В статье описываются системы поведенческого анализа пользователей и сущностей User and Entity Behavioral Analytics (UBA/UEBA), основные принципы их работы, сферы использования и тенденции развития рынка. UEBA — достаточно молодой класс систем, но представляющий большой практический интерес в связи с тем, что эти системы используют принципиально новый подход в борьбе с современными угрозами.
- Введение
- Принцип работы UEBA-систем
- Какие прикладные задачи решают системы поведенческого анализа?
- 3.1. Определение скомпрометированных аккаунтов пользователей и конечных станций
- 3.2. Определение и предотвращение инсайдерских угроз
- 3.3. Мониторинг сотрудников и их прав доступа
- Мировой рынок систем поведенческого анализа
- Российский рынок систем поведенческого анализа
- Краткий обзор продуктов, предназначенных для поведенческого анализа
- 6.1. Определение скомпрометированных аккаунтов пользователей и конечных станций
- 6.4. Определение и предотвращение инсайдерских угроз
- 6.7. Мониторинг сотрудников и их прав доступа
- 6.10. Другие игроки
- Выводы
Введение
Целевых атак стало больше, они стали более изощрёнными и продуманными, злонамеренные пользователи стали умнее, а корпоративные информационные системы показывают лавинообразный вертикальный и горизонтальный рост. В таком мире контролировать и реагировать на инциденты информационной безопасности становится все сложнее и дороже. Поэтому перед индустрией ИБ стоит множество задач по автоматизации процессов определения и реагирования на инциденты и угрозы. Одну из таких задач решают системы класса User [and Entity] Behavioral Analytics (UEBA/UBA).
User [and Entity] Behavioral Analytics (UEBA/UBA) — класс систем, позволяющих на основе массивов данных о пользователях и ИТ-сущностях (конечных станциях, серверах, коммутаторах и т. д.) с помощью алгоритмов машинного обучения и статистического анализа строить модели поведения пользователей и определять отклонения от этих моделей, как в режиме реального времени, так и ретроспективно. В качестве источников данных для UEBA-систем могут выступать файлы журналов серверных и сетевых компонентов, журналы систем безопасности, локальные журналы с конечных станций, данные из систем аутентификации и даже содержание переписки в социальных сетях, мессенджерах и почтовых сообщениях.
Формально UEBA и UBA относятся к одному классу систем, но при этом имеют одно фундаментальное отличие. UBA-системы берут за основу информацию, связанную только с пользовательской активностью и, соответственно, фокусируются на пользователях и их ролях. UEBA-системы информацию о пользователях и ролях обогащают информацией о системном окружении — хостах, приложениях, сетевом трафике и системах хранения данных. Это позволяет UEBA-системам строить профили не только пользователей, но и всего ИТ-окружения. Благодаря этому UEBA-системы, в отличие от UBA, способны идентифицировать более широкий класс угроз, связанных не только с пользователями, но и с объектами ИТ-инфраструктуры.
Системы UEBA представлены как в виде отдельных программных решений, так и в виде расширений для уже существующих систем: SIEM (Security Information and Event Management), DLP (Data Loss Prevention), EDR (Endpoint Detection and Response) и пр.
Принцип работы UEBA-систем
Системы UEBA, архитектурно, решают 4 основные задачи:
- Прикладная аналитика данных из различных источников, как простая статистическая, так и расширенная, с использованием методов машинного обучения, в режиме реального времени и/или с определенной периодичностью.
- Быстрая идентификация атак и других нарушений, большинство из которых не определяются классическими средствами ИБ.
- Приоритизация событий, консолидированных из разных источников (SIEM, DLP, AD и т. д.), для более оперативного реагирования со стороны администраторов ИБ.
- Более эффективная реакция на события за счет предоставления администраторам ИБ расширенной информации об инциденте, включающей все объекты, которые были вовлечены в аномальную активность.
Исходя из вышесказанного, в ядро любой UEBA-системы включаются технологии по работе с большими массивами данных. И если в случае с расширениями к известным SIEM-системам (IBM QRadar UBA, HPE ArcSight UBA, LogRhythm AI Engine) такие технологии доступны из коробки, то самостоятельные решения должны либо использовать сторонние разработки (например, Exabeam использует Elastic Stack), либо свои собственные (Splunk UBA, Microsoft ATA).
Опираясь на массив собранных данных, UEBA-система строит модель нормального поведения пользователя и его взаимодействия с корпоративными системами. Построение модели происходит как с помощью простых статистических алгоритмов, так и с помощью алгоритмов машинного обучения. Помимо этого, UEBA-системы могут строить модели поведения целых групп пользователей и определять отклонения каждого из них от общей модели.
Если какие-то действия пользователя выбиваются из построенной модели, UEBA-система определяет это как аномальную активность и создает соответствующее предупреждение администратору безопасности. Обычно это происходит в режиме реального времени или близком к нему.
В дополнение к этому, системы UEBA ведут ретроспективную статистику по каждому пользователю и на основе собранных данных по его аномальной активности способны выставлять своеобразные оценки риска каждому из них. В дальнейшем эти оценки используются в ранжировании событий, облегчая работу администратора безопасности.
Наконец, UEBA-системы предоставляют развернутую информацию по инцидентам, включая информацию обо всех задействованных пользователях и системах, с анализом определенных аномалий в их поведении, что значительно упрощает дальнейшее расследование.
Какие прикладные задачи решают системы поведенческого анализа?
Благодаря общему подходу ко всем сетевым сущностям (не только к пользователям, но и к элементам ИТ-инфраструктуры) UEBA способны дополнять широкий класс ИБ-систем и решать задачи, которые эти системы не могут решить в принципе.
Определение скомпрометированных аккаунтов пользователей и конечных станций
Большинство организаций обычно фокусируются на защите периметра и конечных станций. При этом злоумышленники зачастую могут обойти такую защиту, не обнаруживая себя. Решения класса UEBA в состоянии отследить такую активность, начиная с самой ранней стадии заражения и заканчивая конечными станциями и узлам ИТ-инфраструктуры, которые были поражены вследствие горизонтального распространения угрозы.
В этом случае UEBA системе не принципиально, вовлечен ли в зловредную активность только пользовательский аккаунт или же под ударом оказались конечные станции и сервера — аномальная активность будет определяться на всех уровнях.
Задача определения горизонтального распространения угрозы и последующего расследования инцидента практически недоступна для решения классическими ИБ-системами, ориентированными на защиту периметра и конечных станций.
В этом случае UEBA системы могут быть использованы, как вспомогательные к системам классов SIEM, IPS и EDR.
Определение и предотвращение инсайдерских угроз
Помимо внешних атак на инфраструктуру, есть большой класс угроз, исходящих от доверенных источников — сотрудников организации. Сюда можно отнести утечки данных, внутренний фрод и эксплуатацию уязвимостей в корпоративных системах для повышения привилегий или вывода систем из строя. UEBA-системы в этом случае могут определить аномальную активность в поведении пользователей в их взаимодействии с корпоративными системами и предоставить исчерпывающую информацию администраторам безопасности.
Производители UEBA-систем, фокусирующихся на внутренних угрозах, в качестве источников информации часто используют не только системные журналы, но и содержание переписок из корпоративной почты и мессенджеров, что позволяет строить более детальные и персонифицированные модели поведения пользователей.
В этом случае UEBA-системы выступают вспомогательными к основным EDR-, SIEM-, DLP- и IPS-системам.
Мониторинг сотрудников и их прав доступа
Не всегда необходимость профилирования пользователей напрямую связана с предотвращением каких-либо угроз. Подчас, особенно в больших и сложных корпоративных структурах, возникает необходимость в более гранулированном подходе к пользовательским правам, как по их уровню доступа, так и по целевым системам, к которым предоставляется доступ.
В этом случае UEBA-система, собирая информацию о пользователях и их привилегиях, дает очень ценную информацию о том, к каким корпоративным системам и с какими привилегиями эти пользователи осуществляют доступ. В результате анализа может выясниться, что не все привилегии и целевые системы, доступ к которым разрешен пользователю, ему реально необходимы. Это помогает понижать привилегии и сокращать число доступных целевых систем для единичных пользователей и групп, что в свою очередь снижает риски внутренних угроз.
