Перейти к содержанию
AM_Bot

Обзор рынка систем поведенческого анализа — User and Entity Behavioral Analytics (UBA/UEBA)

Recommended Posts

AM_Bot
Обзор рынка систем поведенческого анализа — User and Entity Behavioral Analytics (UBA/UEBA)
В статье описываются системы поведенческого анализа пользователей и сущностей User and Entity Behavioral Analytics (UBA/UEBA), основные принципы их работы, сферы использования и тенденции развития рынка. UEBA — достаточно молодой класс систем, но представляющий большой практический интерес в связи с тем, что эти системы используют принципиально новый подход в борьбе с современными угрозами.   ВведениеПринцип работы UEBA-системКакие прикладные задачи решают системы поведенческого анализа?3.1. Определение скомпрометированных аккаунтов пользователей и конечных станций3.2. Определение и предотвращение инсайдерских угроз3.3. Мониторинг сотрудников и их прав доступаМировой рынок систем поведенческого анализаРоссийский рынок систем поведенческого анализаКраткий обзор продуктов, предназначенных для поведенческого анализа6.1. Определение скомпрометированных аккаунтов пользователей и конечных станций6.2. Exabeam Advanced Analytics (Exabeam)6.3. Splunk UBA (Splunk)6.4. Определение и предотвращение инсайдерских угроз6.5. Microsoft Advanced Threat Analytics (ATA) (Microsoft)6.6. ObserveIT (ObserveIT)6.7. Мониторинг сотрудников и их прав доступа6.8. HPE ArcSight UBA (HPE/MicroFocus)6.9. IBM QRadar UBA (IBM)6.10. Другие игрокиВыводы ВведениеЦелевых атак стало больше, они стали более изощрёнными и продуманными, злонамеренные пользователи стали умнее, а корпоративные информационные системы показывают лавинообразный вертикальный и горизонтальный рост. В таком мире контролировать и реагировать на инциденты информационной безопасности становится все сложнее и дороже. Поэтому перед индустрией ИБ стоит множество задач по автоматизации процессов определения и реагирования на инциденты и угрозы. Одну из таких задач решают системы класса User [and Entity] Behavioral Analytics (UEBA/UBA).User [and Entity] Behavioral Analytics (UEBA/UBA) — класс систем, позволяющих на основе массивов данных о пользователях и ИТ-сущностях (конечных станциях, серверах, коммутаторах и т. д.) с помощью алгоритмов машинного обучения и статистического анализа строить модели поведения пользователей и определять отклонения от этих моделей, как в режиме реального времени, так и ретроспективно. В качестве источников данных для UEBA-систем могут выступать файлы журналов серверных и сетевых компонентов, журналы систем безопасности, локальные журналы с конечных станций, данные из систем аутентификации и даже содержание переписки в социальных сетях, мессенджерах и почтовых сообщениях.Формально UEBA и UBA относятся к одному классу систем, но при этом имеют одно фундаментальное отличие. UBA-системы берут за основу информацию, связанную только с пользовательской активностью и, соответственно, фокусируются на пользователях и их ролях. UEBA-системы информацию о пользователях и ролях обогащают информацией о системном окружении — хостах, приложениях, сетевом трафике и системах хранения данных. Это позволяет UEBA-системам строить профили не только пользователей, но и всего ИТ-окружения. Благодаря этому UEBA-системы, в отличие от UBA, способны идентифицировать более широкий класс угроз, связанных не только с пользователями, но и с объектами ИТ-инфраструктуры.Системы UEBA представлены как в виде отдельных программных решений, так и в виде расширений для уже существующих систем: SIEM (Security Information and Event Management), DLP (Data Loss Prevention), EDR (Endpoint Detection and Response) и пр. Принцип работы UEBA-системСистемы UEBA, архитектурно, решают 4 основные задачи:Прикладная аналитика данных из различных источников, как простая статистическая, так и расширенная, с использованием методов машинного обучения, в режиме реального времени и/или с определенной периодичностью.Быстрая идентификация атак и других нарушений, большинство из которых не определяются классическими средствами ИБ.Приоритизация событий, консолидированных из разных источников (SIEM, DLP, AD и т. д.), для более оперативного реагирования со стороны администраторов ИБ.Более эффективная реакция на события за счет предоставления администраторам ИБ расширенной информации об инциденте, включающей все объекты, которые были вовлечены в аномальную активность.Исходя из вышесказанного, в ядро любой UEBA-системы включаются технологии по работе с большими массивами данных. И если в случае с расширениями к известным SIEM-системам (IBM QRadar UBA, HPE ArcSight UBA, LogRhythm AI Engine) такие технологии доступны из коробки, то самостоятельные решения должны либо использовать сторонние разработки (например, Exabeam использует Elastic Stack), либо свои собственные (Splunk UBA, Microsoft ATA).Опираясь на массив собранных данных, UEBA-система строит модель нормального поведения пользователя и его взаимодействия с корпоративными системами. Построение модели происходит как с помощью простых статистических алгоритмов, так и с помощью алгоритмов машинного обучения. Помимо этого, UEBA-системы могут строить модели поведения целых групп пользователей и определять отклонения каждого из них от общей модели.Если какие-то действия пользователя выбиваются из построенной модели, UEBA-система определяет это как аномальную активность и создает соответствующее предупреждение администратору безопасности. Обычно это происходит в режиме реального времени или близком к нему.В дополнение к этому, системы UEBA ведут ретроспективную статистику по каждому пользователю и на основе собранных данных по его аномальной активности способны выставлять своеобразные оценки риска каждому из них. В дальнейшем эти оценки используются в ранжировании событий, облегчая работу администратора безопасности.Наконец, UEBA-системы предоставляют развернутую информацию по инцидентам, включая информацию обо всех задействованных пользователях и системах, с анализом определенных аномалий в их поведении, что значительно упрощает дальнейшее расследование. Какие прикладные задачи решают системы поведенческого анализа?Благодаря общему подходу ко всем сетевым сущностям (не только к пользователям, но и к элементам ИТ-инфраструктуры) UEBA способны дополнять широкий класс ИБ-систем и решать задачи, которые эти системы не могут решить в принципе.Определение скомпрометированных аккаунтов пользователей и конечных станцийБольшинство организаций обычно фокусируются на защите периметра и конечных станций. При этом злоумышленники зачастую могут обойти такую защиту, не обнаруживая себя. Решения класса UEBA в состоянии отследить такую активность, начиная с самой ранней стадии заражения и заканчивая конечными станциями и узлам ИТ-инфраструктуры, которые были поражены вследствие горизонтального распространения угрозы.В этом случае UEBA системе не принципиально, вовлечен ли в зловредную активность только пользовательский аккаунт или же под ударом оказались конечные станции и сервера — аномальная активность будет определяться на всех уровнях.Задача определения горизонтального распространения угрозы и последующего расследования инцидента практически недоступна для решения классическими ИБ-системами, ориентированными на защиту периметра и конечных станций.В этом случае UEBA системы могут быть использованы, как вспомогательные к системам классов SIEM, IPS и EDR.Определение и предотвращение инсайдерских угрозПомимо внешних атак на инфраструктуру, есть большой класс угроз, исходящих от доверенных источников — сотрудников организации. Сюда можно отнести утечки данных, внутренний фрод и эксплуатацию уязвимостей в корпоративных системах для повышения привилегий или вывода систем из строя. UEBA-системы в этом случае могут определить аномальную активность в поведении пользователей в их взаимодействии с корпоративными системами и предоставить исчерпывающую информацию администраторам безопасности.Производители UEBA-систем, фокусирующихся на внутренних угрозах, в качестве источников информации часто используют не только системные журналы, но и содержание переписок из корпоративной почты и мессенджеров, что позволяет строить более детальные и персонифицированные модели поведения пользователей.В этом случае UEBA-системы выступают вспомогательными к основным EDR-, SIEM-, DLP- и IPS-системам.Мониторинг сотрудников и их прав доступаНе всегда необходимость профилирования пользователей напрямую связана с предотвращением каких-либо угроз. Подчас, особенно в больших и сложных корпоративных структурах, возникает необходимость в более гранулированном подходе к пользовательским правам, как по их уровню доступа, так и по целевым системам, к которым предоставляется доступ.В этом случае UEBA-система, собирая информацию о пользователях и их привилегиях, дает очень ценную информацию о том, к каким корпоративным системам и с какими привилегиями эти пользователи осуществляют доступ. В результате анализа может выясниться, что не все привилегии и целевые системы, доступ к которым разрешен пользователю, ему реально необходимы. Это помогает понижать привилегии и сокращать число доступных целевых систем для единичных пользователей и групп, что в свою очередь снижает риски внутренних угроз.В этом случае UEBA-системы направлены на помощь ИТ- и ИБ-администраторам и могут использоваться в качестве дополнения к системам классов IAM/IDM, PAM/PUM и DAG. Мировой рынок систем поведенческого анализа«К 2022 году рынок UEBA-систем перестанет существовать», — вот так безрадостно, на первый взгляд, оценивает этот рынок вице-президент Gartner Авива Литан. И для этого есть основания.Мировой рынок UEBA-систем показывает стремительный рост — так со своего появления в 2014 году он растет на 100% от года к году - $50 млн в 2015 году, $100 млн в 2016 году, $200 млн в 2017 году (прогноз). При этом, как самостоятельный продукт UEBA-системы скорее всего в ближайшей перспективе перестанут существовать. И дело здесь в самой технологии.Действительно, UEBA-системы — это мощный аналитический инструмент. При этом для эффективного анализа эти системы требуют большого количества данных, собранных из разных источников. Задачи сбора и систематизации таких данных решают SIEM-системы, предоставляющие доступный из коробки инструментарий по сбору и базовому анализу больших данных. Поэтому наиболее эффективным механизмом внедрения UEBA является их тесная интеграция с уже существующими SIEM-системами.Этот тренд подтверждается слияниями и поглощениями на рынке SIEM/UEBA-систем. Так, в 2015 году Splunk (платформа для работы с большими массивами данных) приобрела поставщика UEBA Caspida и тесно интегрировала их не только со своим ядром (Splunk UBA), но и с собственным SIEM-решением Enterprise Security. HPE выпустил свое решение ArcSight UBA, включившее в себя разработки Securonix. Решение Microsoft Advanced Threat Analytics (ATA) включает в себя разработки купленной в 2014 году израильской компании Aorata, которая, в том числе, разрабатывала средства поведенческого анализа для учетных записей AD. 2017 год также был насыщенным на громкие поглощения: в январе HPE Aruba приобрела Niara, а уже в августе Forcepoint поглотил RedOwl. Нужно ли говорить, что обе компании — лидеры сегмента UEBA.Также некоторые производители SIEM-систем развивают собственные дополнения, отвечающие за поведенческий анализ. Так, IBM выпустил бесплатное расширение UBA для своей SIEM-системы QRadar — IBM QRadar UBA, а LogRhythm выпустил AI Engine — движок для определения аномалий в собираемых данных.При этом классические UEBA-производители, напротив, расширяют функциональность своих продуктов. Так, например, Exabeam, один из пионеров UEBA-рынка, теперь позиционирует свой продукт именно как SIEM & UBA. Balabit уже позиционируется как PUM-вендор и классическую UBA-функциональность использует в рамках своего продукта Blindspotter, отвечающего за расширенный анализ поведения привилегированных пользователей. ObserveIT — полноценный продукт для борьбы с инсайдерскими угрозами (Insider Threat Management), основанный на собственных разработках в области поведенческой аналитики.Gartner прогнозирует, что к 2018 году как минимум четыре компании в сфере UEBA будут поглощены производителями SIEM, DLP и других систем, ориентированных на задачи информационной безопасности. А к 2020 году на рынке останется менее пяти производителей, сфокусированных исключительно на поведенческом анализе. Российский рынок систем поведенческого анализаНа сегодняшний день на российском рынке UEBA-систем широко представлены иностранные продукты, которые поставляются в основном в рамках классических продуктовых каналов производителей ИТ- и ИБ- систем, уже зарекомендовавших себя на российском рынке: IBM, HPE, Splunk, Microsoft и т. д.Российские производители делают первые шаги в сторону поведенческой аналитики, и подобная функциональность уже внедряется в некоторые отечественные продукты:Определение скомпрометированных аккаунтов пользователей и конечных станций:Secure Portal от Group IBKaspersky Fraud Prevention от «Лаборатории Касперского»Определение и предотвращение инсайдерских угроз:Solar Dozor от Solar SecurityКонтур информационной безопасности (КИБ) от SearchInformМониторинг сотрудников и их прав доступа:StaffCop Enterprise от «Атом Безопасность»Но говорить о полноценной автоматической поведенческой аналитике в российских продуктах еще рано. Краткий обзор продуктов, предназначенных для поведенческого анализаКлассификация решений в обзоре весьма условна и базируется на сильных сторонах продукта, а не на исчерпывающем наборе функций.  Большинство решений класса UEBA/UBA в том или ином виде решают практически все перечисленные задачи.Определение скомпрометированных аккаунтов пользователей и конечных станций  Exabeam Advanced Analytics (Exabeam)Exabeam по праву можно считать пионером UEBA-рынка. По заявлениям самой компании, Exabeam имеет самую большую инсталляционную базу UEBA-систем в мире. На сегодняшний день компания позиционирует себя как комплексная платформа для SIEM с расширенной аналитической функциональностью. Классическое UEBA-решение компании стало частью этой экосистемы и получило название Exabeam Advanced Analytics.В основе Exabeam Advanced Analytics лежит собственная технология, названная Statefull User Tracking, которая в полностью автоматическом режиме строит нормальный профиль пользователей, опираясь на информацию о сессиях, устройствах, IP-адресах и учетных записях пользователей. Exabeam Advanced Analytics может разворачиваться как в качестве отдельного решения, так и как часть Exabeam Security Intelligence Platform. Рисунок 1. Интерфейс UEBA-модуля Exabeam Advanced Analytics  К дополнительным задачам, решаемым с помощью платформы Exabeam, можно отнести:Инсайдерские угрозы и утечка данных.Обнаружение вредоносных программ и их горизонтального распространения.Проведение аудита системы на соответствие требованием регуляторов.