       OR lower(image) LIKE '%\wscript.exe' OR lower(image) LIKE '%\mshta.exe')
  AND ts > now() - interval '30 days'
ORDER BY ts DESC;
rare-outbound-destinations.sqlsql
-- Hipótesis: beaconing hacia un destino que pocos hosts contactan
SELECT dest_domain, count(DISTINCT host) AS hosts, count(*) AS connections
FROM proxy_events
WHERE ts > now() - interval '14 days'
GROUP BY dest_domain
HAVING count(DISTINCT host) <= 2 AND count(*) > 200
ORDER BY connections DESC;

Hacerlo bien

  • Documenta cada cacería: hipótesis, datos, consultas, resultado. Las cacerías son conocimiento reutilizable.
  • Mide el programa: cacerías completadas, detecciones creadas, brechas encontradas. No encontrar nada es un resultado válido.
  • Establece la línea base antes de marcar algo: raro no es lo mismo que malicioso.
  • Colabora con ingenieros de detección y respondedores; la salida de una cacería es su entrada.
  • Mantente dentro de las reglas de autorización y privacidad al consultar la actividad de los usuarios.
Threat huntingUna búsqueda proactiva en la telemetría de actividad de atacantes que las detecciones automáticas no vieron, guiada por una hipótesis comprobable.ver en el glosario →

conexiones en el mapa

actualizado el 14/10/2026 · fuentes para profundizar · reportar un error

en otros dominios

Estudia antes

pon a prueba lo que entendiste

Cargando preguntas…