EMA seleccionó Stellar Cyber por su arquitectura abierta, su capacidad para recopilar y normalizar la telemetría de las herramientas de seguridad existentes y su correlación basada en IA, que ayuda a los equipos de seguridad a convertir las alertas de alto volumen en incidentes con alta fiabilidad. Para los clientes, esto se traduce en una obtención de valor más rápida, una mayor visibilidad en los dominios de endpoints, redes, nube, identidad y aplicaciones, y un mejor aprovechamiento de las herramientas que ya poseen.
“Stellar Cyber destacó en nuestra XDR “La evaluación de Stellar Cyber aborda uno de los desafíos más urgentes que enfrentan los equipos de seguridad hoy en día: convertir la telemetría fragmentada y las alertas de alto volumen en resultados prácticos”, afirmó Christopher M. Steffen, CISSP, CISA, CCZT, vicepresidente de Investigación, Seguridad de la Información, Gestión de Riesgos y Cumplimiento en EMA. “Su plataforma SecOps nativa con IA de ciclo completo brinda a las organizaciones una amplia visibilidad de las herramientas existentes, una sólida correlación entre dominios y una detección práctica de las brechas de cobertura, sin que los equipos tengan que reemplazar sus inversiones actuales. Para las organizaciones medianas en particular, esta combinación de apertura, detección basada en IA y eficiencia operativa convierte a Stellar Cyber en una opción atractiva”.
“Los equipos de seguridad no necesitan más alertas inconexas, necesitan resultados”, dijo.Steve Garrison, Vicepresidente Sénior de Marketing de Stellar Cyber. «El reconocimiento de EMA valida lo que nuestros clientes experimentan a diario: Stellar Cyber ayuda a los equipos reducidos a mejorar la detección, disminuir la complejidad y acelerar la respuesta sin obligarlos a desechar y reemplazar sus inversiones en seguridad existentes».
En el informe, EMA señaló que Stellar Cyber enriquece las señales de cientos de fuentes integradas, aplica una correlación basada en IA para detectar incidentes de alta fiabilidad y utiliza el aprendizaje automático automatizado para conocer el entorno de cada cliente e identificar anomalías de comportamiento específicas de su infraestructura.
La evaluación de EMA se fundamentó en la experiencia de analistas, la evaluación de soluciones y la investigación primaria con responsables de la toma de decisiones en TI y ciberseguridad. Sus conclusiones reflejan los resultados que más necesitan los equipos de seguridad modernos: una amplia integración, una visibilidad completa entre dominios, la reducción de puntos ciegos y una respuesta operativa más rápida.
Acerca de Stellar Cyber
Stellar Cyber es una plataforma SecOps nativa de IA de ciclo completo diseñada específicamente para proveedores de servicios de seguridad gestionados (MSSP) y equipos de seguridad empresarial ágiles. Desde 2015, Stellar Cyber ha ayudado a las organizaciones a descubrir los aspectos más vulnerables de la ciberseguridad para identificar todas las amenazas, comprender las prioridades y actuar con rapidez y confianza, siempre con la intervención humana.
Al aplicar la herramienta adecuada al problema adecuado, Stellar Cyber combina aprendizaje automático para descubrir anomalías ocultas, IA con agentes para guiar las respuestas en tiempo real y toma de decisiones con inteligencia artificial donde la experiencia es esencial. El resultado es un impacto real: la productividad de los analistas mejoró en más del 80 %, los falsos positivos se redujeron en más del 90 % y los equipos de seguridad pueden centrarse en lo importante.
La plataforma abierta SecOps de Stellar Cyber unifica SIEM, NDR/OT, ITDR/UEBADetección, investigación, triaje, respuesta e IA multicapa™ bajo una misma licencia. Stellar Cyber cuenta con la confianza de un tercio de los 250 principales proveedores de servicios de gestión de vulnerabilidades (MSSP) del mundo y más de 14 000 organizaciones en todo el mundo.
Obtén más información en stellarcyber.ai.
Consultas de Stellar Cyber Media:
Michelle Barry
Colectivo Camaleón para Stellar Cyber
Michelle.barry@chameleon.co
+1 (603) 809-2748
FIN
