利用AI的特權(quán)訪問管理機器學(xué)習(xí)以提高網(wǎng)絡(luò)安全性

AI正在與網(wǎng)絡(luò)安全相結(jié)合，以創(chuàng)建一種稱為威脅分析的新型工具。

機器學(xué)習(xí)使威脅分析能夠圍繞風(fēng)險上下文提供更高的準(zhǔn)確性，尤其是涉及特權(quán)用戶的行為，詳細(xì)介紹了《福布斯》。這種方法可用于實時創(chuàng)建通知，并通過中斷會話或標(biāo)記后續(xù)活動來主動響應(yīng)事件。

人們普遍認(rèn)為，成千上萬的黑客已經(jīng)走到了黑暗的一邊，并且策劃了對易受攻擊的企業(yè)的大規(guī)模攻擊，這是一個誤解。更殘酷的事實是，企業(yè)沒有保護其特權(quán)訪問憑據(jù)免遭容易的黑客攻擊。網(wǎng)絡(luò)分子正在尋找竊取特權(quán)訪問憑據(jù)并走進前門的方法。

根據(jù)Verizon的《 2019年數(shù)據(jù)泄露調(diào)查報告》，``網(wǎng)絡(luò)釣魚''(作為憑據(jù)濫用的前身)，``被盜憑據(jù)''和``特權(quán)濫用''占違反行為的大部分威脅行動。

根據(jù)提供云服務(wù)以保護免受現(xiàn)代企業(yè)攻擊的公司Centrcent 進行的一項名為“現(xiàn)代Threatscape中的特權(quán)訪問管理”的調(diào)查，身份和對身份的信任已成為網(wǎng)絡(luò)安全實踐的致命弱點。約74%的受訪者承認(rèn)訪問特權(quán)帳戶導(dǎo)致組織違規(guī)。

盡管威脅者可能有所不同，但根據(jù)Verizon的《 2019年數(shù)據(jù)泄露調(diào)查報告》，網(wǎng)絡(luò)攻擊者的戰(zhàn)術(shù)，技術(shù)和程序全面相同。Verizon發(fā)現(xiàn)，威脅增長最快的來源是內(nèi)部參與者。

內(nèi)部參與者能夠以最小的努力獲得特權(quán)訪問憑證，通常是通過對內(nèi)部系統(tǒng)的合法訪問請求來獲取它們，或者細(xì)讀同事隔間中的便箋。特權(quán)憑證濫用是檢測的挑戰(zhàn)，因為網(wǎng)絡(luò)安全的傳統(tǒng)方法信任使用特權(quán)憑證的人員的身份。實際上，黑客被分配給特權(quán)憑證的信任所掩蓋。

凝聚的特權(quán)訪問管理(PAM)策略將包括基于機器學(xué)習(xí)的威脅分析，以提供超越密碼，多因素身份驗證或特權(quán)提升的安全層。

機器學(xué)習(xí)算法使威脅分析能夠通過跟蹤登錄行為模式，地理位置和登錄時間以及更多變量來計算風(fēng)險評分，從而立即檢測異常和非正常行為。風(fēng)險評分是實時計算的，并定義是否批準(zhǔn)訪問，是否需要其他身份驗證或請求是否被完全阻止。

據(jù)說具有基于機器學(xué)習(xí)的引擎的威脅分析應(yīng)用程序可以有效地分析任何用戶或任何特權(quán)活動(包括命令)的正常行為模式。這可以實時識別異常，以啟用基于風(fēng)險的訪問控制。高風(fēng)險事件會立即得到標(biāo)記，并引起IT部門的注意，從理論上講，這可以加快分析速度。

有效的威脅管理應(yīng)用程序可能包括對安全信息和事件管理(SIEM)工具的支持，例如Micro Focus ArcSight，IBM Radar和Splunk。