Обзор платформы кибербезопасности Varonis - Выбор корпоративных средств защиты - Форумы Anti-Malware.ru Перейти к содержанию
AM_Bot

Обзор платформы кибербезопасности Varonis

Recommended Posts

AM_Bot
Обзор платформы кибербезопасности Varonis
Платформа кибербезопасности Varonis — мощное средство борьбы с внутренними и внешними угрозами, основанное на классификации, мониторинге и защите конфиденциальных данных в сочетании с анализом поведения пользователей. Платформа даёт понимание того, где хранятся и как используются конфиденциальные данные; гарантирует, что доступ к данным имеют только те сотрудники, которым он действительно нужен; выявляет и предотвращает внутренние угрозы и продвинутые кибератаки; автоматизирует процессы управления информационной безопасностью без необходимости «ручного» вмешательства. Введение. Подход Varonis к кибербезопасностиСостав платформы кибербезопасности VaronisКак работает платформа кибербезопасности Varonis3.1. Категоризация и классификация конфиденциальных данных, составление картины их использования3.2. Выявление нарушений доступа к данным и аномалий в поведении пользователей3.3. Устранение нарушений правил доступа к данным3.4. Постоянный мониторинг и поддержание порядка в автоматизированном режимеТехнические условия работыВыводы Введение. Подход Varonis к кибербезопасностиРост количества утечек информации в 2019 году показал, что риск злоупотребления правами доступа остаётся актуальной проблемой, в том числе — для корпораций с высокотехнологичной защитой периметра. Даже при строгом регулировании политик и правил любая крупная организация рано или поздно сталкивается с ростом числа уязвимостей, связанных с постоянным увеличением объёмов неструктурированных данных (т.е. таких, по отношению к которым непонятно, какую именно информацию они содержат) на файловых серверах и в других хранилищах.По мнению аналитиков Gartner, доля неструктурированных и полуструктурированных информационных ресурсов в компаниях достигает 80%. Подобным образом хранятся активы всех подразделений, выгрузки из баз данных и промышленных систем, журналы банкоматов и другие конфиденциальные сведения. Проблема их защиты состоит также и в том, что они пластичны (то есть постоянно изменяются и перемещаются из одного места хранения в другое).При создании файловых ресурсов ИТ-департамент руководствуется принципами удобства пользователей и не предопределяет, может ли в них содержаться конфиденциальная информация. IDM-продукты не решают эту проблему, поскольку они лишь обозначают роли пользователей, ничего не зная о том, какая роль должна быть у пользователя и к какой именно информации он получает доступ (контекст данных). Соответственно, ролевая модель для неструктурированных данных не работает, поскольку они хаотично перемещаются и постоянно изменяются.Varonis, в свою очередь, сопоставляет матрицу доступа с контекстом данных (их содержанием) и показывает, кто из пользователей не должен иметь доступ к определённым файлам или папкам. Разрозненные отчёты о правах доступа и статистике использования информационных активов собраны в единую базу с общим динамическим интерфейсом.Varonis — пионеры в области классификации метаданных и анализа реально используемых прав доступа к неструктурированным материалам, поэтому возможности их продукта принципиально отличаются от решений класса IDM. Современный подход Varonis к кибербезопасности выходит за пределы управления неструктурированными данными, дополнительно охватывая задачи выявления сложных усовершенствованных кибератак и противодействия им. Рисунок 1. Подход Varonis к выявлению комплексных кибератак Злоумышленники обычно проникают внутрь компании путём взлома периметра сети либо используя наиболее уязвимые каналы — например, почту (фишинг). После этапа разведки киберпреступник компрометирует реквизиты легитимной учётной записи (как правило, Active Directory), после чего для большинства используемых средств защиты он становится абсолютно законным пользователем системы. Это даёт ему возможность получить доступ к наименее защищённым платформам (таким как файловые ресурсы), совершать там операции и выводить данные наружу.Учитывая эту логику, Varonis осуществляет мониторинг каналов входа в периметр компании, отслеживает действия с Active Directory, анализирует файловые ресурсы, почту и другие активы, строит поведенческие профили и оповещает об аномалиях с высокой эффективностью и низким количеством ложных срабатываний.Особенностью технологии Varonis является то, что она позволяет отслеживать цепочку событий, характерных для большинства усовершенствованных кибератак (kill chain). Это помогает с высокой точностью определять, является ли конкретное событие инцидентом, и заметно упрощает первоначальное расследование. Состав платформы кибербезопасности VaronisПлатформа кибербезопасности объединяет информацию о пользователях и их правах, а также о данных, их конфиденциальности и модели их использования, обеспечивая тем самым их защиту согласно политикам безопасности в системах хранения неструктурированных сведений. Сбор метаданных с периметровых систем, таких как DNS, VPN или прокси-серверы, и применение поведенческого анализа позволяют выявлять аномальную активность пользователей.В базовый состав платформы входит модуль DatAdvantage — средство сбора и анализа данных из файловых ресурсов, почты и каталога Active Directory. Далее этот основной блок можно обогащать дополнительными инструментами. Полный состав модулей и их функций представлен в таблице ниже. Таблица 1. Функции и модули платформы кибербезопасности VaronisФункциональностьМодульБазовые возможностиАудит прав доступа, действий пользователей и защита данных. Помодульное покрытие файловых ресурсов Windows/Unix/NASDatAdvantageДополнительные функцииПоведенческий анализ и выявление аномалий. Реагирование на инцидентыDatAlertКлассификация данныхData Classification EngineАвтоматизированная продвинутая миграция данныхData Transport EngineАвтоматизированное исправление нарушений в правах доступаAutomation EngineПолнотекстовое индексирование корпоративных ресурсовDatAnswersУправление правами доступа через портал самообслуживанияDataPrivilegeКонтроль периметра для выявления внутренних и внешних угрозEdge Система кибербезопасности Varonis позволяет собрать управление доступом к данным на различных платформах в единый процесс.