इसका समय, फिर से, साइबर स्पेस में बातचीत को बदलने के लिए।
यह न तो डेटा-आधारित साइबर सुरक्षा है और न ही एआई-आधारित साइबर सुरक्षा , जिसके बारे में आपने पहले सुना होगा - यह दोनों है और इससे कहीं अधिक है।
यह सहसंबंध-आधारित साइबर सुरक्षा है । इसमें विभिन्न डेटा स्रोतों से प्राप्त कई पहचानों के सहसंबंधों का विश्लेषण किया जाता है, जिनमें NGFW जैसी बुनियादी तकनीक से लेकर AI-आधारित EDR जैसी उन्नत तकनीकें शामिल हैं, और इन्हें एक ही सुसंगत प्लेटफॉर्म पर एकत्रित किया जाता है।
हमें संभावित ग्राहकों, मौजूदा ग्राहकों और साझेदारों से सुरक्षा संबंधी कई चुनौतियों के बारे में सुनने को मिलता है—क्यों? क्योंकि यह इंसानों का स्वभाव है—मुसीबत बाँटना! जैसा कि आप जानते हों या न जानते हों, हमलावरों के पास भी वही उपकरण होते हैं जो हम सभी के पास होते हैं। उनके पास उन्नत हमलों के लिए बिग डेटा और एआई तकनीक दोनों तक पहुँच है।
फिर भी, वृद्धि पर जटिल खतरों के साथ, हम सभी सहमत हैं - यह कोई आश्चर्य नहीं है कि हम इस तरह के सुसंगत विषयों को सुनते हैं:
- मेरे पास प्रभावी पता लगाने के लिए पर्याप्त डेटा नहीं है, या
- इसके विपरीत, मेरे पास बहुत अधिक डेटा है और मैं झुका हुआ हूं
- मुझे डेटा या बहुत सारे झूठे अलार्म में बहुत अधिक शोर मिलता है
- मैंने हाल ही में कुछ उन्नत उपकरणों की कोशिश की है जो शोर या झूठी सकारात्मकता को कम करने के लिए एआई / एमएल का उपयोग करते हैं, लेकिन यह खुफिया केवल प्रत्येक उपकरण के लिए विशिष्ट है।
- मेरे पास बहुत सारे स्वतंत्र उपकरण हैं जो एक दूसरे से बात नहीं करते हैं और मौन जवाब और उच्च लागत का नेतृत्व करते हैं
आप एक जटिल हमले के बारे में क्या कर सकते हैं जो आपके खिलाफ इन चुनौतियों का उपयोग करता है? ये रहा एक सरल उदाहरण:
- आपका सीईओ एक एम्बेडेड URL वाला ईमेल प्राप्त करता है
- आपका CEO URL पर जाकर अपने लैपटॉप पर एक फ़ाइल डाउनलोड करता है
- एक सप्ताह के दिन 2 बजे आपका सीईओ एक फ़ाइल सर्वर तक पहुँचता है
- आपके CEO का लैपटॉप बहुत सारे DNS ट्रैफ़िक भेजता है
अपने आप में, इनमें से प्रत्येक घटना सामान्य लग सकती है। यदि आपके पास सही सुरक्षा उपकरण तैनात हैं, जिनमें से कुछ मशीन लर्निंग जैसे EDR और UBA से लैस हैं , तो आपको पता चल सकता है कि:
- आपके सीईओ ने ए फ़िशिंग एक एम्बेडेड के साथ ईमेल करें दुर्भावनापूर्ण यूआरएल.
- आपका CEO डाउनलोड करता है a मैलवेयर URL पर जाकर अपने लैपटॉप में फ़ाइल करें
- आपका सीईओ सप्ताह के दिन 2 बजे एक फ़ाइल सर्वर तक पहुँचता है, ए असामान्य व्यवहार एक UBA शब्द में
- आपके CEO का लैपटॉप DNS के माध्यम से बहुत सारे DNS ट्रैफ़िक भेजता है ट्यूनिंग
यह चार अलग-अलग उपकरणों द्वारा स्वतंत्र विश्लेषण का एक बहुत कुछ है। इस ब्रीच का पता लगाने के लिए आप कितनी तेजी से और कितनी आसानी से इन घटनाओं को सहसंबद्ध कर सकते हैं, और कितने लोगों को आपको कई अलग-अलग स्क्रीन पर देखकर इसे एक साथ लपेटने की आवश्यकता है?
