人工智能与机器学习能帮助 CISO 和 CIO 应对网络弹性挑战
您的企业运维和数据安全吗?这是一个经常向 CISO、CIO、IT 安全部门领导人发出的疑问。但答案或许有条件限制,因为它取决于事件、威胁或环境因素,以及企业是否对其关键任务数据和流程提供了足够的保护。IT 运维面临着持续威胁,由于威胁的复杂程度不断攀升,实施的对策和战术也需要一直更新。显而易见,这就是为什么随着威胁进化速度和复杂性的增加,人工智能与机器学习成为了当今 IT 运维的需求。我们到处都可以看到人工智能与机器学习,从 ChatGPT 到 IBM Watson,再到 Netflix 推荐系统和谷歌搜索引擎。人工智能与机器学习正在为数据安全性作出努力,尤其是通过安全信息和事件管理 (SIEM) 与安全编程和自动化响应 (SOAR) 解决方案、XDR 和威胁情报,摄取大量数据,建立基线和异常值来检测可疑活动。
Cohesity 认为,人工智能与机器学习是数据安全和管理的基础
在数据安全和管理方面,Cohesity 的人工智能与机器学习从几年前就开始了异常检测、调度和优化运作。现代网络威胁已经危害到企业备份数据恢复,人工智能与机器学习能在数据安全和管理中发挥关键作用:识别威胁和漏洞并修复它们,以及帮助企业了解事件对敏感数据的影响。
Cohesity 使用人工智能与机器学习识别威胁
备份数据是数据安全和管理的基础。企业会根据数据的重要程度,拍摄数据快照,以防需要从勒索软件、灾难或其他网络事件中恢复数据。这些快照包含了现有生产数据,但可能还包含了已经躲过网络防御的难以捉摸的恶意软件。
威胁防护功能可以用两种方式来识别快照中的威胁,一是主动地识别,二是在事件(如勒索软件攻击)发生时识别。Cohesity 通过人工智能与机器学习来检测正在被攻击的用户和异常数据,利用威胁情报确保恢复数据不含恶意软件。安全分析师从各种威胁来源和数据源创建 YARA 规则,从而自动化运行搜寻威胁的策略,代替手动方法。手动方法在深度和广度上缺乏可扩展性,企业只能在少量数据源中搜索少数规则。
当面对勒索软件攻击时,企业必须通过扩展来确保关键数据安全地恢复。这样,恶意软件就不会再次立刻地感染环境,和在数据存储中造成另一个严重的加密事件。即时和按键式执行备份快照中的威胁检测,是维护企业服务级别协议 (SLA) 、恢复点目标 (RPO) 和恢复时间目标 (RTO) 的基础。
那么,实现数据安全和管理的自动化威胁扫描需要具备什么条件?为什么?
Cohesity 人工智能与机器学习能评估攻击风险
当发生攻击时,响应团队承担着许多责任。至关重要的是,他们需立马评估攻击风险,可能泄露了哪些数据?数据被公开会对企业会造成哪些影响?首先,哪些客户和员工数据可能已被泄露?有了这些情报,企业可以就所需的隐私和监管响应做出明智决定。例如,向受影响方发出通知和补救措施。第二,商业秘密或其他敏感信息是否已被泄露,应考虑哪些法律因素?第三,泄露了哪些运维数据,这对供应链和合作伙伴有何影响?
以上不是一个详尽的考虑因素列表,但可用于表达数据暴露的各种影响,以及企业为什么必须准确说明哪些数据可能受到影响。虽然企业使用了很多工具和方法(逻辑数据模型、企业架构、数据发现和分类工具、数据目录)追踪敏感数据,但是它们都有一个核心弱点 —— 生命周期。自上次更新用于识别敏感数据的工具以来,发生了什么变化? 鉴于数据的高速增长和扩散,可以安全地假设企业对其敏感数据的了解存在一定差距。当然,应该运用这些工具和工件,在攻击发生后,立即明确得出关于敏感数据暴露的结论。
通过检查攻击目标的备份副本,企业可以获得绝对的最新情报来做出上面列举的关键决策。用这种方法推断出准确性。数据暴露的评估,应该使用最高的精确度来驱动适当的响应。那么,需要什么来提高对数据暴露的准确评估,以及企业采取所有适当措施的高度信心呢?