Поддерживаемые платформы:Active Directory/LDAPWindowsUNIX/LinuxSharePointExchangeDell EMSNasuniHPENetApp NASHP NASHitachi NASIBM Storewize V7000Office 365OneDriveBox Как работает платформа кибербезопасности VaronisПлатформа обеспечивает полный цикл поддержания безопасности данных в актуальном состоянии. Он включает следующие этапы.Категоризация и классификация конфиденциальных данных.Определение актуальной модели их использования.Настройка политик безопасности — определение идеальной картины использования конфиденциальных данных.Выявление нарушений и аномалий.Принятие мер по их ликвидации.Выявление и назначение бизнес-владельцев данных для их вовлечения в процесс настройки прав доступа к конфиденциальным данным.Постоянный мониторинг и поддержание порядка в автоматизированном режиме.Рассмотрим функциональность модулей системы в соответствии с этими стадиями. Категоризация и классификация конфиденциальных данных, составление картины их использованияDatAdvantage — «сердце» платформы кибербезопасности Varonis. Модуль предоставляет функции, которые служат основой для выстраивания всех остальных описанных выше этапов.DatAdvantage агрегирует данные о правах доступа к неструктурированным (файловые и облачные сервисы) и полуструктурированным (SharePoint, Active Directory и др.) данным. DatAdvantage показывает, кто на самом деле пользуется (или не пользуется) правами доступа и кому ещё доступен конкретный объект через файловые и почтовые системы. Сопоставление прав с реальными пользователями позволяет видеть, какие данные подвержены риску. Отчёт о правах доступа можно сформировать в двустороннем порядке — как по информационному объекту (щёлкнув по папке, сайту или почтовому ящику), так и по пользователю (нажав на карточку или группу). Здесь же можно сформировать новые правила доступа и проанализировать последствия любых изменений в песочнице; более подробно этот инструмент рассмотрим далее.  Рисунок 2. Отчёты модуля Varonis DatAdvantage для анализа прав доступа в Active Directory В сочетании с модулем Data Classification Engine платформа определяет места хранения конфиденциальной информации, показывая её в срезе существующих прав доступа и статистики использования. Data Classification Engine содержит около 50 встроенных правил и более 400 терминов для выявления конфиденциальных данных и сведений, охраняемых требованиями регуляторов (PCI DSS, GDPR и др.).Словари Data Classification Engine содержат следующие категории:персональные данные (номера кредитных карт, паспортные данные, номера водительских удостоверений, номера социального страхования и т.д.);финансовая информация;международные стандарты (GDPR, HIPAA, PHI, PCI и т.д.).Поддерживается более 60 форматов файлов, включая офисные документы, архивы, сообщения электронной почты, базы данных и т.д. Встроенный модуль OCR позволяет производить полнотекстовый поиск информации в скан-копиях и других графических файлах, что поможет выявить инцидент утечки данных на этапе его подготовки.Ключевой особенностью Data Classification Engine является инкрементальное сканирование: первоначально сканируется весь массив данных, а при следующем запуске решение анализирует только новые и измененные файлы, а не всю базу целиком. Благодаря такому подходу снижается нагрузка на систему и повышается оперативность. Рисунок 3. Интерфейс Data Classification Engine После определения общей картины пользования данными Varonis показывает разницу между реальным и желаемым состоянием модели доступа — и тут же предоставляет возможность её легализовать в едином интерфейсе с помощью меток, или «флагов». Разметив папки и пользователей, можно определить дополнительные права, не предусмотренные стандартными ролями — например, разрешить хранить в конкретной общей папке персональные данные или позволить конкретному пользователю доступ к финансовым материалам. Рисунок 4. Разметка прав доступа пользователей в модуле Varonis DatAdvantage Выявление нарушений доступа к данным и аномалий в поведении пользователейМодуль DatAlert — основной инструмент для выявления нарушений и аномалий, а также реагирования на инциденты.С одной стороны, DatAlert выявляет нарушения преднастроенных политик безопасности: размещения конфиденциальной информации, доступа к ней и так далее. Важно отметить, что две трети политик безопасности относятся к классу поведенческой аналитики (UEBA) и срабатывают после обучения системы на реальных данных, включающего построение стандартных поведенческих моделей для пользователей и администраторов.Помимо выявления нарушений, DatAlert также находит признаки аномального поведения в системе, оповещает о нестандартной активности и предоставляет инструменты реагирования на инцидент, чтобы предотвратить его распространение и минимизировать последствия. Мониторинг аномальной активности позволяет выявлять потенциальные угрозы, которые не покрываются заданными политиками безопасности. К примеру, в рамках политик пользователю разрешено удалять конфиденциальные данные, но если происходит массовое удаление (и к тому же из неизвестного местоположения), то система может посчитать такую активность аномальной и предложить офицеру безопасности расследовать событие, невзирая на формальную легитимность операции.Для выявления аномалий в системе предустановлена 161 модель угроз, база поведенческих моделей регулярно пополняется. Можно выделить из их числа, например, следующие:постепенное увеличение числа блокировок отдельной пользовательской или административной учётной записи;нестандартное количество событий входа на личные устройства;сброс пароля администратора или пользователя и последующий доступ к данным, содержащим конфиденциальные сведения;потенциальная атака типа ticket harvesting;потенциальная кража учётной записи на основе пониженного шифрования;эскалация привилегий рядовой учётной записи до уровня администратора домена.Active Directory — центральное звено ИТ-инфраструктуры и наиболее уязвимая её часть. По этой причине большая часть встроенных моделей угроз связана именно с Active Directory.  Рисунок 5. Панель оповещений DatAlert В связке с модулем Edge платформа выявляет аномалии, которые можно обнаружить лишь благодаря наблюдению за периметром организации. Edge добавляет «новый слой» к обеспечению безопасности данных: например, пользователь действует легитимно в рамках своих прав, но его действия тем не менее расцениваются как аномальные. Edge дополняет информацию о правах пользователей и о моделях использования конфиденциальных сведений метаданными, собранными с периметра сети:события входа в корпоративную сеть через VPN;работа в сети «Интернет» через прокси-сервер и DNS. Рисунок 6. Панель мониторинга периметра сети в интерфейсе модуля Edge Edge позволяет настроить автоматический запуск скрипта PowerShell для немедленного принятия мер по предотвращению вторжения в корпоративную сеть.Проникая внутрь корпоративной сети и получая доступ к учётным записям Active Directory, злоумышленник становится «невидимым» для большинства систем защиты, поскольку действует от лица легитимного пользователя. Однако для платформы кибербезопасности Varonis такой пользователь будет выглядеть подозрительным, поскольку система сопоставляет метаданные с поведенческими моделями и аналитикой периметра сети.Все актуальные зоны риска отображаются на главном экране веб-интерфейса системы в динамическом режиме. Из общего отчёта можно перейти к событию, и наоборот (принцип drill-down). Рисунок 7. Обзорная панель с оповещениями о рисках в платформе Varonis В едином журнале событий системы фиксируются журналы и метаданные любых действий с объектами — создание, открытие, удаление, изменение. Такая информация будет полезной для детализации прав доступа и для ретроспективных расследований в случае возникновения инцидентов. Рисунок 8. Карточка документа с информацией об изменениях в системе Varonis Устранение нарушений правил доступа к даннымПлатформа предлагает несколько вариантов реагирования на инциденты:Пассивное реагирование (информирование посредством электронной почты или SMS, передача протоколов инцидента в SIEM). Система фиксирует все изменения конфигураций файлов и данных, поэтому любые попытки входа в учётную запись, доступа к серверу и изменения информации будут доступны для дальнейшего расследования. Рисунок 9. Создание подписки на отчёты DatAdvantage по электронной почте для владельцев данных Активная защита (автоматический запуск произвольного скрипта PowerShell или EXE-файла при срабатывании политики или выявлении аномальной активности). Такая функция будет полезна, например, при начале криптовирусной атаки — выключение заражённой станции, карантин документа и оповещение сотрудника смогут остановить распространение заражения.Кроме того, платформа Varonis способствует решению проблемы избыточных прав доступа с помощью «песочницы». Основная причина, по которой пользователям предоставляют лишний доступ к ресурсам, — страх перед снижением эффективности бизнес-процессов, когда сотрудники не могут работать с нужными им файлами. В модуле DatAdvantage можно смоделировать последствия изменения прав. После настройки новых правил система сформирует список пользователей, которые не попадают в рамки новых политик, но при этом регулярно обращались к защищаемым файлам. Даже в крупной компании такой список обычно насчитывает не более пары десятков человек, работу с которыми целесообразно провести вручную — отправить запросы руководителям подразделений и владельцам данных для подтверждения или отказа в доступе для этих сотрудников. Таким образом, принцип наименьших привилегий будет соблюдаться безболезненно для бизнеса. Рисунок 10. Матрица доступа к документам в модуле DatAdvantage  Выявление и назначение бизнес-владельцев данных для их вовлечения в процесс настройки прав доступа к конфиденциальным даннымПлатформа предоставляет возможность управлять правами доступа в активном и пассивном режимах.Пассивный режим предполагает вовлечение бизнес-владельцев в управление правами доступа к конфиденциальным данным. Это логично, так как сотрудники отделов ИТ и ИБ не могут знать обо всех бизнес-процессах в организации. Пассивный режим основан на возможностях DatAdvantage и удобен тем, что пользователям не нужно предпринимать никаких активных действий — модуль самостоятельно формирует отчёты (кто и как работает с конфиденциальными данными, какие у пользователей есть права, что за изменения прав доступа происходят и т.д.), а затем отправляет их владельцам бизнес-данных.Активный режим предполагает использование модуля DataPrivilege. Это — портал самообслуживания, который даёт возможность предоставлять и запрашивать права доступа. Модуль работает на уровне групп Active Directory, а они, в свою очередь, могут регулировать доступ пользователей к съёмным устройствам, к помещениям, на парковку, в интернет и т.д. Таким образом, через DataPrivilege можно управлять правами доступа и к этим ресурсам.  Для каждой папки или группы можно назначить владельца — сотрудника, который фактически её администрирует. Этот работник будет получать регулярные отчёты по доступу и активности в его папках и документах. Рисунок 11. Отчёт системы Varonis об обращениях к документам для бизнес-владельца Через веб-интерфейс владелец процесса может самостоятельно управлять правами доступа для других сотрудников независимо от их ролей в компании. Удобно, что можно нарушать иерархию папок при выдаче прав — например, пользователь получит разрешение на чтение файла в одной из вложенных папок, но при этом корневая папка останется недоступной. Интерфейс можно интегрировать через API с кадровой системой или любым другим средством менеджмента. Рисунок 12. Веб-интерфейс для запроса доступа к документу в системе Varonis Постоянный мониторинг и поддержание порядка в автоматизированном режимеПосле оптимизации использования ресурсов и обучения системы нормальному поведению пользователей политики безопасности будут работать в фоновом режиме с минимальным количеством ложных срабатываний.Единый интерфейс для управления правами доступа к разрозненным информационным системам — наиболее удобный вариант с точки зрения экономии рабочего времени администратора. Помимо прочего, упрощение процесса позволяет реализовать принцип наименьших привилегий и без больших усилий поддерживать такую систему прав в актуальном состоянии.Платформа Varonis может полностью автоматизировать исправление прав доступа с помощью модуля Automation Engine. Он удаляет глобальные группы доступа и заменяет их целевыми группами, которые обращались к данным. Кроме того, перед началом чистки глобальных групп Automation Engine находит и исправляет папки с некорректными списками ACL.Выявлять некорректные места хранения файлов поможет модуль Data Transport Engine. При обнаружении в общих папках конфиденциальной и регулируемой информации система переместит её в карантин и оповестит владельца. Поисковый робот решения индексирует только недавно созданные или изменённые данные, поэтому для выявления аномалии требуется не более суток.Этот же модуль позволяет решать задачу миграции данных между различными файловыми системами и серверами с сохранением модели прав доступа. В связке с модулями анализа частоты обращений к файлам такая функция поможет сэкономить дисковое пространство за счёт архивации или переноса на более дешёвые серверы устаревших и неиспользуемых данных. Рисунок 13. Интерфейс модуля Varonis Data Transport Engine для архивации неиспользуемых документов Технические условия работыНа момент написания обзора платформа Varonis работает в режиме двух панелей управления — на «толстом клиенте» и на «тонком» с веб-интерфейсом. В ближайшее время разработчики собираются полностью перейти на «тонкий клиент».Язык интерфейса — английский. Модуль DataPrivilege локализован на русский язык.В компании среднего размера, базовую функциональность мониторинга и классификации файловых ресурсов, отслеживания Active Directory и почтовых серверов можно реализовать на одном физическом или виртуальном сервере со следующими параметрами: 4 ядра ЦП, 16 ГБ оперативной памяти, 200 ГБ на жёстком диске, ОС Windows Server 2012R2 / 2016, СУБД MS SQL Server 2014 / 2016.Для работы ПО потребуется доменная технологическая учётная запись с полномочиями на контролируемых серверах, минимально необходимыми для сканирования прав доступа и контента (только на чтение, без административных привилегий).Сбор информации об операциях с файлами не требует включения встроенного аудита Windows на уровне папок; вместо этого используется легковесный агент, создающий нагрузку не более 1% ЦП и занимающий несколько мегабайт в оперативной памяти. ВыводыПлатформа кибербезопасности Varonis находится на стыке двух областей — управления неструктурированными данными (Data Governance) и поведенческого анализа (UEBA), который постепенно и вполне справедливо перестаёт рассматриваться как отдельная категория и становится частью других сфер, в том числе DAG.С одной стороны, платформа позволяет навести порядок в хранилищах неструктурированных данных и поддерживать его на постоянной основе. Возможность автоматически проверять и корректировать в едином окне права доступа делает возможным соблюдение принципа наименьших привилегий. С другой стороны, посредством мониторинга каналов входа в периметр компании, отслеживания действий с Active Directory и анализа файловых ресурсов, почты и построения поведенческих профилей Varonis отслеживает и оповещает об аномалиях с высокой эффективностью и низким количеством ложных срабатываний.Большое количество встроенных политик безопасности помогут быстро интегрировать систему в рабочие процессы организации. Более 150 моделей угроз описывают наиболее важные сценарии использования данных, в том числе защищаемых регуляторами (GDPR, PCI DSS и другие). Важно, что основной массив этих правил построен на алгоритмах поведенческой аналитики, что снижает количество ложноположительных срабатываний и повышает ценность отчётов как реально работающего инструмента.Платформа Varonis снижает трудовые издержки офицеров безопасности за счёт упрощения процессов расследования — тотальное протоколирование метаданных и истории работы с файлами могут обогатить и дополнить сведения, собираемые DLP-системой.Решение хорошо интегрируется со смежными продуктами по API, встраивается в SIEM-, DLP-, IDM-системы, поддерживает различные протоколы Linux и Unix, что позволяет создать единую ИТ-инфраструктуру для поддержания безопасности.Преимущества платформы кибербезопасности Varonis:Полный аудит неструктурированных данных, электронной почты и действий пользователей и администраторов.Наглядные отчёты о фактическом использовании данных и оповещения в реальном времени при наступлении определённых событий (установленных производителем либо заданных пользователем).Более 150 преднастроенных моделей угроз, база поведенческих моделей угроз постоянно пополняется. Алгоритмы поведенческой аналитики, основанные на сложных математических моделях для выявления аномалий в пользовании данными.Песочница для моделирования прав доступа и предварительной проверки планируемых изменений.Классификация и полнотекстовый поиск конфиденциальных данных в масштабах предприятия.Автоматизация заявок на предоставление прав доступа и утверждения этих заявок владельцами данных.Возможности интеграции со смежными системами (IDM, DLP, SIEM и другими)Модульная структура платформы удобна для адаптации к задачам компании.Недостатки:Стоимость решения.Решение ориентировано исключительно  на крупные организации (не для среднего бизнеса).Отсутствие русскоязычного интерфейса.В России продукт представлен только через интеграторов, нет возможности приобрести его напрямую у вендора.

