Вышли новые версии UEBA и Anomaly Detection на платформе Security Vision 5

Вышли новые версии UEBA и Anomaly Detection на платформе Security Vision 5

Вышли новые версии UEBA и Anomaly Detection на платформе Security Vision 5

Security Vision сообщает о выпуске новых версий продуктов UEBA и Anomaly Detection на платформе Security Vision 5. Security Vision UEBA автоматически выстраивает типовые модели поведения (пользователей, учетных записей, устройств, процессов и др.) и находит отклонения, анализируя сырые потоки данных по сетевому трафику, прокси-серверов, почтовых серверов, Windows/Linux серверов и рабочих станций.

Security Vision Anomaly Detection расширяет возможности выявления аномалий в корпоративной инфраструктуре, применяя большое количество разных моделей и методик Machine Learning, стекируя результаты отдельных моделей и объединяя полученные события в инциденты для дальнейшего расследования.

Наиболее значимые возможности Security Vision UEBA:

Интеграция с источниками данных

Продукт Security Vision UEBA содержит настроенные коннекторы для получения, нормализации и анализа сырых данных от всех популярных SIEM систем (KUMA SIEM, MaxPatrol SIEM, Pangeo RADAR, RuSIEM, NEURODAT SIEM, ArcSight SIEM, QRadar, Splunk и др.), возможность получения событий в универсальных форматах (CEF, LEEF и др.), коннекторы к NGFW и сетевым устройствам (Cisco, CheckPoint, PaloAlto, Juniper и др.), прокси серверам (Squid, Blue Coat), «озерам данных» (Kafka, Elasticsearch), а также получение логов напрямую с Windows/Linux устройств и рабочих станций.

Встроенные в платформу конструкторы интеграций позволяют в режиме no-code быстро реализовывать дополнительные интеграции с любыми иными источниками данных по большому количеству протоколов, включая графический конструктор по нормализации получаемых данных.

Настраиваемые правила и аналитический движок

Пользователям доступно несколько десятков встроенных правил для статистического анализа различных параметров активностей пользователей, учетных записей, хостов, процессов, а также объемных показателей трафика, количества соединений и др. Функционал продукта позволяет гибко расширять и настраивать новые правила анализа, настраивать их активность, оценку и порог влияния на создание итогового инцидента.

Также в платформу встроен полноценный движок правил корреляции, используя который, можно настраивать правила любой глубины и сложности. Для примера в поставку продукта включены sigma-правила и типовые правила корреляции.

Инциденты и реагирование

Все выявленные отклонения автоматически объединяются относительно объекта сработки. При превышении заданных пороговых значений система генерирует инцидент, в котором отражена вся детальная информация об объекте инцидента, связанных объектах и всех выявленных аномальных событиях.

Для обработки инцидентов в продукте настроены автоматизированные действия: отправка в системы IRP/SOAR, отправка в SIEM, добавления в Active List’ы SIEM, добавление в листы блокировки на NGFV, блокировка в сервисе каталогов и др. Пользователь может настройками регулировать выполняемые действия: включать их выполнение автоматически или вручную, управлять их видимостью на карточке инцидента. Аналогичным образом можно управлять и оповещениями по инциденту.

Система автоматически создает отдельные объекты для всех связанных атрибутов инцидента (устройства, учетные записи и др.). По каждому объекту автоматически запускаются сбор и обогащения дополнительными данными из инфраструктуры заказчика или из внешних аналитических сервисов. Процесс сбора данных и обогащения регулируется настройками системы.

Для работы с выявленными инцидентами и связанными объектами в продукте реализованы встроенные рабочие процессы, которые управляют жизненным циклом инцидента, обогащениями, а также позволяют выполнять действия. Встроенный в платформу конструктор рабочих процессов позволяет пользователям кастомизировать необходимый процесс реагирования и настраивать взаимодействие с внешними системами.

В платформе доступны гибкие возможности по созданию и настройке дополнительных действий по реагированию, сбору и обогащению данными как полученного инцидента, так и всех связанных с ним объектов инфраструктуры заказчика или внешних систем.

Визуализация и отчетность

В карточке инцидента все выявленные события по объекту отображены в виде Timeline с соблюдением хронологии их возникновения. Большое количестве ссылок на связанные объекты (устройства, учетные записи, процессы и др.) позволяет переходить на их карточки для получения дополнительных данных и анализа.

Дополнительно все связанные объекты и атрибуты отображаются в виде графа, который позволяет выстроить связи между объектами инцидента и быстро перейти на детальную информацию по ним. Пользователь может добавлять дополнительные действия на графе для реагирования, обогащения данными или построения дополнительных связей.

Общие представления и дашборды позволяют посмотреть сводную информацию по всем выявленным объектам, в соответствии с рассчитанным рейтингом. Drill-down позволяет просмотреть детализацию по каждой группе анализа.

По каждому объекту в системе реализована возможность выгрузки отчетов, содержащих всю детальную информацию о выявленных сработках и объектах нарушений. Сводные отчеты за период могут быть выгружены вручную или получены по расписанию по различным каналам: по электронной почте, Telegram и др.