आइए एक कदम पीछे हटकर खुद से पूछें कि हम यहाँ तक कैसे पहुँचे। स्पष्ट रूप से साइबर सुरक्षा की तीन लहरें हैं , जो एक दूसरे पर आधारित हैं: डेटा का उदय, एआई का उदय और सहसंबंधों का उदय।
1. डेटा का उदय- व्यापक दृश्यता प्राप्त करने के लिए डेटा की मात्रा बढ़ाना।
डेटा-संचालित सुरक्षा बिग डेटा युग का मुख्य विषय था जहाँ डेटा नया "सोना" है। यह लॉग और कच्चे नेटवर्क पैकेट के साथ अलग से शुरू हुआ। का मुख्य उद्देश्य SIEMs अनुपालन, घटना की जांच और लॉग प्रबंधन के लिए विभिन्न उपकरणों और अनुप्रयोगों से लॉग एकत्र और एकत्र करना था। आर्कसाइट, विरासत में से एक SIEM उपकरण, 2000 में जारी किया गया, एक विशिष्ट उदाहरण था SIEM और लॉग प्रबंधन प्रणाली। कच्चे पैकेटों को एकत्र किया गया था और फॉरेंसिक के रूप में संग्रहीत किया गया था, इस तथ्य के बावजूद कि उन्हें बहुत सारे भंडारण स्थान की आवश्यकता होती है और उल्लंघनों के किसी भी संकेत को खोजने के लिए पैकेट की इन विशाल संख्याओं के माध्यम से झारना बहुत कठिन है। 2006 में, NetWitness ने कच्चे पैकेट का विश्लेषण करते हुए एक समाधान पाया।
जल्दी से, हमने महसूस किया कि ना तो कच्चे लॉग और ना ही कच्चे पैकेट व्यक्तिगत रूप से उल्लंघनों का पता लगाने के लिए प्रभावी हैं, और कच्चे पैकेट बहुत भारी हैं और फोरेंसिक के अलावा सीमित उपयोग हैं। ट्रैफ़िक से निकाली गई जानकारी जैसे कि नेटफ्लो / IPFix, परंपरागत रूप से नेटवर्क दृश्यता और प्रदर्शन निगरानी के लिए उपयोग की जाती है, सुरक्षा के लिए उपयोग की जाने लगी। SIEMs नेटफ्लो / IPFix को भी निगलना और स्टोर करना शुरू कर दिया। हालांकि, तकनीकी मापनीयता और लागत चिंताओं दोनों के कारण, SIEMs कभी भी ट्रैफिक विश्लेषण के लिए मुख्यधारा का उपकरण नहीं बने।
जैसे-जैसे समय बीतता गया, अधिक डेटा एकत्र किया जाता है: फाइलें, उपयोगकर्ता की जानकारी, धमकी खुफिया, आदि। अधिक डेटा एकत्र करने का लक्ष्य मान्य था - व्यापक दृश्यता प्राप्त करें - लेकिन महत्वपूर्ण हमलों का जवाब देने वाली शुद्ध चुनौती एक बाधा में सुइयों को खोजने की तरह है। , विशेष रूप से मैन्युअल खोज या मानव द्वारा मैन्युअल रूप से परिभाषित नियमों के माध्यम से। यह श्रम-गहन और समय-अक्षम है।
डेटा-संचालित सुरक्षा के सामने दो तकनीकी चुनौतियां हैं: बड़े पैमाने पर डेटा को कैसे संग्रहीत किया जाए, कुशल खोजों और विश्लेषण के लिए अनुमति दी जाए, और डेटा की विविधता से कैसे निपटें - विशेषकर असंरचित डेटा - क्योंकि डेटा किसी भी प्रारूप का हो सकता है। SQL पर आधारित पारंपरिक संबंधपरक डेटाबेस इन दोनों समस्याओं में भाग गया। पहले विक्रेताओं ने कई घरेलू समाधानों के साथ इन समस्याओं को हल करने के लिए हाथापाई की। दुर्भाग्य से, उनमें से ज्यादातर बिग डेटा झीलों के लिए NoSQL डेटाबेस के आधार पर आज के रूप में हम क्या उपयोग कर रहे हैं के रूप में कुशल नहीं थे।
डेटा-संचालित सुरक्षा के सामने एक और चुनौती है: उद्यम ग्राहकों के लिए लागत-प्रभावी ढंग से एक स्केलेबल सिस्टम बनाने के लिए सॉफ्टवेयर आर्किटेक्चर। फ्रंट-एंड बिजनेस लॉजिक और डेटाबेस टियर्स के साथ विशिष्ट 3-स्तरीय वास्तुकला एक बड़ी बाधा बन गई। आज के क्लाउड-देशी आर्किटेक्चर, कंटेनरों के साथ सूक्ष्म सेवाओं के आर्किटेक्चर पर निर्माण, बहुत अधिक मापनीय और लागत प्रभावी समाधान प्रदान करते हैं।
2. एआई-राइज़ का उपयोग, मशीन डेटा लर्निंग को बड़े डेटा विश्लेषण के साथ खोजने और स्वचालित करने में मदद करने के लिए
एक बार जब आपके पास बहुत सारे डेटा होते हैं, तो आप इसके साथ क्या करते हैं? जैसा कि पहले उल्लेख किया गया है, डेटा की एक बड़ी मात्रा के साथ, इसके माध्यम से स्थानांतरण सार्थक पैटर्न की तलाश में थकाऊ और समय लेने वाली है। यदि आपका आईटी इन्फ्रास्ट्रक्चर किसी तरह दुर्भाग्यवश हैक हो जाता है, तो इसे खोजने में कुछ दिन लग सकते हैं। यह बहुत देर हो चुकी है क्योंकि क्षति पहले से ही है, या संवेदनशील डेटा पहले से ही चोरी हो गया है। इस मामले में, बहुत अधिक डेटा एक समस्या बन जाता है। सौभाग्य से, हमने मशीन लर्निंग एल्गोरिदम की प्रगति के साथ-साथ कंप्यूटिंग शक्ति के लिए मशीन लर्निंग के उदय को देखा है।
मशीनें बहुत जल्दी और बहुत ही कुशलता से और अथक रूप से 24 × 7, दोहराव और थकाऊ काम करने में बहुत अच्छी हैं। जब मशीनें सीखने की क्षमताओं जैसी बुद्धि से लैस होती हैं, तो वे मनुष्यों की मदद करती हैं। सुरक्षा में शोधकर्ताओं और विक्रेताओं के बहुत ने समस्या को हल करने के लिए, उन सुइयों को खोजने में मदद करने के लिए या बड़े डेटासेट के अंदर छिपे रुझानों को देखने के लिए एआई का लाभ उठाना शुरू कर दिया। इस प्रकार, का उदय एआई द्वारा संचालित सुरक्षाइस क्षेत्र में कई नवाचार हो रहे हैं। उदाहरण के लिए, एंडपॉइंट सुरक्षा समस्याओं को हल करने के लिए एआई का उपयोग करने वाली कई एंडपॉइंट डिटेक्शन एंड रिस्पांस (ईडीआर) कंपनियां हैं; कई उपयोगकर्ता और इकाई व्यवहार विश्लेषण (UEBA) कंपनियां आंतरिक खतरों से निपटने के लिए एआई का उपयोग कर रही हैं, और बहुत सी नेटवर्क ट्रैफ़िक विश्लेषण (NTA) एआई का उपयोग करने वाली कंपनियां असामान्य खोजने के लिए प्रसार यातायात पैटर्न।
यदि डेटा नया सोना है, तो AI के माध्यम से पाए गए उल्लंघनों सोने से बने गहने जैसे हैं। सादे सोने से हाथ से सुंदर गहने बनाने के लिए बहुत समय, धैर्य और कड़ी मेहनत की आवश्यकता होती है। मशीनों, विशेष रूप से उन्नत मशीनरी की मदद से, महान गहने का व्यावसायिक उत्पादन संभव हो जाता है।