Читать далее

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты

  • Сообщения

    • Ego Dekker
      ESET Online Scanner 4.0.1  (Windows 10/11, 64-разрядная)
                                                                                  ●
              Руководство пользователя ESET Online Scanner 4  (PDF-файл)
    • Ego Dekker
      ESET Cyber Security был обновлён до версии 9.0.6700.
    • AM_Bot
      Теория звучит убедительно, но работает ли она на практике? Мы внимательно изучили Phishman 2.35 и решили не останавливаться на описании её возможностей. Вместо этого протестировали платформу на собственных сотрудниках и удивились, к каким результатам это привело.      1. Введение2. Методология тестирования Phishman 2.353. Первичное тестирование3.1. Подготовка шаблонов фишинговых сообщений, инфраструктуры рассылки3.2. Тестирование доставки и отражения результатов в статистике3.3. Результаты атак4. Обучение4.1. Формирование учебной группы4.2. Составление образовательной программы по повышению киберкультуры4.3. Процесс обучения и его результаты5. Повторное тестирование5.1. Результаты атак6. Подведение итогов6.1. Сложности, с которыми мы столкнулись7. Впечатления от проекта команды «АМ Медиа»7.1. Реакция сотрудников7.2. Реакция организаторов7.3. Сотрудничество с вендором8. ВыводыВведениеPhishman 2.35 — это система повышения осведомлённости пользователей в сфере ИБ. Она помогает развивать киберкультуру и формировать у сотрудников устойчивые навыки безопасной работы с информацией, цифровыми сервисами и корпоративными ресурсами. В процессе обучения сотрудники учатся распознавать актуальные сценарии атак, закрепляют правильные модели поведения и в результате реже становятся причиной инцидентов, связанных с человеческим фактором.В первой части обзора Phishman 2.35 мы рассмотрели платформу с точки зрения её возможностей. Теперь пришло время проверить, как всё это работает на практике. За время проекта мы не только оценили эффективность различных сценариев, но и столкнулись с рядом особенностей, которые невозможно увидеть в документации. Одни из них влияли на ход тестирования, другие оказались скорее организационными нюансами, о которых стоит знать заранее.Методология тестирования Phishman 2.35В процессе работы с киберкультурой «АМ Медиа» мы будем использовать следующие метрики:Обученность. Отражает уровень знаний сотрудников в области ИБ. Показатель растёт, когда сотрудники осваивают темы: реагирование на инциденты, защита от социальной инженерии и другие критически важные компетенции.Иммунность. Показывает, как сотрудники применяют знания на практике. Она повышается, когда демонстрируется способность распознавать угрозы и правильно на них реагировать в реальных сценариях.Киберосознанность — итоговая метрика. Объединяет знания и практические навыки, показывая, насколько сотрудники в целом устойчивы к киберугрозам и действуют корректно при их возникновении.Прежде чем оценивать эффективность работы системы, необходимо определить отправную точку. Первичное тестирование определит, на какие сценарии реагирует каждый сотрудник, где чаще всего допускаются ошибки и какие темы требуют дополнительного развития. На основе этих данных формируется индивидуальная программа обучения: сотрудники проходят персонализированные курсы, выполняют практические задания и тесты, которые помогают устранить выявленные пробелы и закрепить необходимые навыки. В процессе обучения повышается уровень обученности, а закрепление знаний через практику влияет на показатель иммунности. После завершения обучения мы проведём повторное тестирование, которое покажет, какие изменения произошли по всем ключевым метрикам.Заключительный этап — сравнение результатов первичного и повторного тестирования. Здесь станет понятно, насколько вырос уровень киберкультуры сотрудников: изменилось ли их отношение к вопросам ИБ, стали ли они увереннее распознавать угрозы и чаще принимать безопасные решения в ситуациях, где раньше могли допустить ошибку.В качестве основного канала для рассылки фишинга выбрали электронную почту. Причина очевидна: именно она остаётся основным способом первичного контакта злоумышленников с сотрудниками и доставки фишинговых сценариев. По имеющимся оценкам, более 90 % успешных кибератак начинаются с электронного письма, поэтому исключать этот канал из подобных проверок было бы некорректно.Первичное тестированиеРеальные фишинговые атаки почти никогда не строятся по универсальному шаблону: злоумышленники адаптируют содержание писем под роль человека в компании, его рабочие процессы и типовые задачи. Поэтому при выборе целевой аудитории мы разделили сотрудников по функциям и уровню доступа к корпоративным данным, а сам проект разбили на 3 последовательные волны с разным уровнем сложности.Подготовка шаблонов фишинговых сообщений, инфраструктуры рассылкиПосле определения целевой аудитории был проведён анализ структуры подразделений и рабочих процессов сотрудников. На этом этапе изучались:должностные обязанности;распределение зон ответственности;характер внутреннего взаимодействия между отделами;используемые адреса электронной почты;формат повседневной служебной переписки.Это позволило понять, какие сценарии коммуникации являются для сотрудников привычными и не вызывают подозрений.На основе собранных данных были подготовлены сценарии фишинговых сообщений. При разработке содержимого учитывались тематика рабочих задач, стиль корпоративного общения, оформление внутренних уведомлений и типовые причины отправки писем внутри организации. Основная задача заключалась в том, чтобы письмо воспринималось как стандартное рабочее сообщение, соответствующее реальным бизнес-процессам заказчика.Волна 1. Первая волна была построена как массовый фишинг. Сценарий — сверка графика отпусков. Для атаки создавали и настраивали пользовательский шаблон. Тип атаки — обычный, время начала рассылки — сразу, при запуске атаки.