Платформа Exabeam лицензируется по числу пользователей и не привязывается к объему обрабатываемых данных, как классические SIEM-системы.Подробнее с платформой Exabeam Advanced Analytics можно ознакомиться здесь.  Splunk UBA (Splunk)Компания Splunk была основана в 2003 году и фокусировалась на обработке и быстрой аналитике больших массивов текстовых данных. Логичным продолжением развития платформы стала интеграция алгоритмов машинного обучения и расширений для работы с различными типами данных. Одним таких из решений стал продукт Splunk UBA, который выпускается как отдельное приложение, построенное на продуктах Big Data Foundation (Hadoop, Spark и GraphDB). Несмотря на это, Splunk UBA имеет прозрачную интеграцию с основным продуктами Splunk Enterprise и Splunk Enterprise Security (SIEM-расширение для платформы Splunk).Splunk UBA создает поведенческие модели пользователей, одноранговых групп, конечных станций, сетевых объектов, источников данных и др. Рисунок 2. Основное окно интерфейса Splunk UBA  К дополнительным задачам, решаемым с помощью Splunk UBA, можно отнести:Кража интеллектуальной собственности и «эксфильтрация» данных.Подозрительное поведение в связке пользователей, устройств и приложений.Обнаружение вредоносных программ и их горизонтального распространения.Splunk UBA лицензируется по числу анализируемых пользователей, полученных из Microsoft AD, LDAP или любой аналогичной системы аутентификации пользователей в сети.Подробнее с продуктом Splunk UBA можно ознакомиться здесь.Определение и предотвращение инсайдерских угроз  Microsoft Advanced Threat Analytics (ATA) (Microsoft)В ноябре 2014 года Microsoft купила израильскую компанию Aorato, а уже в мае 2015 года на своей конференции Microsoft Ignite представила решение Advanced Threat Analytics. Microsoft ATA может забирать данные как классическими средствами Microsoft (пересылка событий WEF или непосредственно из сборщика событий Windows), так и из сторонних SIEM-систем.Microsoft ATA выявляет три типа угроз: атака злоумышленников, аномальное поведение и проблемы/риски безопасности. Атаки злоумышленников определяются детерминировано по списку известных атак на инфраструктуру Microsoft (Pass-the-Hash, Golden Ticket, вредоносные запросы на репликацию и т. д.). Аномальное поведение, как и в других UBA-системах, определяется с помощью механизмов машинного обучения. Проблемы/риски безопасности включают в себя определение известных уязвимостей в протоколах или использование их старых неподдерживаемых версий. Рисунок 3. Пример поведенческого отчета в Microsoft ATA  Можно выделить несколько дополнительных сфер применения для Microsoft ATA с точки зрения поведенческой аналитики:Кража учетных записей и злоупотребление привилегированными учетными записями.Обнаружение неизвестных угроз и их горизонтального распространения.Microsoft ATA лицензируется либо по числу устройств, либо по числу пользователей. Помимо отдельно приобретаемой лицензии, Microsoft ATA входит в комплекты лицензий и подписок: Enterprise Client Access License Suite (и по пользователям, и по устройствам), Enterprise Mobility Suite + Security (только по пользователям) и Enterprise Cloud Suite (только по пользователям).Подробнее с решением Microsoft Advanced Threat Analytics можно ознакомиться здесь.  ObserveIT (ObserveIT)Компания ObserveIT была основана в 2006 году в Израиле. Изначально компания фокусировалась на мониторинге внешних поставщиков. С развитием собственной платформы поведенческого анализа компания стала расширять сферы применения своего продукта на мониторинг внутренних сотрудников, привилегированных пользователей и внешних поставщиков. С этого момента ObserveIT сосредоточилась на разработке полноценного ITM (Insider Threat Management) решения. В феврале 2016 года компания представила первое комплексное решение для предотвращения (а не только определения) внутренних угроз.Отличительной чертой архитектуры решения ObserveIT является наличие легковесных клиентских агентов. Эти агенты, помимо сбора данных, позволяют осуществлять проактивную блокировку определенных действий пользователя, в том числе при определении поведенческих аномалий в них. Рисунок 4. Окно интерфейса ObserveIT Insider Threat Intelligence  К дополнительным задачам, решаемым с помощью ObserveIT, можно отнести:Определение скомпрометированных учетных записей.Проведение аудита системы на соответствие требованием регуляторов.ObserveIT, в отличие от классических UEBA-решений, лицензируется по числу конечных станций, находящихся под управлением системы.Подробнее с ObserveIT можно ознакомиться здесь.