عملیات امنیت

انتخاب یکی از گزینه‌های "همکاری با یک MSSP برای مدیریت امنیت" یا "خرید یک محصول SIEM و مدیریت آن توسط نیروهای داخلی" همواره چالشی اساسی برای مصرف‌کنندگان و خریداران بالقوه محصولات امنیتی است.

امروزه به هر قسمت از امنیت که نگاه کنیم با اصطلاحات یادگیری ماشین و هوش مصنوعی مواجه خواهیم شد. دلیل توجه زیاد به روش‌های یادگیری ماشین و هوش مصنوعی این است که ارائه‌دهندگان امنیت و مشتریان آن‌ها به دنبال راه‌هایی بهتر برای دفاع در برابر حملات سایبری پیشرفته و بهبود وجهه امنیتی خود هستند. یادگیری ماشین و هوش مصنوعی منجر به موفقیت‌های عظیمی در حل مسائل زیادی در دیگر حیطه‌های زندگی ما شده‌اند؛ بنابراین، به کارگیری آن‌ها با هدف دستیابی به موفقیت‌هایی مشابه در زمینه امنیت امری طبیعی است.

کاربرد یادگیری ماشین در تجزیه و تحلیل رفتار کاربران و موجودیت‌ها (UEBA)
تشخیص و پیش‌بینی تهدید بخشی حیاتی از امینت است که از یادگیری ماشین سود می‌برد. چالش‌های موجود در انجام UEBA را در نظر بگیرید. Gartner تجزیه و تحلیل رفتار کاربران و موجودیت‌ها را به صورت زیر تعریف می‌کند:

اخیرا، یک باگ "اجرای کد به صورت از راه دور" بر روی Microsoft Exchange Server مورد بهره‌برداری قرار گرفته است. این آسیب‌پذیری بر روی تمام نسخه‌های پشتیبانی شده از Microsoft Exchange، تا زمان انتشار اصلاحیه‌‌ی CVE-2020-0688، تاثیرگذار است.  برخلاف مایکروسافت که این درجه‌ی اهمیت این اصلاحیه را مهم قلمداد کرده، پژوهشگران معتقدند با توجه به شدت آسیب‌های احتمالی در صورت عدم نصب این اصلاحیه، باید درجه‌ی اهمیت آن را حیاتی در نظر گرفت. در ادامه این مطلب، جزئیات این آسیب‌پذیری و نحوه سوءاستفاده مهاجمین از آن برای به مخاطره انداختن یک سرور Microsoft Exchange را بیان خواهیم کرد.

کاربران بیشتر از زیرساخت‌ها مورد هدف هکرها قرار می‌گیرند.
برای مثال، در سال گذشته، از میان تمام ایمیل‌های یافته شده که توزیع بدافزار انجام می‌دادند، 99% آن‌ها نیازمند تعامل انسانی برای کلیک بر روی لینک‌ها، باز کردن اسناد، پذیرش هشدارهای امنیتی، یا انجام دادن کارهای دیگری برای به مخاطره انداختن شرکت بودند

در دنیای امروز، حملات به سیستم‌های کامپیوتری به شدت در حال پیشرفت و پیچیده شدن هستند. متأسفانه اغلب راه‌کارهای سنتی امنیتی، قادر به کشف و تشخیص این حملات جدید نبوده و در نتیجه هر روز اخبار زیادی درباره  data breach  شنیده می‌شود. اگرچه تحلیل‌گران امنیت هر آن‌چه را که می‌توانند با استفاده از ابزارهای امنیتی سنتی انجام می‌دهند، اما این ابزارها آن‌ها را به باتلاقی از هشدارها فرو برده که به سختی قابل فهم بوده و در نتیجه اغلب در تشخیص سریع و مقابله با تهدیدات پیشرفته غیرقابل استفاده هستند.

در صورتی که هدف شما تشخیص تهدیدها، انطباق با الزامات، تسریع در پاسخ‌گویی به وقایع یا همه موارد مذکور باشد، این راهنما شما را در راستای آماده شدن جهت استفاده از SIEM‌ و انتخاب یک محصول که در محیط شما به طور مناسب عمل کند، کمک می‌کند.

اغلب کسب و کارها در مواجهه با حجم زیاد تهدیدهای سایبری به مشکل برخواهند خورد. در راستای محافظت کارا و قابل اطمینان از شبکه خود، بسیاری از آن‌ها از MSSPها ( ارائه‌دهندگان خدمات امنیتی مدیریت شده) استفاده می‌کنند. اما، همه MSSPها سطح یکسانی از حفاظت را ارائه نکرده و اعتبار و سابقه یکسانی ندارند. در نتیجه، انتخاب یک MSSP کارآسانی نبوده و نیازمند تحقیق و بررسی است. معیارهای انتخاب یک MSSP مناسب چیست؟ از بین گزینه‌های فراوان در دسترس، چگونه یک MSSP مناسب برای کسب و کار خود انتخاب می‌کنید؟ در ادامه، 10 نکته اساسی نیازمند به بررسی برای انتخاب یک MSSP مناسب را بررسی خواهیم کرد.