Comparar playbooks, pastas de trabalho e blocos de anotações
- Artigo
-
-
Este artigo descreve as diferenças entre playbooks, pastas de trabalho e blocos de anotações no Microsoft Sentinel.
Comparar por persona
A tabela a seguir compara playbooks, pastas de trabalho e blocos de anotações do Microsoft Sentinel pela persona do usuário:
| Recurso |
Description |
| Playbooks |
- Engenheiros SOC
- Analistas de todos os níveis
|
| Livros |
- Engenheiros SOC
- Analistas de todos os níveis
|
| Notebooks |
- Caçadores de ameaças e analistas Tier-2/Tier-3
- Investigadores de incidentes
- Cientistas de dados
- Investigadores de segurança
|
Comparar por utilização
A tabela a seguir compara playbooks, pastas de trabalho e blocos de anotações do Microsoft Sentinel por caso de uso:
| Recurso |
Description |
| Playbooks |
Automatização de tarefas simples e repetíveis:- Ingerir dados externos
- Enriquecimento de dados com TI, pesquisas GeoIP e muito mais
- Investigação
- Reparação dos danos
|
| Livros |
|
| Notebooks |
- Consultando dados do Microsoft Sentinel e dados externos
- Enriquecimento de dados com TI, pesquisas GeoIP e pesquisas WhoIs e muito mais
- Investigação
- Visualização
- Caça
- Aprendizagem automática e análise de big data
|
Comparar por vantagens e desafios
A tabela a seguir compara as vantagens e desvantagens dos playbooks, pastas de trabalho e blocos de anotações no Microsoft Sentinel:
| Recurso |
Vantagens |
Desafios |
| Playbooks |
- Ideal para tarefas únicas e repetíveis
- Nenhum conhecimento de codificação necessário
|
- Não é adequado para cadeias de tarefas ad hoc e complexas
- Não é ideal para documentar e partilhar provas
|
| Livros |
- Ideal para uma visão de alto nível dos dados do Microsoft Sentinel
- Nenhum conhecimento de codificação necessário
|
- Não é possível integrar com dados externos
|
| Notebooks |
- Ideal para cadeias complexas de tarefas repetíveis
- Ad-hoc, mais controlo processual
- Mais fácil de dinamizar com funcionalidade interativa
- Bibliotecas Python avançadas para manipulação e visualização de dados
- Aprendizagem automática e análise personalizada
- Fácil de documentar e compartilhar evidências de análise
|
- Alta curva de aprendizagem e requer conhecimento de codificação
|
Conteúdos relacionados
Para obter mais informações, consulte: