Wazuh-Korrelation für Brute-Force über mehrere Systeme: Warum nicht triggert – und wie du es stabil löst

Aus maxTechCorner

Dieser Beitrag erklärt, warum die Wazuh-Korrelation für Brute-Force über mehrere Systeme hinweg oft nicht triggert und wie Sie sie stabil aufbauen. Sie erfahren, warum Frequenz- und Zeitfenster-Regeln bei verteilten Brute-Force- und Password-Spraying-Angriffen oft scheitern.

Einleitung

Brute-Force- und Password-Spraying-Angriffe laufen selten „sauber“ auf einem einzigen System. In realen SIEM-Szenarien verteilen sich fehlgeschlagene Anmeldungen über verschiedene Hosts, Dienste und Logquellen – oft mit identischem Quell-IP-Adressraum oder identischem Benutzernamen. Wazuh kann solche Muster grundsätzlich über Frequenz-/Zeitfenster-Regeln korrelieren. In der Praxis scheitern entsprechende Custom Rules jedoch häufig daran, dass die Korrelation nicht auf Gruppenbasis auslöst. Dieser Beitrag erklärt die Ursache, ordnet sie in die Wazuh-Architektur ein und zeigt praxistaugliche Workarounds.

Ausgangslage / Problemstellung

Es existieren bereits Alerts zu „authentication failed“. Diese Events enthalten Felder wie srcip und dstuser (bzw. im Alert-JSON häufig unter data.*). Darauf aufbauend sollen Korrelationen greifen, z. B.:

  • Mehrere fehlgeschlagene Authentifizierungen von derselben IP innerhalb von 120 Sekunden
  • Mehrere fehlgeschlagene Authentifizierungen für denselben User innerhalb von 120 Sekunden

Versuche mit frequency/timeframe und <if_matched_group>authentication_failed</if_matched_group> triggern nicht – obwohl die Basis-Events sichtbar sind und identische Felder wiederholt auftreten. Ersetzt man <if_matched_group> durch <if_matched_sid>, funktioniert es.

Technische Analyse

1) Wie Wazuh-Korrelation technisch arbeitet

Die klassische Rule-Engine (wazuh-analysisd) verarbeitet Events in einer Pipeline:

  1. Decoding: Felder wie srcip, dstuser, user, id werden extrahiert.
  2. Rules: Ein Event kann eine oder mehrere Rules matchen (in der aktuellen Engine jedoch mit Einschränkungen).
  3. Korrelation: Einige Regeln können über frequency/timeframe und „same_*“-Bedingungen wiederkehrende Ereignisse korrelieren.

Wichtig: Die Korrelation ist im aktuellen wazuh-analysisd funktional, aber in der Tiefe limitiert – insbesondere bei komplexen Abhängigkeiten („Regeln auf Gruppen, die wiederum durch andere Regeln gesetzt werden“).

2) Warum <if_matched_group> in diesem Szenario nicht zuverlässig ist

<if_matched_group> klingt wie der naheliegende Ansatz („korreliere alles, was zur Gruppe authentication_failed gehört“). In der Praxis stößt man hier aber auf eine Einschränkung: Die Korrelation über Gruppenzuordnung kann als eine Art „verschachtelte Korrelation“ wirken – das heißt, die Korrelationsregel erwartet einen stabil referenzierbaren Match-Kontext, den analysisd nicht in allen Fällen über Gruppen sauber aufbaut.

Das Ergebnis: Basis-Regeln feuern (und vergeben Gruppen), aber die Korrelationsregel bekommt diese Gruppenzuordnung nicht so „greifbar“, dass sie zuverlässig über frequency/timeframe darauf korrelieren kann.

3) Feldnamen: dstuser vs. data.dstusr vs. data.dstuser

Ein zusätzlicher Stolperstein ist die Benennung von Feldern:

  • In Rules werden typischerweise Decoder-Felder verwendet (srcip, dstuser, user, …).
  • In Alerts/JSON sieht man oft dieselben Werte als data.*-Struktur.

Für <same_field> musst du genau das Feld angeben, das die Rule-Engine intern als Feld kennt. Wenn du im Alert-Output „data.dstusr“ siehst, heißt das nicht automatisch, dass im Rule-Context dstusr existiert. In vielen Integrationen ist es dstuser oder user. Ein falscher Feldname verhindert Korrelation vollständig.

Lösung / Best Practices

Workaround 1: Von <if_matched_group> auf <if_matched_sid> wechseln (stabilster Ansatz)

Statt auf die Gruppe zu zielen, korrelierst du explizit auf die Rule IDs der Basis-Regeln, die die einzelnen „authentication failed“-Events erzeugen.