Мониторинг сотрудников и их прав доступа  HPE ArcSight UBA (HPE/MicroFocus)HPE ArcSight UBA является расширением для одной из самых известных и распространенных SIEM-систем HPE ArcSight. ArcSight UBA построен на базе одного из лидеров UEBA-рынка — компании Securonix. Компания Securonix классически фокусируется на широком классе угроз: начиная с внутренних угроз и утечек данных, заканчивая безопасностью облачных сред и контролем учетных записей пользователей.HPE ArcSight UBA на основе готовых математических моделей для профилирования активности на основе полученных событий позволяет производить группировку однотипных событий (peer group analysis), выявлять аномалии (anomaly detection), определять штатные профили работы пользователей (baseline profiling), определять частоту возникновения событий (event rarity). Рисунок 5. Интерфейс HPE ArcSight UBA с поведенческой аналитикой пользователей  К дополнительным задачам, которые решает HPE ArcSight UBA, можно отнести:Определение инсайдерской активности.Обнаружение неизвестных угроз и их горизонтального распространения.В сентябре 2017 года завершилось слияние Software подразделения HPE и компании MicroFocus, из магазина которой теперь доступно расширение UBA. HPE ArcSight UBA лицензируется по количеству пользователей, для которых производится поиск поведенческих аномалий.Подробнее с расширение HPE ArcSight UBA можно ознакомиться здесь.  IBM QRadar UBA (IBM)IBM Security QRadar User Behavior Analytics (UBA) представляет собой расширение для SIEM-системы IBM QRadar, доступное из IBM X-Force App Exchange. На сегодняшний день UBA-расширение для IBM QRadar фокусируется исключительно на поведенческом анализе пользователей. Выставление оценок риска каждому пользователю производится, как на основе простых статистических правил, так и с помощью методов машинного обучения.Необходимо отметить, что IBM QRadar UBA является собственной разработкой IBM Security и в планах компании обеспечить непрерывное развитие приложения и расширение сфер его применения. Рисунок 6. Основное окно приложения IBM Security QRadar UBA  На сегодняшний день можно выделить несколько дополнительных сфер применения IBM QRadar UBA:Определение инсайдерской активности и утечек данных (инициированных пользователями)Обнаружение неизвестных угроз и их горизонтального распространения (если такая активность затрагивает конечных пользователей)Приложение IBM Security QRadar UBA доступно из IBM X-Force App Exchange и распространяется бесплатно.Подробнее с расширение IBM Qradar UBA можно ознакомиться здесь.Другие игрокиВ подробный отчет не включены производители, чьи решения не представлены на российском рынке, хотя они и имеют сильные позиции в сегменте UEBA/UBA:LogRhythm (и его AI Engine)Gurucul Risk Analytics (GRA)Balabit BlindspotterТакже в отчет не вошли компании, поглощенные относительно недавно более крупными игроками, которые представлены на российском рынке:Niara (поглощена HPE Aruba в феврале 2017 года)RedOwl (поглощена Forcepoint в августе 2017 года)Пока мало информации о конкретных сферах применения этих UEBA-систем в составе продуктов материнских компаний.Помимо этого, в отчет не вошли системы, представленные на российском рынке:McAfee UBA Content Pack — пока поддерживает базовые правила корреляции и ограниченное число сфер применения.RSA NetWitness Suite, в который глубоко интегрированы UBA-возможности, наравне с остальными решениями Advanced Threat Detection & Cyber Incident Response.Нужно заметить, что оба производителя являются безусловными лидерами многих сегментов ИБ-рынка, но выделить в их продуктах UEBA/UBA-функциональность, доступную для отдельного анализа, сложно. ВыводыUEBA/UBA-системы — это следующий шаг в определении неизвестных типов угроз, целенаправленных атак и внутренних нарушителей. Основываясь исключительно на поведенческом анализе, эти системы способны выявлять аномалии и неочевидные взаимодействия пользователей с корпоративными системами, что в конечном итоге позволяет администраторам безопасности видеть расширенную картину безопасности предприятия и оперативно реагировать на инциденты ИБ.При этом даже сейчас становится очевидным, что UEBA выступают отличным дополнением к аналитическим функциям SIEM-систем, но как отдельный продукт со своим рынком скорее всего перестанут существовать. В свою очередь, UBA-системы гармонично встраиваются в архитектуру ИБ-систем, сфокусированных исключительно на пользователях, таких как DLP и PUM.  Несмотря на технологически иной (и местами на порядок более качественный) подход к определению угроз, отдельные UEBA/UBA-системы будут восприниматься очередным нагромождением в ИБ-ландшафте предприятия, наравне с уже существующими SIEM, DLP, EDR, IAM и прочими системами. В будущем это станет ключевым фактором при выборе или отказе от внедрения отдельной UEBA/UBA-системы. Уже сегодня лидирующие UEBA/UBA-системы имеют механизмы тесной интеграции с существующими SIEM-системами, что открывает перед ними куда более широкий рынок, но уже как для OEM-поставщиков.На российском рынке уже есть интерес к подобному классу систем, но пока это носит точечный бессистемный характер. Мировой рынок UEBA/UBA-систем весьма молодой и перспективный, поэтому есть надежда, что российские производители SIEM, EDR и DLP будут расширять аналитические способности своих систем, в том числе с внедрением методов поведенческой аналитики или соответствующих продуктов сторонних производителей. 