На этом этапе проверялась базовая реакция сотрудников на привычные рабочие триггеры и способность распознавать типовые признаки фишинга без привязки к конкретному подразделению. Рисунок 1. Шаблон для первой волны Рисунок 2. Вид фишингового письма из первой волны в почте Волна 2. Для каждого отдела были подготовлены письма, основанные на реальных рабочих процессах, характерных запросах и ситуациях, с которыми сотрудники регулярно сталкиваются в своей деятельности. Для атаки создали и настроили пользовательский шаблон, где-то добавили немного визуального оформления. Время начала рассылки — по запланированному времени. Рисунок 3. Пример шаблона из второй волны для отдела «Продажи» Рисунок 4. Вид фишингового письма из второй волны для отдела «Продажи» Волна 3. Здесь моделировались уже более сложные сценарии целевого фишинга (spear phishing). В письмах использовались специальные формулировки, элементы корпоративного брендирования. На этом этапе проверялась не только внимательность сотрудников, но и способность замечать менее очевидные признаки атаки в условиях, максимально приближённых к реальной целевой компрометации.За основу брали системный брендированный шаблон «Яндекс ID», добавили фишинговую форму и скорректировали немного её содержание. Тип атаки — обычный, время начала рассылки — по запланированному времени. Рисунок 5. Пример шаблона из третьей волны Рисунок 6. Вид фишингового письма из третьей волны При переходе по ссылке открывалась фишинговая страница. Рисунок 7. Фишинговая страница Тестирование доставки и отражения результатов в статистикеДалее была подготовлена инфраструктура рассылки. После её настройки проводилось тестирование доставки сообщений. Проверялась доставка писем во входящие сообщения почтовых клиентов, анализировалась реакция антиспам-механизмов в почте, а также контролировалась корректность работы механизмов отслеживания действий пользователей. Рисунок 8. Результаты тестирования доставки и отображения сообщений в почте Тестирование прошло успешно.После завершения проверки была сформирована последовательность отправки сообщений по заранее определённым волнам. Такой подход позволил распределить нагрузку, контролировать ход тестирования и отслеживать реакцию сотрудников на различных этапах проведения проверки. Рисунок 9. Активные мероприятия Результаты атакБыли получены следующие результаты:Иммунность — 81 %. Хороший иммунитет, большинство реагирует правильно. Охват аудитории (повторно попались на фишинг) — 71 %.Уровень риска — 8, средний. Устойчивость формируется, но есть ещё риски. Рисунок 10. Общая информация после проведения первичного тестирования Самый низкий уровень иммунности — около 50 %, после первых двух волн атак. Рисунок 11. График иммунности во время первичного тестирования Далее — сформировали в системе отчёт по скомпрометированности сотрудников, на основании которого выполнили самостоятельный анализ результатов по отделам без учёта результатов тестирования шаблонов атак. Рисунок 12. Отчёт по скомпрометированности всех сотрудников в Phishman 2.35 Таблица 1. Результаты первичного тестирования по отделамОтделЗаполнили формуОткрыли вложенияОткрыли ссылкуДокументооборот04,76 %4,76 %Продажи04,76 %9,52 %Продюсеры 0023,8 %Редакция0019,04 %Руководитель000 ОбучениеПервичное тестирование завершено, поэтому следующим этапом стало определение группы риска и формирование программы обучения.Формирование учебной группыНа этапе отбора рассматривались два варианта формирования учебной группы. Первый предполагал использование показателя иммунности сотрудников. Второй вариант заключался в создании правила, автоматически формирующего список сотрудников, которые были скомпрометированы в ходе проведённых проверок. Этот подход позволял сразу получить выборку пользователей, продемонстрировавших наибольшую подверженность атакам, без ожидания обновления показателей.Был выбран второй вариант. На основании созданного правила была сформирована группа для обучения: в неё вошли люди, которые были скомпрометированы в ходе первичного тестирования. Рисунок 13. Создание правила для выявления группы риска Рисунок 14. Отчёт по отработанному правилу для выявления группы риска Отдельно была сформирована группа сотрудников, успешно распознавших фишинговую атаку, для участия в обучении, направленном на поддержание киберкультуры.Составление образовательной программы по повышению киберкультурыПопавшиеся сотрудники были включены в отдельную учебную группу, для которой сформировали персональную образовательную траекторию. В неё вошли 3 микрокурса по фишингу и 1 курс по информационной безопасности. Содержание траектории было направлено на повышение устойчивости к методам социальной инженерии и снижение вероятности компрометации учётных данных. Рисунок 15. Заполнение параметров обучения сотрудников Рисунок 16. Составление учебной программы Отдельно была запущена программа обучения для сотрудников, которые не попали в выборку по результатам правила.Процесс обучения и его результатыПервый отчёт мы сформировали через 2 дня после запуска обучения, что позволило получить предварительную оценку вовлечённости сотрудников. Анализ данных показал, что наибольшую активность на начальном этапе продемонстрировали сотрудники, которые попались на фишинг. Рисунок 17. Промежуточный анализ обучения Через неделю после запуска обучения провели повторный анализ прогресса, включая оценку прохождения курсов и выявление участников, не приступивших к обучению. Рисунок 18. Отчёт по динамике обучения в Phishman 2.35 Анализ показал, что часть сотрудников не завершила обучение в установленный срок. Для обеспечения максимального охвата было принято решение о продлении сроков прохождения курсов. Рисунок 19. Продление и корректировка процесса обучения В результате фактическая продолжительность обучения составила 2 недели, что превысило первоначально установленный срок в одну неделю. Но и этого времени не хватило нашим сотрудникам. Чтобы узнать, кто оказался более ответственным, воспользовались возможностями правил. Рисунок 20. Пример настройки правила по выявлению сотрудников, прошедших обучение В результате была получена информация о сотрудниках, полностью и частично прошедших обучение. Рисунок 21. Отчёт по сработанному правилу по выявлению сотрудников, прошедших обучение Рисунок 22. Отчёт по сработанному правилу по выявлению сотрудников, частично прошедших обучение Результаты обучения:полностью прошли обучение — 52 %;частично — 22 %;не прошли обучение — 26 %.