सतह पर, के साथ एआई द्वारा संचालित सुरक्षापहले, बहुत सारा डेटा होना कोई बड़ी समस्या नहीं थी क्योंकि मशीन लर्निंग (एमएल) को मॉडल को प्रशिक्षित करने और पैटर्न सीखने के लिए आमतौर पर बहुत सारे डेटा की आवश्यकता होती थी। इसके विपरीत, अपर्याप्त डेटा स्पष्ट रूप से एक समस्या है क्योंकि जितना कम डेटा होगा, मॉडल उतना ही कम सटीक और इस प्रकार उतना ही कम उपयोगी होगा। हालांकि, समय के साथ, शोधकर्ताओं ने धीरे-धीरे महसूस किया कि सही डेटा कहीं अधिक महत्वपूर्ण है। सही जानकारी के बिना बहुत अधिक डेटा, मशीन लर्निंग के लिए कंप्यूटिंग शक्ति की बर्बादी के साथ-साथ स्टोरेज की भी बर्बादी है। UEBA लॉग से प्राप्त जानकारी के आधार पर समाधान प्रदान करने वाले विक्रेता SIEM उपकरण मैंने यह कठिन सबक सीखा। SIEM भले ही बहुत सारे लॉग एकत्र किए गए हों, लेकिन उनमें से केवल कुछ में ही उपयोगकर्ता व्यवहार से संबंधित सही जानकारी होती है। इसलिए, हालांकि डेटा-आधारित सुरक्षा एक मजबूत आधार बनाती है, एआई द्वारा संचालित सुरक्षा, स्केलेबल और सटीक निर्माण करने के लिए एआई द्वारा संचालित सुरक्षासही डेटा कहीं अधिक महत्वपूर्ण है।
एआई का उपयोग निश्चित रूप से बिग डेटा से जुड़ी समस्याओं को कम करने में मदद करता है, लेकिन इसकी अपनी चुनौतियाँ भी हैं। उदाहरण के लिए, दोनों UEBA और एनटीए व्यवहार विश्लेषण के लिए अनसुपरवाइज्ड मशीन लर्निंग का उपयोग करते हैं। हालाँकि, किसी उपयोगकर्ता या उससे असामान्य व्यवहार देखा जाता है। प्रसार यातायात जरूरी नहीं कि सुरक्षा घटना हो। ये उपकरण बहुत अधिक शोर उत्पन्न कर सकते हैं, जिससे सतर्क थकान होती है। इसके अलावा, स्मार्ट हैक आमतौर पर मारने की श्रृंखला के कई चरणों से गुजरते हैं, इससे पहले कि वे पकड़े जा सकें। आप एक उल्लंघन के निशान को कैसे ठीक कर सकते हैं और मूल कारण को ठीक कर सकते हैं?
एआई-संचालित सुरक्षा के सामने सामूहिक रूप से एक और बड़ी चुनौती है : लागत - उपकरणों की पूंजीगत लागत, इन उपकरणों द्वारा उपयोग किए जाने वाले कंप्यूट और स्टोरेज के बुनियादी ढांचे की लागत, और विभिन्न स्क्रीन के साथ इतने सारे अलग-अलग उपकरणों के संचालन की लागत।
इसलिए, भले ही प्रत्येक उपकरण में गिगबाइट्स या डेटा की टेराबाइट्स को कुछ महत्वपूर्ण डिटेक्टरों की एक छोटी सूची में डिस्टिल करने की क्षमता हो, फिर भी यह सवाल अभी भी बना हुआ है, "क्या आप इन उपकरणों को एक मंच में समेकित नहीं करके और डिटेक्टरों को सहसंबंधित करके गायब हैं। सभी उपकरणों और फ़ीड्स के पार? "
3. वृद्धि का सहसंबंध - एक ही मंच में संपूर्ण हमले की सतह पर सहसंबंधों का पता लगाने और प्रतिक्रिया को स्वचालित करना
इस नई लहर के साथ, वार्तालाप को डेटा और AI से सहसंबंधों में स्थानांतरित कर दिया गया है। जाहिर है, यह लहर दो पिछली तरंगों पर बनी है। हालाँकि, यह सभी डेटा के साथ-साथ टूल्स से ऊपर उठने के बारे में है, और यह एक ही प्लेटफॉर्म में एक साथ सब कुछ लपेटने के बारे में है। हमारे शुरुआती गोल्ड-टू-ज्वेलरी सादृश्य के बाद, यह सही गहनों के सेट से मेल खाने और इसे एक व्यक्ति पर एक साथ रखने के बारे में है, ताकि यह पूरी तरह से अच्छा दिख सके।