Читать далее

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты

  • Сообщения

    • demkd
      значит добавлю это дело в uVS, иногда будет полезно распутывать цепочки запуска
    • santy
      Привет. предложенный метод сработал.     но здесь он и в задачи попал, возможно не успел все зачистить    
    • AM_Bot
      Платформа «Антифишинг» позволяет проводить высокоэффективное обучение сотрудников и выработку у них навыков безопасного поведения при работе за компьютером, в интернете и с электронной почтой. В результате значительно снижается риск успешных кибератак, большая часть которых начинается с рассылки вредоносных писем. Новая версия платформы получила ряд уникальных функций, среди которых — отслеживание ключевых показателей в режиме реального времени, прямое взаимодействие с SOC и пользовательский поток данных Threat Intelligence, а также максимально реалистичные полноэкранные атаки.    ВведениеНовая система визуализации2.1. Показатели охвата по ключевым процессам2.2. Показатели эффективности процессов и детализация показателей охвата2.2.1. Эффективность работы с сотрудниками2.2.2. Эффективность процессов обучения2.2.3. Эффективность процессов тренировки навыковПлагин «Антифишинга»: сотрудники сообщают об атаках и помогают защитить организациюГруппировка сотрудников по приоритетам и уровню рискаИмитированные атаки5.1. Реалистичные полноэкранные атаки5.2. Шаблоны атак из электронной почтыАвтоматизация через API «Антифишинга»: параметр externalKeyАвторизация администраторов через LDAPАнонимизация данныхВыводыВведениеФишинг и другие цифровые атаки на сотрудников продолжают оставаться основным способом проникновения в корпоративные сети, а также самым эффективным средством доставки вредоносных программ и получения учётных данных пользователей. В основе этих атак лежат не эксплойты и другие технические средства, а социальная инженерия. Воздействуя на слабые места людей с помощью выверенных психологических приёмов, преступники убеждают сотрудников компаний выполнить нужные им действия.По данным исследований «Антифишинга», собранных в отчёте о защищённости сотрудников в 2020 году, в среднем 37 % людей открывают письма мошенников, а 79 % из них совершают затем опасные для компании действия: вводят свои логины и пароли на сторонних сайтах, открывают потенциально опасные вложения или даже скачивают и устанавливают вредоносные программы, замаскированные под обновления системы.Проблему с небезопасным поведением людей обычно пытаются решить техническими блокировками и через обучение (повышение осведомлённости). Однако, по данным исследования, после года обучения лишь 9 % сотрудников меняют своё поведение на безопасное.Намного более выраженный эффект даёт проведение тренировок навыков безопасного поведения сотрудников с помощью имитированных атак, максимально похожих на реальные атаки преступников.Платформа «Антифишинг» позволяет проводить обучение сотрудников с помощью курсов в привычном SCORM-формате и тренировать навыки безопасного поведения с помощью имитированных атак.В новой версии 2.4.3 была значительно расширена функциональность системы, добавлена удобная визуализация процессов обучения и тренировки навыков, а также внедрена возможность ещё сильнее вовлекать сотрудников в защиту компании.Рассмотрим эти возможности более подробно.Новая система визуализацииЧтобы качественно и эффективно управлять любыми процессами безопасности, в частности — обучением и тренировками навыков сотрудников, объективно оценивать результаты и вовремя вносить изменения, важно видеть наглядную картину по всем ключевым показателям в режиме реального времени.Новые визуальные представления «Антифишинга» позволяют наглядно увидеть главные показатели охвата сотрудников процессами обучения и тренировки навыков, а также оценить ключевые показатели эффективности этих процессов.Показатели охвата по ключевым процессам Рисунок 1. Визуализация показателей по ключевым процессам Первая группа показателей, которые мы рекомендуем контролировать, — показатели охвата процессов обучения (повышения осведомлённости) и тренировки навыков сотрудников по информационной безопасности: по людям, по обучению, по тренировкам и по мотивации.Каждый такой показатель позволяет оценить, сколько людей в компании в принципе добавлены в систему и участвуют в процессах (были назначены на обучение, проходили тренировки навыков), а также отображает очень важный индикатор, о котором обычно забывают: склонность сотрудников к соблюдению правил безопасности.Показатели эффективности процессов и детализация показателей охватаВторая группа показателей — данные по эффективности процессов, которые раскрываются при выборе соответствующего показателя охвата.Эффективность работы с сотрудникамиЭтот график показывает, как изменялось число сотрудников, которые были добавлены в систему или разрешены в лицензии, а также общее число сотрудников в организации.