この記事の内容
実際に
セキュリティ分析の メリット
リアルタイム分析で セキュリティ脅威を 検知
セキュリティ分析とは?
セキュリティ分析は、ネットワークデバイスからの監視データをビッグデータ分析、人工知能(AI)、機械学習(ML)と組み合わせることで、高度なセキュリティ脅威を検出します。ネットワークトラフィックなどのデータポイントを収集、分類、分析することで得られるセキュリティ分析の知見は、単純な脅威検出にとどまらない、プロアクティブなセキュリティ対策を可能にします。

ほぼ
エンドポイントの
パフォーマンス 行動データ
ビジネスアプリケーションの
使用状況 外部の
脅威インテリジェンスソース
セキュリティ分析の
地理的位置情報
アセットの
メタデータ IPコンテキスト
ユーザーの
行動
これらの
セキュリティ分析のメリット
セキュリティ侵害が

サイバー攻撃者の
こうした
侵害された
認証情報、 ラテラルムーブメント、 データの 持ち出しなど、 複雑な 攻撃手法を 可視化します。 ユーザーアカウントの
アクティビティや 行動を 分析し、内部脅威に よる 攻撃を 早期に 検知します。 既知の
不審な アクティビティに 関する インサイトを 提供する ことで、プロアクティブな セキュリティを 実現します。 組織は 脅威が 悪用される 前に 対策を 講じることができます。
セキュリティのためのデータ分析のメリット
セキュリティ分析には、
エンドポイントおよびユーザーの
行動データ ネットワークトラフィック
クラウドの
利用状況と トラフィック ビジネスアプリケーション
IT以外の
コンテキストデータ 外部の
脅威インテリジェンスソース アクセスおよびID管理データ
監査時の
コンプライアンス証明
こうした
プロアクティブな
規制コンプライアンスの
インシデントフォレンジックの
高度な
セキュリティ分析を取り巻く大きな変化
サイバー攻撃の
また、セキュリティデータの
AIを
セキュリティ分析に
AIを
ユーザーの
活動と ネットワークトラフィックの 両方に ついて、 通常の 活動の 基準を 確立し、 異常を モデル化する。 ウイルス対策ソフトに
よる 検知を すり抜けた マルウェアの 活動を 分析し、 脅威かどうかを 判定する。 侵入や
攻撃の 過去データを 関連付け、 パターンを 特定して 侵入を 検知する。
セキュリティ分析の活用例
前述の
ネットワークトラフィックの
監視と 分析 -ネットワークトラフィックの 監視データを 他の イベントパターンと 組み合わせる ことで、 異常や 攻撃の 可能性を すばやく 検知できます。 エンドポイントの
脅威検知 -ノートPC、 デスクトップ、 モバイルデバイスなどの エンドポイントは、 攻撃の 侵入口と なることが よく あります。 これらを 監視する ことで、 組織の エンドポイントを 標的と する 脅威を すばやく 検知できます。 内部脅威の
検知 -従業員や オンラインパートナーの 行動を 監視する ことで、 内部脅威を 効率よく 検知できます。 セキュリティ分析は、 機密性の 高い 領域に おける 不審な ユーザーアクションを 分析できます。 これには、 ユーザーレベルでの キーストロークや メタデータの アクティビティの 監視も 含まれます。 悪意の
ある ユーザーに よる 脅威の 検知 -ユーザーと エンティティの 行動分析 (UEBA)に よる 追跡で、 組織全体の 脅威を 検知できます。 これらの ツールは アルゴリズムと MLを 活用して 通常の 行動を 確立し、 悪意の ある アクティビティの 兆候を 示す 行動を プロファイリングします。 データの
エクスポートと 持ち出しの 監視 - 不正な 通信チャネルを ブロックし、 許可されていない サイトに 認証情報を 送信しようとする ユーザーの 操作を 阻止する ことで、 セキュリティ分析は データの 不正な コピーや ダウンロードを 防ぎます。 この プロセスは、 フィッシング攻撃を 阻止し、 認証情報の 窃取を 防止します。 規制コンプライアンスの
自動化 -データ収集を 記録し、 個人データの 流れを 管理して、 データの アクティビティを 監視する ことで、 セキュリティ分析は 多くの 規制への 準拠を 自動的に 維持します。 また、 分析ツールは、 コンプライアンス違反を チームに 通知し、 監査用の レポートを 作成できます。
AIを活用したセキュリティ分析でプロアクティブなセキュリティを実現
セキュリティ分析は、