ESG, गार्टनर, फॉरेस्टर, IDC और ओम्डिया के सुरक्षा विश्लेषक इस बात से सहमत हैं कि अलग-अलग उपकरणों से हटकर एक एकीकृत प्लेटफॉर्म की ओर यह बदलाव महत्वपूर्ण है, जिससे हमें गंभीर सुरक्षा उल्लंघनों को पहचानने और उनका जवाब देने में मदद मिलेगी। विशेष रूप से, प्लेटफॉर्म को एक समग्र दृष्टिकोण अपनाना होगा और नेटवर्क, क्लाउड, एंडपॉइंट्स और एप्लिकेशन - यानी संपूर्ण हमले की सतह - में पाए गए उल्लंघनों के बीच संबंध स्थापित करना होगा।
उपकरण, फ़ीड और वातावरण में हिरासत के सहसंबंधों के प्रमुख उद्देश्य पहचान सटीकता में सुधार करना है, कई उपकरणों से कमजोर संकेतों का पता लगाने के लिए जटिल हमलों का पता लगाना है जो अन्यथा अनदेखा किए जा सकते हैं, और परिचालन दक्षता और उत्पादकता में सुधार कर सकते हैं। अब व्यापक दृश्यता का मतलब सही डेटा ढूंढना नहीं है - बल्कि, इसका मतलब है जटिल हमलों का पता लगाना।
ऐसा करने के लिए, आपको विचार करना चाहिए Open XDR. XDR कांच के एक एकल फलक के साथ एक मंच में कई सुरक्षा अनुप्रयोगों के तंग एकीकरण के साथ एक एकजुट सुरक्षा संचालन समाधान है। यह स्वचालित रूप से कई टूल से डेटा एकत्र करता है और सहसंबंधित करता है, डिटेक्शन में सुधार करता है और स्वचालित प्रतिक्रियाएं प्रदान करता है। एक टूल और एप्लिकेशन को एक साथ बांधने वाला प्लेटफ़ॉर्म, उपकरण की लागत और बुनियादी ढाँचे की लागत, दोनों को जन्मजात रूप से नीचे ले जाता है, जबकि यह ग्लास की आसान-से-उपयोग एकल के साथ परिचालन दक्षता में सुधार करता है।
हमारा मानना है कि इसके लिए पाँच प्राथमिक मूलभूत आवश्यकताएँ हैं। XDR:
- लॉग सहित विभिन्न डेटा स्रोतों से सामान्यीकृत और समृद्ध डेटा का केंद्रीकरण, प्रसार यातायात, अनुप्रयोगों, बादल, खतरा खुफिया, आदि
- उन्नत विश्लेषिकी जैसे एकत्र किए गए डेटा से सुरक्षा घटनाओं की स्वचालित पहचान NTA, उन्नत भारत अभियान और EBA.
- उच्च-स्तरीय दृश्य में व्यक्तिगत सुरक्षा घटनाओं का सहसंबंध।
- केंद्रीयकृत प्रतिक्रिया क्षमता जो व्यक्तिगत सुरक्षा उत्पादों के साथ सहभागिता करती है।
- क्लाउड-माइक्रो-सर्विसेज आर्किटेक्चर इन द परिनियोजन लचीलेपन, स्केलेबिलिटी और उच्च उपलब्धता।
निष्कर्षतः, स्टेलर साइबर एकमात्र ऐसा विशेष रूप से निर्मित उपकरण है। Open XDR एक ऐसा प्लेटफॉर्म जो सभी डेटा को एकत्रित और व्यवस्थित करता है। साइबर सुरक्षा संपूर्ण हत्या श्रृंखला में पता लगाने, सहसंबंधित और प्रतिक्रिया करने के लिए डेटा। सहसंबंधों की लहर शुरू हो गई है, और आप हमारे साथ एक साथ यात्रा का आनंद लेने के लिए सवारी करने के लिए आपका स्वागत है!
SIEMक्या ये खोखले वादे हैं?
SIEMसुरक्षा अभियानों की नींव दशकों से यही रही है, और इसे स्वीकार किया जाना चाहिए। हालाँकि, SIEMउन्होंने कई बड़े-बड़े वादे किए हैं, लेकिन आज तक उनमें से कई को पूरा नहीं किया है…