График помогает увидеть детальное и историческое изменение данных, которые определяют показатель охвата по людям: ось абсцисс — время, ось ординат — число сотрудников в указанной категории. Рисунок 2. Динамика изменения охвата по людям Эффективность процессов обученияЭтот график показывает, какая доля общего числа сотрудников прошла или не прошла обучение в назначенный срок, либо находится на обучении, либо ни разу не была назначена на обучение. Рисунок 3. Динамика показателей эффективности обучения по времени Так же как и в предыдущем случае, на оси абсцисс — время, а на оси ординат — число сотрудников в указанной категории.Эффективность процессов тренировки навыковЗдесь показано, какая доля общего числа сотрудников не тренировалась, выдержала атаку либо выполнила то или иное небезопасное действие. Рисунок 4. График изменения показателей эффективности процессов Ось абсцисс — по-прежнему время, а ось ординат — вновь число сотрудников в указанной категории.Плагин «Антифишинга»: сотрудники сообщают об атаках и помогают защитить организациюПомимо проверки и тренировки навыков «несовершения» опасных действий, очень важно формировать у сотрудников привычки безопасного, правильного поведения.Важно, чтобы люди не только могли заметить какую-то цифровую атаку и не стать её жертвой, но и сообщили о ней в службу безопасности, таким образом активно помогая защите своей организации.Чтобы формировать у сотрудников нужные навыки, мы добавили плагин «Антифишинга», который позволяет сообщать об атаках по электронной почте непосредственно из почтового клиента Microsoft Outlook. Рисунок 5. Плагин «Антифишинга», интегрированный в окно сообщения Microsoft Outlook Теперь сотруднику не нужно помнить адрес и номер телефона службы безопасности — в его рабочем пространстве всегда есть возможность «Сообщить об атаке».Плагин интегрируется с инфраструктурой Microsoft Exchange и Office 365, что позволяет службам безопасности сразу получить все исходные сообщения от сотрудников, провести детальный анализ этих сообщений и применить соответствующие технические меры защиты.После корректной установки сотрудники видят у себя в почтовом клиенте Microsoft Outlook новый плагин (рис. 6). Рисунок 6. Кнопка плагина в панели инструментов Outlook После нажатия на плагин сотрудник видит окно обратной связи.Если атака была имитированной, то окно выглядит так, как показано на рисунке 7. Рисунок 7. Окно плагина после сообщения об атаке Плагин попросит сотрудника разметить эту атаку по психологическим векторам и по атрибуции. Они описаны в классификации «Антифишинга», об этих же векторах рассказывается в обучающих курсах, которые проходит сотрудник. Дополнительное внимание сотрудника к эмоциям, которые вызвала атака, помогает сформировать важный навык психологического торможения и более осознанное отношение к возможным цифровым атакам в будущем.После сообщения об атаке через плагин письмо с имитированной атакой удаляется из почтового ящика пользователя, атака отображается в поле «Сообщил об атаке», к текущему статусу сотрудника в системе добавляется цветной ободок, а к рейтингу — 1 балл. Рисунок 8. Всплывающие подсказки информируют о действиях сотрудника Плагин умеет различать имитированные атаки из «Антифишинга» и не пересылает их на анализ в службу безопасности.Если же сотрудник выявит реальную атаку, то окно обратной связи будет выглядеть так, как на рисунке 9. Рисунок 9. Интерфейс плагина после детектирования реальной атаки В этом случае сотрудник также может разметить атаку по психологическим векторам и атрибуции.Копия письма со всеми заголовками и содержимым пересылается на адрес службы безопасности и переносится в папку нежелательной почты в почтовом ящике сотрудника.Фактически, благодаря плагину «Антифишинга» сами сотрудники могут генерировать внутренний социоинженерный поток данных (фид) Threat Intelligence, который службы безопасности могут использовать, чтобы быстро и вовремя останавливать активные цифровые атаки. Теперь служба безопасности сможет выявлять и анализировать возможные инциденты, а также реагировать на них ещё быстрее.Вот как это работает (см. рис. 10). Рисунок 10. Формирование социоинженерного фида Threat Intelligence благодаря коммуникации пользователей и экспертов SOC Внимательные и лояльные сотрудники выявили цифровую атаку.Статистика об этих безопасных и корректных действиях сохранилась в «Антифишинге».Исходные данные ушли на анализ в адрес корпоративного центра мониторинга и реагирования на инциденты (Security Operations Center, SOC).Аналитики смогли провести расследование и извлечь собственные индикаторы компрометации (IoC).SOC блокирует атаки по выявленным IoC на технических средствах защиты ещё до того, как информация об этих IoC станет доступна во внешних фидах.Группировка сотрудников по приоритетам и уровню рискаРазные категории сотрудников имеют различные приоритеты с точки зрения рисков и процессов безопасности. Не всегда эти приоритеты отражаются организационной структурой — часто сотрудники из разных подразделений и отделов должны быть сведены в единую параллельную структуру, которая имеет свой приоритет и позволяет вести процессы особенным способом.