Trusselsbilledet på cyber-området er meget dynamisk og ændrer sig hurtigt. Der er en meget høj cyber-trussel mod Danmark, hvor cyber-spionage mod offentlige eller kommercielle mål udgør den alvorligste cyber trussel.[1]
Flertallet af it-afdelinger benytter i dag traditionelle værktøjer til at undersøge om virksomheden er blevet udsat for et cyber angreb. De har derfor ikke det tilstrækkelige overblik. Langt størstedelen af sikkerhedsprodukterne ser på verden i binære termer: datastrømme er gode eller dårlige, filer er inficeret eller ej, brugere er autoriserede eller blokeret. Denne tilgang virker i mange situationer, men oftest er den sort/hvide måde at anskue it-sikkerheden på ikke tilstrækkelig.
Insider angreb
Når først truslen er inden for døren, kan de nye typer af angreb let overvåge, sonde og udnytte en organisation ved at omgå det traditionelle forsvar. For at finde disse trusler skal sikkerhedsmetoderne også beskæftige sig i en verden af ’grå’ signaler. Disse signaler skal sættes i kontekst over tid og til sammen indikerer de en forventet skade. Med Aruba Introspect User & Behavior Analytics (UEBA) kan du med AI og Machine learning lokalisere ændringer i brugeradfærden, som ofte indikerer insider angreb, der er gået udenom det traditionelle forsvar. It-afdelingen vil være rustet med indsigt og synlighed over ondsindede, kompromitterede eller uagtsomme brugere, systemer eller enheder og samtidig kunne afskære truslen, før den bliver et problem.
Forudse trusler vha. analytics
Machine Learning baseret analyser laver en baseline for normal adfærd af både individuelle enheder og grupper. Dette gøres ved løbende at overvåge alle it-aktiviteter – såsom autentificering, fjernadgang, intern adgang til forretningskritiske ressourcer og anvendelse af cloud app – på tværs af netværks-og logdata.
[1] Center for Cybersikkerhed, Forsvarets Efterretningstjeneste https://www.altinget.dk/digital/artikel/center-for-cybersikkerhed-kun-sammen-kan-vi-skabe-et-robust-cyberforsvar