Beispiel (Schema):

<rule id="555102" level="10" frequency="4" timeframe="120">
  <if_matched_sid>BASE_RULE_ID_1,BASE_RULE_ID_2,BASE_RULE_ID_3</if_matched_sid>
  <description>Viele fehlgeschlagene Authentifizierungen von derselben IP</description>
  <same_srcip/>
</rule>

<rule id="555103" level="10" frequency="4" timeframe="120">
  <if_matched_sid>BASE_RULE_ID_1,BASE_RULE_ID_2,BASE_RULE_ID_3</if_matched_sid>
  <description>Viele fehlgeschlagene Authentifizierungen für denselben Benutzer</description>
  <same_field>dstuser</same_field>
</rule>

Wichtig in der Praxis:

  • Trage alle relevanten Basis-Rule-IDs ein (z. B. Windows, Linux, VPN, Web-App Auth, IAM).
  • Erhöhe frequency realistisch (2–3 kann im Rauschen untergehen; 4–10 ist oft sinnvoller).
  • Nutze bei User-Korrelation bevorzugt <same_field>dstuser</same_field> oder <same_user/> nur dann, wenn du sicher bist, welches Feld bei deinen Quellen wirklich befüllt wird.

Workaround 2: Einheitliche „Basisregel“ schaffen und darauf korrelieren

Wenn deine „authentication failed“-Events aus verschiedenen Quellen stammen und sehr unterschiedliche Basis-Regeln feuern, lohnt sich eine Normalisierung:

  1. Erstelle eine eigene Rule, die alle relevanten Auth-Fail-Events zuverlässig matcht (z. B. per <if_group> / <if_sid> / <match> je nach Quelle) und einheitlich taggt.
  2. Korrigiere/normalisiere Felder über Decoder/Integration (z. B. sicherstellen, dass dstuser überall befüllt ist).
  3. Korrelieren dann ausschließlich auf diese Rule-ID via <if_matched_sid>.

Das reduziert Pflegeaufwand erheblich.

Workaround 3: Feldvalidierung vor Korrelation erzwingen

Wenn du same_field nutzt, stelle sicher, dass das Feld für alle korrelierten Events existiert. Eine robuste Technik ist eine zusätzliche Bedingung:

<rule id="555105" level="10" frequency="4" timeframe="120">
  <if_matched_sid>BASE_RULE_IDs</if_matched_sid>
  <field name="dstuser">\S+</field>
  <description>Viele fehlgeschlagene Authentifizierungen für denselben Benutzer</description>
  <same_field>dstuser</same_field>
</rule>

Damit korrelierst du nicht auf Events, in denen der User leer/uneinheitlich ist.

Lessons Learned / Best Practices

  • Korrelation auf Gruppenbasis ist in der aktuellen wazuh-analysisd-Engine nicht in allen Fällen zuverlässig; für produktive Korrelationen ist <if_matched_sid> die sicherere Wahl.
  • Feldnamen zuerst verifizieren: Nutze wazuh-logtest bzw. den tatsächlichen Rule-Context, nicht nur den Alert-JSON-Output. Entscheidend ist, ob srcip, dstuser, user im Decoder-Kontext existieren.
  • Baue Korrelationen gegen eine normalisierte Basisregel, wenn du mehrere Systeme/Quellen zusammenführen willst.
  • Setze Schwellenwerte (frequency/timeframe) so, dass sie echte Angriffe abbilden und nicht durch reguläre Fehlbedienung feuern.
  • Plane mittelfristig damit, dass die Engine-Weiterentwicklung (Wazuh Engine als Nachfolger von analysisd) diese Klasse von Einschränkungen deutlich entschärfen soll; bis dahin sind explizite Rule-ID-Korrelationen das stabilste Muster.

Referenzen (Engine-/Korrelationseinschränkungen):

  • GitHub Issue: 27488
  • GitHub Issue: 3291
  • GitHub Issue: 29585

Fazit

Wenn „Many failed authentication“-Korrelationen in Wazuh nicht triggern, obwohl Basis-Alerts vorhanden sind, liegt die Ursache häufig nicht in frequency/timeframe, sondern in der Art, wie wazuh-analysisd Korrelationen über Gruppen behandelt. Der praxistaugliche Workaround ist, konsequent auf <if_matched_sid> zu wechseln und auf die Rule-IDs der Basis-Detections zu korrelieren – ergänzt um saubere Feldnormalisierung (z. B. dstuser) und Feldvalidierung. Damit bekommst du robuste Brute-Force-/Password-Spraying-Detections über heterogene Systeme hinweg.

Mehr zu Wazuh … https://wazuh.com/?utm_source=ambassadors&utm_medium=referral&utm_campaign=ambassadors+program

Mehr zum Wazuh Ambassador Program … https://wazuh.com/ambassadors-program/?utm_source=ambassadors&utm_medium=referral&utm_campaign=ambassadors+program

https://wazuh.slack.com/archives/C0A933R8E/p1768557314871879

Quelle

Dieser Artikel stammt aus dem Wazuh-Blog von m.a.x. it (veröffentlicht am 17. März 2026).

Unterstützung von m.a.x. it

Bei Einführung, Betrieb und Feintuning von Wazuh (SIEM) unterstützt Sie m.a.x. it mit SIEM-Services auf Open-Source-Basis.


Über m.a.x. it Die m.a.x. Informationstechnologie AG ist seit über 30 Jahren IT-Partner mittelständischer und großer Unternehmen in München und bietet maßgeschneiderte Lösungen und Services in den Bereichen Cloud, Cybersecurity, Netzwerk, Windows, Linux und Softwareentwicklung. Sie haben eine Frage zu diesem Artikel oder brauchen Unterstützung? Kontakt aufnehmen