在过去的几个月里 XDR 缩写 几乎每个安全产品制造商都在使用。 说你拥有它是一回事，但是构建检测的艰苦工作需要 年. 仅仅说你有一个大数据平台是不够的，你可以把东西放进去和搜索； 您需要能够产生有意义的相关性的可操作检测。 当您查看时，需要考虑以下两个关键事项 XDR.
数据规范化—— 要获得完全可见性，您首先需要考虑的是数据本身。 每个安全产品都有不同的显示日志和警报的方式。 网络解决方案、端点安全工具、防火墙、身份工具、云安全工具和许多其他工具都有自己的警报格式和频率。 每一个 SIEM 工具 可以存储来自这些设备的日志——这是最简单的部分。
问题在于，创建复杂的多维规则来跟上当前的攻击速度几乎是不可能的。 例如，在 IDS 上，您每天可以看到超过 200,000 万个警报。 Suricata 规则可能能够过滤掉低至 XNUMX 个的已知漏洞，但您通常必须根据您对客户环境的了解来创建一系列规则。
在这个领域，利用机器学习 (ML) 处理入侵检测系统 (IDS) 数据可以显著减少警报数量，使其降至可管理的少数几条。与其编写规则来检测问题，不如利用机器学习来建立网络正常行为的基线。客户通常何时登录？他们从哪里登录？他们通常保持登录状态多长时间？机器学习检测可以将 200,000 万条警报减少到寥寥几条。查看所有安全工具中关联起来的这些信息，对于您的安全团队来说，速度更快、更便捷。 SOC 分析师负责管理。
开放集成 – 此外，请确保 XDR 平台 你正在考虑的是 open. 随着安全技术在未来几年迅速变化，这些平台将帮助您避免供应商锁定。 这将帮助您保持适应不断变化的网络安全环境和客户需求的能力。
在 Stellar Cyber——我们认为 API驱动的或 Open XDR 是最佳前进方向—— 无论您来自哪里，使用哪些现有工具，也无论您希望在安全成熟度方面走向何方。 对我们而言，这意味着我们可以帮助制定他们为您作为企业或您的客户作为 MSSP 的战略，利用你们双方的投资。 联系我进行热烈的讨论： ssalinas@stellarcyber.ai
