DevOps Sicurezza Informatica Cybersecurity Docker

SIEM Avanzato con Elastic Stack (ELK): cluster, Beat e lab con Docker

Progetta un SIEM avanzato con Elastic Stack: cluster, ECS, Filebeat e Docker, poi usa ES|QL e KQL per analisi e threat hunting.

Descrizione del corso

Dai log distribuiti al threat hunting con Elastic Stack

Raccogliere eventi non basta: per progettare un SIEM affidabile devi capire come i dati attraversano l'intera architettura e come interrogarli quando cerchi un'anomalia. In questo secondo livello del percorso su Elastic Stack (ELK) entriamo nel funzionamento di Elasticsearch, Kibana e Filebeat, costruiamo un laboratorio Docker sicuro e arriviamo alle ricerche operative con ES|QL e KQL.

Cosa imparerai

  • Leggere il problema dei log distribuiti prodotti da server, firewall, VPN, applicazioni, DNS ed endpoint
  • Capire documenti JSON, indici, data stream, cluster, nodi, shard e repliche in Elasticsearch
  • Distinguere Filebeat, gli altri Beat, Logstash, ingest pipeline, Elastic Agent e Fleet nel flusso di raccolta
  • Generare eventi realistici in formati Syslog, JSON, ECS e CEF con un Log Generator containerizzato
  • Avviare Elasticsearch e Kibana con Docker Compose, TLS, certificati e configurazioni di sicurezza
  • Diagnosticare lo stato del cluster e lavorare con indici, mapping e documenti dalla console Dev Tools di Kibana
  • Usare Elastic Common Schema (ECS) per rendere coerenti campi e query tra sorgenti diverse
  • Integrare Log Generator e Filebeat nello stack con volumi condivisi e input filestream con parser NDJSON
  • Scrivere query ES|QL con WHERE, SORT, LIMIT, KEEP, STATS ed EVAL
  • Applicare ES|QL al threat hunting, aggregando fallimenti di autenticazione e costruendo campi calcolati
  • Filtrare i documenti in Kibana con KQL, logica booleana, wildcard, subnet e intervalli

Prerequisiti

Il corso prosegue il percorso “Costruire un SIEM con Elastic Stack (ELK): dalla teoria alla pratica”. È consigliata una conoscenza operativa di Docker, Docker Compose e dei concetti fondamentali di log management.

A chi è rivolto

A professionisti della sicurezza informatica, sistemisti, DevOps e sviluppatori che vogliono andare oltre l'installazione rapida di ELK e comprendere come progettare, osservare e interrogare una pipeline SIEM completa.

Il mio approccio

Alterniamo architettura e laboratorio. Ogni concetto viene verificato sullo stack: osserviamo gli stati del cluster, analizziamo mapping e query, colleghiamo i container e seguiamo gli eventi dal file generato fino a Elasticsearch. Nella parte finale trasformiamo i log in risposte operative con ES|QL e KQL, per passare dalla semplice consultazione al ragionamento da threat hunter.

Elenco delle lezioni

Il problema dei log in un'architettura reale e perché serve un SIEM: server Linux e Windows, firewall, VPN, web server e IDS producono eventi distribuiti e scritti in formati diversi. In questo primo episodio del corso a...

Guarda lezione

Un generatore di log realistici per i tuoi lab SIEM: un'immagine Docker che simula SSH, firewall, web server, application server, DNS, VPN, endpoint e IDS, scrivendo eventi in syslog BSD, RFC 5424, JSON, ECS e CEF. In qu...

Guarda lezione

Come è fatto Elasticsearch sotto il cofano: dal documento JSON al concetto di indice, fino al cluster distribuito. Vediamo perché i log richiedono un data stream, cosa limita una sola macchina (storage, RAM, CPU), come s...

Guarda lezione

Che cos'è un Data Shipper e perché Elasticsearch non va a prendersi i log da solo. Vediamo come lavora Filebeat (copia, diff, get e send), quali sono gli altri Beat (Metricbeat, Packetbeat, Winlogbeat, Heartbeat), come L...

Guarda lezione

Lab 1: costruiamo lo stack Elasticsearch e Kibana con un Docker Compose sicuro, comunicazione cifrata e certificati TLS generati da un container di setup. Vediamo perché le versioni devono restare allineate, come si isol...

Guarda lezione

Lab 1: il cluster è in stato yellow e capiamo il perché. Dalla console Dev Tools leggiamo gli indici con _cat/indices, creiamo un indice con PUT scegliendo numero di shard e di repliche, scopriamo perché la replica resta...

Guarda lezione

Lab 1: gestiamo gli eventi a mano, parlando direttamente con Elasticsearch dalla console Dev Tools. Inseriamo documenti con POST su _doc, li cerchiamo con _search, li contiamo con _count e costruiamo query con bool, filt...

Guarda lezione

Esercizio 1: in azienda ti chiedono statistiche su un indice Elasticsearch creato da un collega, e tu parti da una console vuota. Si comincia dal _mapping per scoprire i campi, poi search con size e sort, aggregazioni te...

Guarda lezione

Che cos'è l'Elastic Common Schema e perché senza una convenzione sui nomi dei campi le query perdono i documenti: se un dispositivo scrive source.ip e un altro client.ip, la stessa ricerca per term ne vede solo metà. Cos...

Guarda lezione

Aggiungiamo allo stack il container che produce i log. Prima il ragionamento di sicurezza: la trust boundary, perché si espone solo la 5601 di Kibana e a cosa serve davvero la 9200 di Elasticsearch. Poi il problema prati...

Guarda lezione

L'ultimo pezzo dello stack: Filebeat che legge i log del simulatore e li spedisce a Elasticsearch. Scriviamo filebeat.yml con un input filestream e il parser ndjson (una riga, un documento JSON), configuriamo l'output in...

Guarda lezione

Il lab diventa realistico: un solo generatore che scrive log di firewall, VPN, DNS, SSH e web server in cartelle separate, tutte in ECS JSON, raccolte da Filebeat con un solo path e un asterisco. Poi lasciamo la query DS...

Guarda lezione

Costruiamo query ES|QL vere su un SIEM simulato: una query per tab in Discover, LIMIT per non tirare fuori decine di migliaia di eventi, SORT su @timestamp per sapere davvero quali sono gli ultimi, e KEEP per trasformare...

Guarda lezione

Le query smettono di elencare e iniziano a rispondere: con STATS contiamo e raggruppiamo, e troviamo quali IP accumulano più fallimenti SSH e su quali username stanno insistendo. Poi con EVAL e CASE creiamo un campo calc...

Guarda lezione

Dopo ES|QL entra in scena il secondo linguaggio dello stack: il Kibana Query Language. Non serve a trasformare i dati come ES|QL, serve a filtrare i documenti dentro Kibana, ed è quello su cui si reggono i filtri di Disc...

Guarda lezione

Tutto quello che serve per scrivere filtri KQL seri: AND, OR con le parentesi tonde, NOT, l'asterisco per i documenti che hanno davvero un campo valorizzato, la wildcard sul testo come il LIKE di SQL. Poi due casi che me...

Guarda lezione
Giovanni Pace

Giovanni Pace

Ingegnere Informatico · Pratola Peligna

  • 107 Corsi
Mi presento brevemente

Sono un ingegnere informatico con oltre 15 anni di esperienza nel settore ICT. Mi occupo di sviluppo software, cybersecurity, data science e intelligenza artificiale, con particolare attenzione all’innovazione e all’automazione dei processi aziendali. Da anni svolgo anche attività di docenza e formazione, creando percorsi pratici e coinvolgenti su programmazione, DevOps, AI e sicurezza informatica.

Questo corso include

  • Lezioni 16
  • Durata 6h 29m
  • Difficoltà advanced
  • Lingua it
  • Certificato No

Visti di recente