(1)異常值建模:使用機(jī)器學(xué)習(xí)基線和異常檢測(cè)來(lái)識(shí)別異常行為,例如用戶從無(wú)法識(shí)別的IP地址訪問(wèn)網(wǎng)絡(luò),用戶從與其角色無(wú)關(guān)的敏感文檔存儲(chǔ)庫(kù)下載大量IP,或者來(lái)自與該企業(yè)沒(méi)有業(yè)務(wù)往來(lái)的國(guó)家/地區(qū)的服務(wù)器流量。
(2)威脅建模:使用來(lái)自威脅情報(bào)源和違反規(guī)則/策略的數(shù)據(jù)來(lái)尋找已知的惡意行為。這可以快速輕松地篩選出簡(jiǎn)單的惡意軟件。
(3)訪問(wèn)異常值建模:確定用戶是否正在訪問(wèn)不尋常的東西或他們不應(yīng)該訪問(wèn)的東西。這需要提取有關(guān)用戶角色、訪問(wèn)權(quán)限的數(shù)據(jù)。
(4)身份風(fēng)險(xiǎn)概況:根據(jù)人力資源數(shù)據(jù)、監(jiān)視列表或外部風(fēng)險(xiǎn)指標(biāo)確定事件中涉及的用戶的風(fēng)險(xiǎn)程度。例如,員工最近由于沒(méi)有升職可能更有可能對(duì)企業(yè)懷恨在心,并想進(jìn)行報(bào)復(fù)。
(5)數(shù)據(jù)分類:標(biāo)記與事件相關(guān)的所有相關(guān)數(shù)據(jù),如事件、網(wǎng)絡(luò)段、資產(chǎn)或涉及的帳戶,為調(diào)查警報(bào)的安全團(tuán)隊(duì)提供場(chǎng)景。
行為分析如果做得正確,可以產(chǎn)生足夠準(zhǔn)確的警報(bào),以實(shí)現(xiàn)自動(dòng)化響應(yīng)。這種方法提供的大量場(chǎng)景意味著自動(dòng)修復(fù)操作可以非常有針對(duì)性,例如刪除一個(gè)用戶對(duì)一個(gè)系統(tǒng)的訪問(wèn)。這意味著意外干擾合法業(yè)務(wù)流程的可能性較低。反過(guò)來(lái),這可能為首席信息官或首席信息安全官提供幫助,自動(dòng)化響應(yīng)是可行的。