В этом случае UEBA-системы направлены на помощь ИТ- и ИБ-администраторам и могут использоваться в качестве дополнения к системам классов IAM/IDM, PAM/PUM и DAG.
Мировой рынок систем поведенческого анализа
«К 2022 году рынок UEBA-систем перестанет существовать», — вот так безрадостно, на первый взгляд, оценивает этот рынок вице-президент Gartner Авива Литан. И для этого есть основания.
Мировой рынок UEBA-систем показывает стремительный рост — так со своего появления в 2014 году он растет на 100% от года к году - $50 млн в 2015 году, $100 млн в 2016 году, $200 млн в 2017 году (прогноз). При этом, как самостоятельный продукт UEBA-системы скорее всего в ближайшей перспективе перестанут существовать. И дело здесь в самой технологии.
Действительно, UEBA-системы — это мощный аналитический инструмент. При этом для эффективного анализа эти системы требуют большого количества данных, собранных из разных источников. Задачи сбора и систематизации таких данных решают SIEM-системы, предоставляющие доступный из коробки инструментарий по сбору и базовому анализу больших данных. Поэтому наиболее эффективным механизмом внедрения UEBA является их тесная интеграция с уже существующими SIEM-системами.
Этот тренд подтверждается слияниями и поглощениями на рынке SIEM/UEBA-систем. Так, в 2015 году Splunk (платформа для работы с большими массивами данных) приобрела поставщика UEBA Caspida и тесно интегрировала их не только со своим ядром (Splunk UBA), но и с собственным SIEM-решением Enterprise Security. HPE выпустил свое решение ArcSight UBA, включившее в себя разработки Securonix. Решение Microsoft Advanced Threat Analytics (ATA) включает в себя разработки купленной в 2014 году израильской компании Aorata, которая, в том числе, разрабатывала средства поведенческого анализа для учетных записей AD. 2017 год также был насыщенным на громкие поглощения: в январе HPE Aruba приобрела Niara, а уже в августе Forcepoint поглотил RedOwl. Нужно ли говорить, что обе компании — лидеры сегмента UEBA.
Также некоторые производители SIEM-систем развивают собственные дополнения, отвечающие за поведенческий анализ. Так, IBM выпустил бесплатное расширение UBA для своей SIEM-системы QRadar — IBM QRadar UBA, а LogRhythm выпустил AI Engine — движок для определения аномалий в собираемых данных.
При этом классические UEBA-производители, напротив, расширяют функциональность своих продуктов. Так, например, Exabeam, один из пионеров UEBA-рынка, теперь позиционирует свой продукт именно как SIEM & UBA. Balabit уже позиционируется как PUM-вендор и классическую UBA-функциональность использует в рамках своего продукта Blindspotter, отвечающего за расширенный анализ поведения привилегированных пользователей. ObserveIT — полноценный продукт для борьбы с инсайдерскими угрозами (Insider Threat Management), основанный на собственных разработках в области поведенческой аналитики.
Gartner прогнозирует, что к 2018 году как минимум четыре компании в сфере UEBA будут поглощены производителями SIEM, DLP и других систем, ориентированных на задачи информационной безопасности. А к 2020 году на рынке останется менее пяти производителей, сфокусированных исключительно на поведенческом анализе.
Российский рынок систем поведенческого анализа
На сегодняшний день на российском рынке UEBA-систем широко представлены иностранные продукты, которые поставляются в основном в рамках классических продуктовых каналов производителей ИТ- и ИБ- систем, уже зарекомендовавших себя на российском рынке: IBM, HPE, Splunk, Microsoft и т. д.
Российские производители делают первые шаги в сторону поведенческой аналитики, и подобная функциональность уже внедряется в некоторые отечественные продукты:
Определение скомпрометированных аккаунтов пользователей и конечных станций:
- Secure Portal от Group IB
- Kaspersky Fraud Prevention от «Лаборатории Касперского»
Определение и предотвращение инсайдерских угроз:
- Solar Dozor от Solar Security
- Гарда БД от «МФИ Софт»
- Контур информационной безопасности (КИБ) от SearchInform
Мониторинг сотрудников и их прав доступа:
- StaffCop Enterprise от «Атом Безопасность»
Но говорить о полноценной автоматической поведенческой аналитике в российских продуктах еще рано.
Краткий обзор продуктов, предназначенных для поведенческого анализа
Классификация решений в обзоре весьма условна и базируется на сильных сторонах продукта, а не на исчерпывающем наборе функций. Большинство решений класса UEBA/UBA в том или ином виде решают практически все перечисленные задачи.
Определение скомпрометированных аккаунтов пользователей и конечных станций
Exabeam Advanced Analytics (Exabeam)
Exabeam по праву можно считать пионером UEBA-рынка. По заявлениям самой компании, Exabeam имеет самую большую инсталляционную базу UEBA-систем в мире. На сегодняшний день компания позиционирует себя как комплексная платформа для SIEM с расширенной аналитической функциональностью. Классическое UEBA-решение компании стало частью этой экосистемы и получило название Exabeam Advanced Analytics.
В основе Exabeam Advanced Analytics лежит собственная технология, названная Statefull User Tracking, которая в полностью автоматическом режиме строит нормальный профиль пользователей, опираясь на информацию о сессиях, устройствах, IP-адресах и учетных записях пользователей. Exabeam Advanced Analytics может разворачиваться как в качестве отдельного решения, так и как часть Exabeam Security Intelligence Platform.
Рисунок 1. Интерфейс UEBA-модуля Exabeam Advanced Analytics
К дополнительным задачам, решаемым с помощью платформы Exabeam, можно отнести:
- Инсайдерские угрозы и утечка данных.
- Обнаружение вредоносных программ и их горизонтального распространения.
- Проведение аудита системы на соответствие требованием регуляторов.
Платформа Exabeam лицензируется по числу пользователей и не привязывается к объему обрабатываемых данных, как классические SIEM-системы.
Подробнее с платформой Exabeam Advanced Analytics можно ознакомиться здесь.
Splunk UBA (Splunk)
Компания Splunk была основана в 2003 году и фокусировалась на обработке и быстрой аналитике больших массивов текстовых данных. Логичным продолжением развития платформы стала интеграция алгоритмов машинного обучения и расширений для работы с различными типами данных. Одним таких из решений стал продукт Splunk UBA, который выпускается как отдельное приложение, построенное на продуктах Big Data Foundation (Hadoop, Spark и GraphDB). Несмотря на это, Splunk UBA имеет прозрачную интеграцию с основным продуктами Splunk Enterprise и Splunk Enterprise Security (SIEM-расширение для платформы Splunk).
Splunk UBA создает поведенческие модели пользователей, одноранговых групп, конечных станций, сетевых объектов, источников данных и др.
Рисунок 2. Основное окно интерфейса Splunk UBA
К дополнительным задачам, решаемым с помощью Splunk UBA, можно отнести:
- Кража интеллектуальной собственности и «эксфильтрация» данных.
- Подозрительное поведение в связке пользователей, устройств и приложений.
- Обнаружение вредоносных программ и их горизонтального распространения.
Splunk UBA лицензируется по числу анализируемых пользователей, полученных из Microsoft AD, LDAP или любой аналогичной системы аутентификации пользователей в сети.
Подробнее с продуктом Splunk UBA можно ознакомиться здесь.
Определение и предотвращение инсайдерских угроз
Microsoft Advanced Threat Analytics (ATA) (Microsoft)
В ноябре 2014 года Microsoft купила израильскую компанию Aorato, а уже в мае 2015 года на своей конференции Microsoft Ignite представила решение Advanced Threat Analytics. Microsoft ATA может забирать данные как классическими средствами Microsoft (пересылка событий WEF или непосредственно из сборщика событий Windows), так и из сторонних SIEM-систем.
