SentinelOne усилил свой XDR технологией STAR

SentinelOne усилил свой XDR технологией STAR

SentinelOne усилил свой XDR технологией STAR

SentinelOne, поставщик автономной платформы кибербезопасности, представил Storyline Active Response (STAR) — механизм автоматизированного хантинга, обнаружения и реагирования на угрозы. STAR интегрирован в решение ActiveEDR и позволяет ИБ-командам создавать собственные правила обнаружения и реагирования атак, а затем применять их в реальном времени по всей сети или только для ее определенного сегмента.

Такой подход помогает проактивно обнаруживать угрозы и реагировать на них. STAR также позволяет превратить эти запросы в правила хантинга, которые при обнаружении совпадений будут запускать систему алертинга и автоматизированного реагирования. Вместе с механизмом STAR на смену устаревшим процессам обнаружения и реагирования — разовым, трудоемким и выполняемым вручную — приходит автоматизированный и настраиваемый процесс реагирования, благодаря которому команды SOC могут быть на шаг впереди быстро развивающегося ландшафта угроз. В отличие от списков отслеживания, механизм STAR позволяет защищать от новейших угроз без обновлений ПО, создавать настраиваемую логику обнаружения по базе знаний MITRE и создавать правила для угроз, характерных в определенной отрасли, за доли секунды.

XDR-платформа SentinelOne Singularity создана на основе технологии Storyline. В ней применяется запатентованный поведенческий ИИ, который отслеживает, контролирует и обогащает контекстом все данные о событиях на конечных точках, IoT-устройствах и в облачных ресурсах. Получившаяся динамическая модель ИИ оценивает риски и автоматически, за доли секунды объединяет разрозненные события в понятную цепочку развития атаки. Благодаря STAR к возможностям технологии Storyline прибавляются настраиваемое обнаружение и автоматизированное реагирование на атаки.

«За последние годы EDR-решения стали лучше, но при реагировании на атаку они по-прежнему полагаются на человека и ручную работу. В результате у злоумышленников появляется больше времени на компрометацию организаций», — сообщил Йонни Шелмердине, глава отдела по развитию XDR-продуктов и стратегии в компании SentinelOne. — «Мы создали STAR, чтобы команды SOC стали проактивнее и эффективнее. Реагирование на угрозы всегда требовало больших ресурсов и сейчас является слабым звеном, из-за которого EDR-продукты, процессы и специалисты не достигают нужных результатов. STAR — пример естественного развития наших возможностей продвинутого обнаружения и лучшего в своем классе мониторинга. Благодаря STAR организации могут воспользоваться автоматизацией, масштабом и скоростью, которые SentinelOne привносит в эпоху XDR».

Киберпреступные группировки, в том числе связанные с государственными структурами, непрерывно автоматизируют свои тактики, техники и процедуры, что позволяет им остаться незамеченными внутри сети. EDR-решения генерируют данные по миллиардам событий в день — человеку просто не под силу проанализировать такой объем и отреагировать на все угрозы. SentinelOne STAR снижает нагрузку на ИБ-команды с помощью технологий для автоматического реагирования.

«Время и автоматизация — это ключевые факторы, которые помогают нейтрализовать постоянно развивающиеся угрозы, — прокомментировал Бен Аух, старший директор по кибербезопасности медиа-холдинга Gannett. — SentinelOne STAR позволяет нашей ИБ-команде писать собственные правила обнаружения по TTP и IOC для выявления угроз, характерных для нашей ИТ-среды, и их автоматического устранения. Также в отличие от устаревших списков отслеживания технология STAR позволяет легко переключаться с хантинга за угрозами на создание правил обнаружения в реальном времени без необходимости вносить изменения в конфигурацию. SentinelOne проявил себя как надежный партнер на всех этапах нашего сотрудничества и не перестает предлагать инновационные и прорывные решения на рынке кибербезопасности».

Подпишитесь на новости

В НГУ создали платформу для проверки качества данных, на которых обучают ИИ

В Новосибирском государственном университете разработали «Каппу» — платформу для управления данными, на которых обучают ИИ. Она должна помочь разобраться, кто подготовил датасет, что в нём меняли и откуда взялась ошибка. Потому что кормить модель мусором, а потом удивляться её ответам — довольно странно.

О разработке и возможности подключения других вузов сообщил сам НГУ. Университетам предлагают бесплатную облачную версию на серверах НГУ либо платную установку в собственной инфраструктуре.

«Каппа» поддерживает разметку и проверку данных, фиксирует версии наборов и авторство изменений. Исправление ошибки сохраняется в новой версии, чтобы при следующем обучении не наступать на те же грабли.

Платформа также позволяет проверять разные модели на подготовленных датасетах. При обучении фиксируются версия данных и параметры, после — результаты тестирования на эталонных наборах. Во время эксплуатации телеметрия помогает отслеживать ошибки и замечать отклонения.

Локальная установка рассчитана в том числе на случаи, когда конфиденциальные данные нельзя выносить за пределы организации.

В репозитории разработчиков среди задач проекта указаны контроль обучения, отслеживание авторства разметки и соблюдения стандартов. Здесь ставка на прослеживаемость: прежде чем требовать от ИИ безупречных ответов, полезно выяснить, чему именно его учили.

RSS: Новости на портале Anti-Malware.ru