Мы проанализировали список сотрудников, не приступивших к обучению, и выяснили, что это те, кто не попался на фишинг во время первичного тестирования.Среди сотрудников, которые попались на фишинг, 80 % прошли обучение, остальные — прошли его частично. Рисунок 23. Результаты обучения сотрудников «АМ Медиа» Вместе с тем за этот период были зафиксированы положительные изменения в ключевых показателях: уровень обученности достиг 9 319 баллов, а показатель киберосознанности — 7 561 баллов. Несмотря на положительную динамику, полученные значения оставались гораздо ниже целевых ориентиров, что свидетельствует о необходимости дальнейшей работы по повышению вовлечённости сотрудников и развитию киберкультуры.Повторное тестированиеПовторное тестирование проводилось по тем же этапам, что и первичное: подготовка шаблонов, тестирование и проведение атак. Как и на первом этапе, основной задачей было сделать письмо максимально похожим на стандартную рабочую переписку, соответствующую реальным бизнес-процессам нашей компании.Подготовительный этап повторного тестирования потребовал дополнительных временных затрат, связанных с регистрацией новых доменов и расширением сценариев атак с учётом результатов первичного тестирования.Волна 1. Сценарии формировались не только для отдельных подразделений, но и адресно для конкретных сотрудников, что позволило повысить реалистичность и точность имитации фишинговых атак. Запустили несколько атак, для каждой из них были разработаны индивидуальные шаблоны электронных писем и соответствующие фишинговые формы. Тип атаки — обычный, время начала рассылки — по запланированному времени. Рисунок 24. Пример фишингового письма для первой волны Рисунок 25. Пример фишинговой формы для письма из первой волны Волна 2. Вторая волна представляла собой массовую фишинговую кампанию. Для неё был создан и настроен пользовательский шаблон, основанный на триггерах срочности и страхе финансовых потерь. Тип атаки — обычный, время начала рассылки — сразу, при запуске атаки. Рисунок 26. Пример фишингового письма для второй волны Тестирование доставки писем и корректности отражения результатов в статистике прошло успешно.Результаты атакВ повторном тестировании приняли участие уже 23 человека. Увеличение числа участников на 2 человека связано с подключением новых сотрудников к нашему эксперименту. Резких скачков иммунности здесь не наблюдалось. Рисунок 27. График иммунности во время повторного тестирования Для дополнительной оценки мы и здесь также выполнили самостоятельный анализ результатов по отделам без учёта результатов тестирования шаблонов атак. Таблица 2. Результаты повторного тестирования по отделамОтделЗаполнили формуОткрыли вложенияОткрыли ссылкуДокументооборот000Продажи008,7 %Продюсеры 008,7 %Редакция8,7 %08,7 %Руководитель000 Мы также посмотрели, как себя показали сотрудники, которые не прошли обучение, в повторном фишинговом тесте. По данным отчёта, в первой волне повторного тестирования на фишинг попались 40% из всех, кто не обучался. Рисунок 28. Поиск информации о сотруднике в отчёте по атакам Подведение итогов После завершения всех этапов эксперимента мы получили следующие показатели:Иммунность — 76 %. Хороший иммунитет, большинство реагирует правильно. Охват аудитории (повторно попались на фишинг) — 91,3 %.Уровень риска — 7, средний. Рисунок 29. Информационная панель Phishman 2.35 после завершения эксперимента После обучения и повторного тестирования добавились другие показатели:Обученность — 11 / 100. Знания отсутствуют, обучение следует начать с базового уровня.Киберосознанность — 10 / 100. Низкий уровень, сотрудники не знают, как действовать в случае угроз.Часть результатов сравнили и представили их в таблице ниже. Таблица 3. Сравнение показателей киберкультуры до и после обученияПоказательДо обученияПосле обученияОбученность09319Иммунность81 %76 %Киберосознанность 07561Охват аудитории (повторно попались на фишинг)71 %91,3 %Уровень риска87 Также проанализировали действия сотрудников после обучения и сравнили их с результатами первичного тестирования. Таблица 4. Сравнение действий сотрудников до обучения и послеОтделЗаполнили формуОткрыли вложенияОткрыли ссылкуДо обученияПосле обученияДо обученияПосле обученияДо обученияПосле обученияДокументооборот004,76 %04,76 %0Продажи004,76 %09,52 %8,7 %Продюсеры 000023,8 %8,7 %Редакция08,7 %0019,04 %8,7 %Руководитель000000 Рисунок 30. Процент попавшихся на фишинг до обучения и после по отделам Если во время первичного тестирования попалось 22 % участников, то после обучения этот показатель уменьшился и стал 12 %. Рисунок 31. Общий процент попавшихся на фишинг до обучения и после Результаты повторного тестирования показали, что, несмотря на заметное снижение количества взаимодействий с фишинговыми письмами, часть сотрудников по-прежнему выполняет действия, свидетельствующие о подверженности атакам. Это ожидаемый результат, поскольку киберкультуру невозможно сформировать за столь короткое время. Речь идёт о длительном процессе, который требует регулярной работы как со стороны специалистов по информационной безопасности, так и со стороны самих сотрудников.