Microsoft ATA выявляет три типа угроз: атака злоумышленников, аномальное поведение и проблемы/риски безопасности. Атаки злоумышленников определяются детерминировано по списку известных атак на инфраструктуру Microsoft (Pass-the-Hash, Golden Ticket, вредоносные запросы на репликацию и т. д.). Аномальное поведение, как и в других UBA-системах, определяется с помощью механизмов машинного обучения. Проблемы/риски безопасности включают в себя определение известных уязвимостей в протоколах или использование их старых неподдерживаемых версий.
Рисунок 3. Пример поведенческого отчета в Microsoft ATA
Можно выделить несколько дополнительных сфер применения для Microsoft ATA с точки зрения поведенческой аналитики:
- Кража учетных записей и злоупотребление привилегированными учетными записями.
- Обнаружение неизвестных угроз и их горизонтального распространения.
Microsoft ATA лицензируется либо по числу устройств, либо по числу пользователей. Помимо отдельно приобретаемой лицензии, Microsoft ATA входит в комплекты лицензий и подписок: Enterprise Client Access License Suite (и по пользователям, и по устройствам), Enterprise Mobility Suite + Security (только по пользователям) и Enterprise Cloud Suite (только по пользователям).
Подробнее с решением Microsoft Advanced Threat Analytics можно ознакомиться здесь.
ObserveIT (ObserveIT)
Компания ObserveIT была основана в 2006 году в Израиле. Изначально компания фокусировалась на мониторинге внешних поставщиков. С развитием собственной платформы поведенческого анализа компания стала расширять сферы применения своего продукта на мониторинг внутренних сотрудников, привилегированных пользователей и внешних поставщиков. С этого момента ObserveIT сосредоточилась на разработке полноценного ITM (Insider Threat Management) решения. В феврале 2016 года компания представила первое комплексное решение для предотвращения (а не только определения) внутренних угроз.
Отличительной чертой архитектуры решения ObserveIT является наличие легковесных клиентских агентов. Эти агенты, помимо сбора данных, позволяют осуществлять проактивную блокировку определенных действий пользователя, в том числе при определении поведенческих аномалий в них.
Рисунок 4. Окно интерфейса ObserveIT Insider Threat Intelligence
К дополнительным задачам, решаемым с помощью ObserveIT, можно отнести:
- Определение скомпрометированных учетных записей.
- Проведение аудита системы на соответствие требованием регуляторов.
ObserveIT, в отличие от классических UEBA-решений, лицензируется по числу конечных станций, находящихся под управлением системы.
Подробнее с ObserveIT можно ознакомиться здесь.
Мониторинг сотрудников и их прав доступа
HPE ArcSight UBA (HPE/MicroFocus)
HPE ArcSight UBA является расширением для одной из самых известных и распространенных SIEM-систем HPE ArcSight. ArcSight UBA построен на базе одного из лидеров UEBA-рынка — компании Securonix. Компания Securonix классически фокусируется на широком классе угроз: начиная с внутренних угроз и утечек данных, заканчивая безопасностью облачных сред и контролем учетных записей пользователей.
HPE ArcSight UBA на основе готовых математических моделей для профилирования активности на основе полученных событий позволяет производить группировку однотипных событий (peer group analysis), выявлять аномалии (anomaly detection), определять штатные профили работы пользователей (baseline profiling), определять частоту возникновения событий (event rarity).
Рисунок 5. Интерфейс HPE ArcSight UBA с поведенческой аналитикой пользователей
К дополнительным задачам, которые решает HPE ArcSight UBA, можно отнести:
- Определение инсайдерской активности.
- Обнаружение неизвестных угроз и их горизонтального распространения.
В сентябре 2017 года завершилось слияние Software подразделения HPE и компании MicroFocus, из магазина которой теперь доступно расширение UBA. HPE ArcSight UBA лицензируется по количеству пользователей, для которых производится поиск поведенческих аномалий.
Подробнее с расширение HPE ArcSight UBA можно ознакомиться здесь.