Для решения этой задачи и визуального представления разных категорий сотрудников в «Антифишинге» появилась возможность группировать сотрудников — объединять их без привязки к организационной структуре. Рисунок 11. Наглядное представление с цветовыми кодами групп по числу людей в группах Изначально все сотрудники помещаются в категорию «Сотрудники без группы».Администратор может самостоятельно создавать и настраивать новые группы (рис. 12). Рисунок 12. Создание новой группы риска Сотрудников, которые создают наибольший риск с точки зрения процессов безопасности, рекомендуется помещать в группу наиболее высокого приоритета.Группировка и последующие действия с сотрудниками разных групп могут быть автоматизированы встроенными средствами платформы, а также через API «Антифишинга».Имитированные атакиРеалистичные полноэкранные атакиНовый тип атак выглядит для сотрудника как реалистичная фишинговая страница, на которой даже знающие все правила безопасности люди всё равно могут ввести свой пароль. Рисунок 13. Адрес страницы и домен, значок https и все другие элементы выглядят для пользователя легитимно Механизм создания подобных атак на базе «Антифишинга» задействует Fullscreen API и работает во всех современных браузерах.Атаки создаются с учётом реального окружения пользователя у каждого заказчика — браузеры, операционная система и темы оформления подбираются на этапе согласования шаблона атаки.Шаблоны атак из электронной почтыДля тренировки сотрудников очень важно использовать максимально реалистичные имитированные атаки.Если в организации есть адрес электронной почты, на который уже поступают примеры атак от пользователей, можно подключить этот адрес к «Антифишингу» и загрузить письмо как шаблон имитированной атаки напрямую из электронной почты.Автоматизация через API «Антифишинга»: параметр externalKeyИдентификация сотрудников в «Антифишинге» всегда происходила по адресу электронной почты. В версии 2.4.3 был добавлен новый атрибут, который не видно из интерфейса, но можно использовать при работе с «Антифишингом» через API, как дополнительный параметр в связке с электронной почтой.Схема работы1. При создании и редактировании сотрудника можно будет задать externalKey — внешний (по отношению к «Антифишингу») ключ сотрудника.Запрос будет выглядеть так:curl --location --request POST 'https://antiphish/v2/targets' \--header 'Authorization: Bearer TOKEN' \--header 'Content-Type: application/json' \--data-raw '{   "fullName": "тtbdБВ&sЪs:m;0Х ьДRМPк#aЙuвЧЗIZ ?бДa^шрюu2ЖZMЮэ",   "position": "Менеджер ФhWбш8+рVВ+чёъЕ",   "email": "[email protected]",   "department": {       "id": 80,       "name": "Отдел К^К7~_RLЙЬЩBjhЦ"   },   "marks": [       "яМк",       "-гЛоx5SФB",       "жMишО",       "q"   ],   "externalKey": "006f1f83-b419-4252-8dba-6e7883035301"}'2. Используя externalKey, можно будет найти сотрудника в «Антифишинге» через запрос:/v2/targets/external/externalKeyили/v2/targets/external/?key=externalKey3. Получив объект сотрудника, можно уже оперировать с ним в соответствии с описанными сценариями, в том числе редактировать, удалять, менять адрес электронной почты.Авторизация администраторов через LDAPТеперь пароли для входа и парольная политика администраторов не только определяются локальными настройками «Антифишинга», но и управляются через единый корпоративный каталог LDAP.Для администраторов это упрощает вход в систему. Больше не нужно хранить и запоминать пароли от нескольких систем, можно всегда использовать корпоративную учётную запись. Данные для входа берутся из LDAP, поэтому парольные политики «Антифишинга» по умолчанию соответствуют всем корпоративным требованиям по безопасности.Если учётная запись пользователя в Active Directory, которая подключена к учётной записи администратора в «Антифишинге» с типом авторизации «LDAP», удаляется или блокируется в AD, то администратор больше не сможет заходить в систему.Анонимизация данныхЧтобы избежать ситуаций, когда администратор дискриминирует сотрудников по их показателям в системе, мы добавили в «Антифишинг» возможность анонимизации данных. Это — новый режим работы системы, в котором нельзя сопоставить персональные данные сотрудников с их рейтингом и статистикой по обучению.Анонимный режим позволяет выполнить ряд требований в соответствии с общим регламентом защиты персональных данных — GDPR, что особенно актуально при работе с сотрудниками — гражданами ЕС.ВыводыНовый выпуск платформы «Антифишинг» получил функциональность, которая значительно облегчает работу сотрудников подразделений ИБ и HR:позволяет в режиме реального времени отслеживать состояние защищённости организации от цифровых атак на сотрудников;интегрирует процессы обучения и тренировки сотрудников с процессами мониторинга и реагирования на инциденты, которые уже ведутся в организации с помощью IRP / SOC;выводит коммуникации ИБ-подразделения с остальными сотрудниками на новый уровень. Читать далее
    • Invillagola
      общежитие раменское
      Tegs: общежитие ржавки https://www.hotelhot.ru/

      хостелы в москве без посредников недорого срочно
      хостелы на невском проспекте
      хостелы санкт-петербург забронировать
    • sellAbery
×