स्टेलर साइबर का इतिहास और नवाचार

स्टेलर साइबर को 2015 में Aimei Wei (इंजीनियरिंग के वरिष्ठ वीपी) द्वारा सुरक्षा अभियानों को बदलने के लिए एक मिशन पर स्थापित किया गया था

Aimei ने कई वर्षों तक Cisco और Nortel जैसी कंपनियों के साथ साइबर सुरक्षा में काम किया है। इस अनुभव के माध्यम से, वह जानती थी कि हर मध्यम-से-बड़ी कंपनी के आईटी विभाग में साइबर सुरक्षा की जानकारी अधिभार की समस्या है।

Aimei ने पहली बार विभिन्न प्रकार के ग्राहक वातावरणों के लिए अनुकूल साइबर सुरक्षा सेंसर के एक परिवार का आविष्कार किया। अधिकांश अन्य साइबर सिक्योरिटी सेंसर के विपरीत, ये सेंसर इंडेक्सेशन में सिक्योरिटी मेटाडेटा इंडेक्स करते हैं, शुरुआत से सुनिश्चित करते हैं कि सहसंबंध सामान्य करने और बनाने का एक साधन है। अंतर्ग्रहण पर डीप-पैकेट-निरीक्षण (DPI) यह सुनिश्चित करता है कि केवल आवश्यक मेटाडेटा रखा जाए, जो भंडारण लागत को बहुत कम करता है। आज, स्टेलर साइबर के संग्रह इंजन क्लाउड, सास, अनुप्रयोगों, उपयोगकर्ताओं, समापन बिंदु और नेटवर्क पर दृश्यता प्रदान करते हैं।

स्टेलर साइबर का नवाचार

स्टेलर साइबर का इतिहास और नवाचार
नेटवर्क ट्रैफ़िक विश्लेषण

समाधान को कहीं भी तैनात किया जाना था, इसलिए टीम ने उपयोगकर्ता के अनुकूल इंटरैक्टिव डैशबोर्ड देने के लिए एक जुनून के साथ क्लाउड देशी प्लेटफॉर्म को डिज़ाइन किया। एक डैशबोर्ड के साथ जो लॉकहीड मार्टिन किल चेन का अनुसरण करता है और एनआईएसटी और एमआईटीआरई के ढांचे के साथ संरेखित करता है, साइबर सिक्योरिटी एनालिस्ट सहजता से काम कर सकते हैं क्योंकि वे सही डेटा एकत्र करने, घटनाओं का पता लगाने, उन घटनाओं की जांच करने और फिर उच्च जोखिम वाले घटनाओं पर प्रतिक्रिया कर रहे हैं।

अलग-अलग प्रकार के उपकरणों के निर्माण के बजाय साइबर सुरक्षा हमलों या लक्ष्य, स्टेलर साइबर टीम ने एकल-लाइसेंस बनाया XDR प्लेटफॉर्म खोलें जिसमें कसकर एकीकृत देशी समर्थित क्षमताएं शामिल हैं। जिस तरह ग्राहक एक इंटरफेस के तहत दर्जनों ऐप्स को एकीकृत करने के लिए स्मार्टफोन की उम्मीद करते हैं, वे एक ही डैशबोर्ड के तहत कार्यस्थल में एक साथ कार्य करने वाले अनुप्रयोगों की अपेक्षा करते हैं जो उन्हें अधिक कुशलता से काम करने में मदद करता है-अतीत में उनके साथ काम किए गए मूक साधनों को तोड़कर।

सिएम और एसओसी प्रदर्शन को चलाने के लिए, स्टेलर साइबर का ओपन एक्सडीआर सिस्टम कई उन्नत विश्लेषिकी जैसे गहरी सीखने सहित, दोनों के लिए अनुपयोगी और पर्यवेक्षित मशीन लर्निंग का लाभ उठाता है नेटवर्क ट्रैफ़िक सुरक्षा (NTA), उपयोगकर्ता और इकाई व्यवहार विश्लेषण (UEBA) और समापन बिंदु विश्लेषण (EBA)। विभिन्न मशीन लर्निंग मॉडल विभिन्न उपयोग मामलों को संबोधित करने के लिए उपयोग किए जाते हैं।

आज, हमारी तीन टीमें (सुरक्षा अनुसंधान, डेटा विज्ञान और मशीन सीखने) प्रत्येक उपयोग के मामले को हल करने के लिए मिलकर काम करती हैं। उदाहरण के लिए, डीएनएस-डीएनएस और डीएनएस टनलिंग जैसे डीएनएस-संबंधित साइबरसिटीस डिटेक्शंस के लिए गहन सीखने का उपयोग किया जाता है। टाइम सीरीज़ एनालिसिस का इस्तेमाल कई लोगों के लिए किया जाता है NTA विसंगति का पता लगाता है। कई के लिए ग्राफ एमएल का उपयोग किया जाता है UBA असंभव उपयोगकर्ता यात्रा के रूप में पता लगाता है। हमारे मशीन लर्निंग सबूत के साथ व्याख्या करने योग्य है।

आज तक तारकीय साइबर मंच सिर्फ यही XDR खोलें सुरक्षा संचालन मंच। हम मानते हैं कि कसकर एकीकृत देशी क्षमताओं, सभी मौजूदा सुरक्षा उपकरणों से डेटा इनपुट को संसाधित करने की क्षमता, और ऐ संचालित विवादों के सहसंबंधों का जवाब भविष्य का है साइबर सुरक्षा और नेटवर्क सुरक्षा.