IBM QRadar UBA (IBM)
IBM Security QRadar User Behavior Analytics (UBA) представляет собой расширение для SIEM-системы IBM QRadar, доступное из IBM X-Force App Exchange. На сегодняшний день UBA-расширение для IBM QRadar фокусируется исключительно на поведенческом анализе пользователей. Выставление оценок риска каждому пользователю производится, как на основе простых статистических правил, так и с помощью методов машинного обучения.
Необходимо отметить, что IBM QRadar UBA является собственной разработкой IBM Security и в планах компании обеспечить непрерывное развитие приложения и расширение сфер его применения.
Рисунок 6. Основное окно приложения IBM Security QRadar UBA
На сегодняшний день можно выделить несколько дополнительных сфер применения IBM QRadar UBA:
- Определение инсайдерской активности и утечек данных (инициированных пользователями)
- Обнаружение неизвестных угроз и их горизонтального распространения (если такая активность затрагивает конечных пользователей)
Приложение IBM Security QRadar UBA доступно из IBM X-Force App Exchange и распространяется бесплатно.
Подробнее с расширение IBM Qradar UBA можно ознакомиться здесь.
Другие игроки
В подробный отчет не включены производители, чьи решения не представлены на российском рынке, хотя они и имеют сильные позиции в сегменте UEBA/UBA:
- LogRhythm (и его AI Engine)
- Gurucul Risk Analytics (GRA)
- Balabit Blindspotter
Также в отчет не вошли компании, поглощенные относительно недавно более крупными игроками, которые представлены на российском рынке:
- Niara (поглощена HPE Aruba в феврале 2017 года)
- RedOwl (поглощена Forcepoint в августе 2017 года)
Пока мало информации о конкретных сферах применения этих UEBA-систем в составе продуктов материнских компаний.
Помимо этого, в отчет не вошли системы, представленные на российском рынке:
- McAfee UBA Content Pack — пока поддерживает базовые правила корреляции и ограниченное число сфер применения.
- RSA NetWitness Suite, в который глубоко интегрированы UBA-возможности, наравне с остальными решениями Advanced Threat Detection & Cyber Incident Response.
Нужно заметить, что оба производителя являются безусловными лидерами многих сегментов ИБ-рынка, но выделить в их продуктах UEBA/UBA-функциональность, доступную для отдельного анализа, сложно.
Выводы
UEBA/UBA-системы — это следующий шаг в определении неизвестных типов угроз, целенаправленных атак и внутренних нарушителей. Основываясь исключительно на поведенческом анализе, эти системы способны выявлять аномалии и неочевидные взаимодействия пользователей с корпоративными системами, что в конечном итоге позволяет администраторам безопасности видеть расширенную картину безопасности предприятия и оперативно реагировать на инциденты ИБ.
При этом даже сейчас становится очевидным, что UEBA выступают отличным дополнением к аналитическим функциям SIEM-систем, но как отдельный продукт со своим рынком скорее всего перестанут существовать. В свою очередь, UBA-системы гармонично встраиваются в архитектуру ИБ-систем, сфокусированных исключительно на пользователях, таких как DLP и PUM. Несмотря на технологически иной (и местами на порядок более качественный) подход к определению угроз, отдельные UEBA/UBA-системы будут восприниматься очередным нагромождением в ИБ-ландшафте предприятия, наравне с уже существующими SIEM, DLP, EDR, IAM и прочими системами. В будущем это станет ключевым фактором при выборе или отказе от внедрения отдельной UEBA/UBA-системы. Уже сегодня лидирующие UEBA/UBA-системы имеют механизмы тесной интеграции с существующими SIEM-системами, что открывает перед ними куда более широкий рынок, но уже как для OEM-поставщиков.
На российском рынке уже есть интерес к подобному классу систем, но пока это носит точечный бессистемный характер. Мировой рынок UEBA/UBA-систем весьма молодой и перспективный, поэтому есть надежда, что российские производители SIEM, EDR и DLP будут расширять аналитические способности своих систем, в том числе с внедрением методов поведенческой аналитики или соответствующих продуктов сторонних производителей.