Наш эксперимент позволил проверить знания сотрудников, провести обучение и затем оценить, насколько полученные знания закрепились на практике. Однако с точки зрения развития киберкультуры — это лишь один из этапов работы, а не её завершение.Сложности, с которыми мы столкнулисьОсобенность нашего эксперимента — организация предварительного тестирования. Перед запуском каждой атаки мы проверяли её работу на собственном аккаунте, чтобы убедиться в корректной отработке сценария на стороне пользователя. Такие проверки попадали в общую статистику системы и оказывали влияние на итоговые показатели. Возможность исключить подобные события из расчётов отсутствует. Согласно комментариям вендора, для этих целей следует использовать отдельный тестовый стенд. Поэтому мы вели дополнительно самостоятельный анализ результатов эксперимента.Отдельные сложности возникли на этапе обучения сотрудников. Завершить обучение в установленные сроки не удалось из-за человеческого фактора. Не все участники смогли своевременно пройти назначенные материалы, что потребовало увеличения периода обучения и дополнительного контроля за его прохождением.Впечатления от проекта команды «АМ Медиа»Проведение тестирования не вызвало негативной реакции со стороны сотрудников. Хотя фишинговые сообщения активно обсуждались внутри коллектива, жалоб руководству или недовольства вида «зачем вообще было устраивать такую проверку» не возникло. Основной интерес был сосредоточен вокруг самих писем и попыток понять, что именно происходит.Реакция сотрудниковОдним из самых любопытных наблюдений стала реакция сотрудников после первой волны первичного тестирования. Полученные фишинговые сообщения быстро стали предметом обсуждения: сотрудники пересылали их друг другу, задавали вопросы коллегам и пытались разобраться, что происходит.Некоторые пошли ещё дальше и вступали в переписку с отправителем, воспринимая фишинговые письма как реальные рабочие сообщения. Это наглядно показало не только убедительность используемых сценариев, но и то, что практическое столкновение с угрозой вовлекает сотрудников в тему ИБ гораздо сильнее, чем абстрактные примеры из учебных материалов. Во время повторного тестирования такой реакции уже не возникло.Реакция организаторовЕсли для большинства сотрудников тестирование выглядело как неожиданно появившиеся письма в почте, то для команды, которой было поручено тестирование Phishman 2.35 этот проект сопровождался совсем другими эмоциями. Подготовка сценариев, запуск атак и ожидание результатов вызывали ощутимое волнение. Оказалось, что смотреть на ситуацию глазами злоумышленника не так просто, как может показаться со стороны. Приходилось постоянно задавать себе вопросы: какой сценарий покажется правдоподобным, что привлечёт внимание сотрудника, а что, наоборот, вызовет подозрения.Самыми напряжёнными были дни первой волны тестирования. На этом этапе ещё не было понимания, как сотрудники отреагируют на рассылки, насколько убедительными окажутся сценарии и не вызовет ли проверка негативной реакции внутри коллектива. С каждой новой зафиксированной активностью интерес смешивался с тревогой, а результаты ожидались едва ли не с большим нетерпением, чем сам запуск кампании.После завершения эксперимента стало легче: всё задуманное удалось реализовать, результаты были получены и проанализированы. Тем не менее полностью избавиться от мыслей о проделанной работе не получилось. Время от времени возвращаешься к отдельным этапам и задаёшься вопросом: а стоило ли сделать именно так? Может быть, какой-то сценарий можно было построить иначе, а какие-то решения принять по-другому?Наверное, это естественная часть любого практического проекта. Когда работа заканчивается, появляется возможность посмотреть на неё со стороны и критически оценить собственные решения. Именно в такие моменты часто приходят идеи, которые помогают сделать следующие проекты лучше.Сотрудничество с вендоромВ ходе подготовки и проведения эксперимента иногда возникали вопросы, связанные с настройкой платформы, особенностями реализации отдельных сценариев и интерпретацией результатов. Для их решения использовались как переписка, так и рабочие созвоны. Запросы обрабатывались оперативно, что позволяло своевременно получать необходимую информацию и не допускать задержек в выполнении работ. Поддержка была доступна не только в рабочее время, но и в выходные дни.ВыводыПовторное тестирование показало, что тщательно подготовленные и персонализированные фишинговые атаки значительно эффективнее. При наличии качественной разведки злоумышленники способны подобрать убедительный сценарий практически для любого сотрудника. А если специалист может ошибиться, то сотруднику, который не занимается вопросами ИБ каждый день, сделать это ещё проще.Работа в сфере информационной безопасности или информационных технологий сама по себе не защищает человека от фишинга, социальной инженерии и других современных атак. Мы убедились в этом на собственном опыте: даже профильные знания не гарантируют, что человек не попадется на хорошо продуманную атаку. Злоумышленники постоянно меняют сценарии, поэтому знания, полученные однажды, быстро устаревают.При помощи эксперимента мы не только проверили, насколько сотрудники готовы распознавать атаки, но и поняли, как с помощью Phishman 2.35 можно сделать работу по развитию киберкультуры системной. Вместо отдельных курсов появился понятный цикл: смоделировать атаку, оценить реакцию, провести обучение и проверить, изменилось ли поведение участников. При необходимости — повторить или скорректировать процесс при помощи рекомендаций платформы. Результаты фиксируются автоматически, поэтому можно видеть, какие темы требуют больше внимания, и развивать киберкультуру на основе реальных данных, а не предположений.Читать далее
    • PR55.RP55
    • santy
      RP55, есть у тебя ТГ?
×