Cyber Shelf

// Comparaison

Data Engineering for Cybersecurity vs Evading EDR : lequel lire ?

Deux livres de cybersécurité sur Detection, comparés honnêtement : à qui s'adresse chacun, ce que chacun fait de mieux, et lequel lire en premier.

Avancé
4/52025
Data Engineering for Cybersecurity

Build Secure Data Pipelines with Free and Open-Source Tools

James Bonifield

Un analyste menaces avec plus de dix ans d'expérience enseigne comment collecter, normaliser, enrichir et sécuriser la télémétrie (logs, événements, métriques) dont dépendent les équipes sécurité, avec des outils open source comme Filebeat, Logstash, Redis, Kafka et Elasticsearch.

Avancé
4/52024
Evading EDR

Le guide définitif pour déjouer les systèmes de détection des terminaux

Matt Hand

Un démontage composant par composant de la façon dont les capteurs EDR modernes collectent réellement la télémétrie, et des endroits où chaque source de données peut être affamée, aveuglée ou contournée.

À lire si

Les ingénieurs détection et analystes SOC fatigués d'une télémétrie qui ne s'organise pas toute seule, et qui veulent construire le pipeline plutôt que consommer ce que fournit l'éditeur du SIEM. Couvre la collecte depuis Windows (Sysmon, événements PowerShell), Linux (fichiers, syslog) et les appliances réseau/sécurité, puis la transformation, la sécurisation et l'automatisation avec Ansible.
Red teamers et ingénieurs en détection qui veulent raisonner sur l'EDR depuis le capteur, plutôt que de copier-coller le contournement à la mode.

À éviter si

Les lecteurs qui cherchent la logique de détection ou la technique de threat hunting elle-même ; ceci est la plomberie en dessous de ces activités, pas l'analyse construite par-dessus. Suppose également une aisance avec l'administration système Linux et le scripting de base.
Quiconque cherche une liste clé en main de contournements fonctionnels. Passez votre chemin si vous n'utilisez pas Windows ou si les internes vous rebutent.

Points clés

  • Traite la télémétrie comme un problème d'ingénierie avec son propre cycle de vie (collecter, normaliser, enrichir, sécuriser) plutôt que comme quelque chose qu'un SIEM gère par magie.
  • Construit entièrement sur de l'outillage open source gratuit (Filebeat, Logstash, Redis, Kafka, Elasticsearch), ce qui rend la conception du pipeline reproductible sans contrat éditeur.
  • L'automatisation du déploiement avec Ansible est traitée comme faisant partie du travail, pas comme un détail : le pipeline doit être maintenable, pas seulement fonctionnel une fois.
  • L'EDR est un ensemble de sources de télémétrie, pas un monolithe ; l'évasion suppose de savoir quelle source voit quoi.
  • Les contournements les plus durables visent la collecte de données du capteur, pas sa logique de détection.
  • Une compréhension indépendante des éditeurs survit à n'importe quel contournement précis, que les éditeurs corrigent vite.

Comment ils se comparent

Data Engineering for Cybersecurity et Evading EDR sont tous deux notés 4/5 dans notre catalogue. Choisissez selon vos préférences thématiques et de style, plutôt que sur la note.

Les deux livres ciblent un public de niveau avancé : le choix se fait sur la thématique, pas la difficulté.

Data Engineering for Cybersecurity et Evading EDR couvrent tous les deux Detection : les lire dans l'ordre renforce les mêmes notions sous des angles différents.

Continuer la lecture

Data Engineering for Cybersecurity

→ Alternatives à Data Engineering for Cybersecurity→ Que lire après Data Engineering for Cybersecurity

Evading EDR

→ Alternatives à Evading EDR→ Que lire après Evading EDR

Thématiques liées

Detection