Конструктор отчетности и дашбордов, встроенный в платформу, позволяет пользователям самостоятельно настраивать требуемую отчетность и визуализацию данных в режиме no-code без использования каких-либо внешних продуктов и тулов.

Наиболее значимые возможности Security Vision Anomaly Detection:

В дополнение ко всем указанным выше возможностям пользователь получает большое количество преднастроенных и обученных моделей Machine Learning, которые существенно расширяют возможности по детекту аномальных и подозрительных действий в корпоративной инфраструктуре, не выявляемых правилами корреляции и функционалом стандартных СЗИ.

В продукте применяются различные методики ML, обученные модели на различных датасетах, связанных с активностью ботнетов, ВПО, DDOS атак и др., модели «без учителя», автоматически апроксимирующих активности и выявляющих отклонения по различным комбинациям параметров, нейросети, учитывающих последовательность событий и их взаимосвязи и др. Полученные в результате сработки автоматически обрабатываются, группируются в наборы событий, применяется дедупликация данных.

Применяемые в продукте модели автоматически регулярно переобучаются на данных заказчика, адаптируясь под настройки инфраструктуры, сетевую, техническую и пользовательскую активность. Используется как ручной, так и автоматический подбор параметров моделей для повышения качества выявляемых сработок.

В продукте встроены возможности применения «белых списков» для настройки исключений. Также модели автоматически учитывают сработки false-positive при последующем переобучении моделей.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

Почти 40% преступлений в России совершается с использованием ИТ

Как сообщило МВД России в отчете по итогам 11 месяцев 2024 года, направленном в Совет Федерации, доля преступлений, совершенных с использованием информационных технологий, составила около 40%. При этом почти половина из них — это тяжкие и особо тяжкие преступления.

Основная масса таких правонарушений связана с кражами, мошенничеством, а также незаконным оборотом наркотиков.

Всего, согласно документу, оказавшемуся в распоряжении «Известий», за 11 месяцев 2024 года было зарегистрировано почти 703 тысячи преступлений, совершенных с использованием информационных технологий.

Это составляет около 40% от общего числа преступлений, что на 5 процентных пунктов больше по сравнению с аналогичным периодом 2023 года.

«Почти половина таких преступлений (48,1%) относятся к категории тяжких и особо тяжких. Четыре из пяти преступлений совершаются с использованием интернета, а почти половина — с применением мобильной связи», — говорится в документе, подготовленном МВД.

Там же уточняется, что почти две трети (63,7%) таких преступлений связаны с кражами и мошенничеством, а 12,1% — с незаконным производством, сбытом или пересылкой наркотиков.

 

Расследование подобных преступлений сталкивается с серьезными трудностями. Большинство преступников установить не получается, поэтому они избегают ответственности. Сложности при раскрытии таких дел связаны с использованием злоумышленниками методов маскировки, таких как многократная смена сим-карт и применение криптовалют.

Дополнительной преградой служат несовершенные законодательные нормы — в частности, отсутствие механизмов оперативного обмена информацией между правоохранительными органами, банками и операторами связи. До суда доходит не более 15% уголовных дел.

«Основной проблемой организации обмена информацией в электронном виде с кредитно-финансовыми учреждениями является отсутствие законодательных норм, обязывающих предоставлять данные по запросам МВД в электронном формате и в короткие сроки», — отметили в министерстве в ответ на запрос первого заместителя председателя Комитета по конституционному законодательству Совета Федерации Артема Шейкина.

Как сообщили в МВД, ведомство уже заключило соглашения об информационном взаимодействии с двумя мобильными операторами и семью банками. Эти соглашения предполагают предоставление необходимых сведений в течение суток.

Артем Шейкин предложил создать отраслевой центр для организаций информационно-телекоммуникационной сферы, аналогичный подведомственному Банку России ФинЦЕРТ. По словам представителя пресс-службы Центрального банка, регулятор и МВД уже обмениваются данными о мошеннических операциях практически в режиме реального времени.

«Важно активно внедрять автоматизированные системы мониторинга и анализа подозрительных действий в сети. Одной из ключевых мер должна стать популяризация кибербезопасности среди населения. Только так можно обеспечить безопасность граждан и доверие к цифровым технологиям», — заявил Артем Шейкин в комментарии для «Известий». Сенатор также предложил создать единую платформу для противодействия мошенничеству, которая будет аккумулировать данные из систем «Антифрод» и «Антифишинг». «Через эту платформу банки смогут передавать информацию о фактах мошенничества операторам связи, которые, в свою очередь, будут определять маршруты звонков», — пояснил он.

Управляющий партнер юридической компании «Протектор» и член Ассоциации юристов России Игорь Вахромов отметил, что в большинстве случаев преступников удается найти при наличии непосредственного контакта с жертвами, например при передаче денег через курьера или оформлении имущества.

Однако органы внутренних дел нередко отказываются возбуждать дела по заявлениям граждан, если пострадавшие сами добровольно перевели деньги или передали имущество.

Вице-президент Ассоциации юристов по регистрации, ликвидации, банкротству и судебному представительству Владимир Кузнецов обратил внимание на то, что злоумышленники часто действуют дистанционно, находясь в других регионах или даже за границей. Тем не менее в ряде случаев их удается выявить и привлечь к ответственности.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru