In diesem Artikel stellen wir einige Ideen vor, wie sich die Ausnutzung (d. h. der Missbrauch) von Schwachstellen in Netzwerk Gerät en erkennen und aufspüren lässt und wie Network Detection and Response (NDR) diese Analyse unterstützt. Wenn Sie im Bereich Cybersicherheit tätig sind, ist Ihnen die folgende Schlagzeile sicherlich bekannt:
Die Sicherheitslücke XY auf Produkt Z kann es einem nicht authentifizierten Benutzer ermöglichen, über speziell gestaltete Anfragen an den Netzwerkdienst 1234/tcp unautorisierten Code oder Befehle auszuführen.
Eine der ersten Fragen, die Teams für die Erkennung von Sicherheitsverletzungen ( Bedrohung ) oder die Reaktion auf Sicherheitsvorfälle ( Vorfall ) zu klären versuchen, lautet: „Wurde die Sicherheitslücke bereits ausgenutzt?“. Oft fehlen dabei die erforderlichen Netzwerkprotokolle für Geräte zur Erkennung von Sicherheitsverletzungen ( hardware ). Unter anderem müssen folgende Fragen beantwortet werden:
- Welche Endpunkte sind wann mit diesem Netzdienst verbunden?
- Welche ausgehenden Verbindungen wurden von diesem Netzwerk Gerät hergestellt?
- Wie lassen sich ab sofort der Netzwerkdienst und die Netzwerk Gerät überwachen?
UnserProdukt „Exeon.NDR“ deckt die folgenden Bereiche ab: „ use cases “ für die Erkennung sowie „Vorfall “ für die Analyse der Reaktionsmaßnahmen.
- Dieintegrierten Netzwerküberwachungsfunktionenzeigen Clients an, die neu auf diesen anfälligen Port zugreifen, basierend auf den dafür ermittelten gängigen „ Verhalten “.
- Holen Sie sich die Sichtbarkeit zu den Flussprotokollen in Active Services oder Flow Analytics zu prüfen:
- ob es Verbindungen zu/von diesem Rechner gibt, indem Sie nach der IP oder dem Port suchen (z. B. 1234/tcp)
- wie hoch das Verkehrsaufkommen für diesen Anschluss ist, indem Sie die Tabelle unterhalb des Diagramms in Flow Analytics prüfen
- wie sich die Verbindungen/Ports im Laufe der Zeit verändert haben
Erstellen Sie neue Erkennungen speziell für:
- Verbindungen und Datenverkehr zum Hafen bzw. zum Netzwerk Gerät im Allgemeinen sowie
- Verbindungen und Datenverkehr von diesem Netzwerk Gerät zum restlichen Netzwerk
- Durch die Erstellung von XLOG-Tags für diesen Port oder diese IP für erfolgreiche Verbindungen oder Verkehrsaufkommen und entsprechende Analysatoren für diese Tags.
Gewinnen Sie neue Erkenntnisse und entwickeln Sie Maßnahmen für Ihr „ Vorfall “-Einsatzteam:
- Automatisch erkennen, wo und wie ein Angriff erfolgte
- Das IR-Team kann den Schaden sofort eindämmen
- Beseitigen Sie die Ursache des Vorfall
- Für alle Fälle, in denen das „ Vorfall “-Einsatzteam ein neues Teammitglied gewinnt. 😊
Noch besser mit maschinelles Lernen
Was „Network Detection and Response“ im Allgemeinen leistet und wie insbesondere Exeon.NDR mit seinen maschinelles Lernen Funktionen im Einzelnen, können Schwachstellen und Angriffsvektoren in Ihrem Netzwerk auf folgende Weise erkennen und beheben:
Umfassende Datenerfassung und Verkehrsüberwachung:
Unsere NDR-Lösung erfasst und analysiert kontinuierlich Netzwerkdaten wie Protokolldaten, Paketdaten, Flow-Daten sowie weitere relevante Informationen. Dadurch bietet sie einen umfassenden Einblick in die Netzwerkaktivitäten und stellt den Teams derSOC ein hervorragendes Werkzeug zur Verfügung, um potenzielle Bedrohungen oder Sicherheitsvorfälle zu erkennen und zu beheben.
Verhaltensanalyse:
Wir nutzen Algorithmen zur „ maschinelles Lernen “, um die Basislinie des normalen Netzwerkverhaltens zu ermitteln. Durch die Analyse historischer Daten lernen unsere Algorithmen, was für das Netzwerk „normal“ ist (seine Kommunikationsmuster, typische „ Datenfluss “ und Datenverkehr, die verwendeten Anwendungen und Dienste usw.).
Mithilfe von Algorithmen des maschinellen Lernens kann Exeon.NDR Abweichungen von der etablierten Basislinie erkennen (verdächtige Verbindungen, ungewöhnliche Datenübertragungen außerhalb von Mustern, laterale Bewegungen, Datenexfiltration), usw. und unerwartete Ereignisse oder ungewöhnliche Muster identifizieren und somit den NDR alarmieren.
Verhaltensprofilierung:
maschinelles Lernen Algorithmen können für jeden Nutzer oder jede „ Gerät “ innerhalb des Netzwerks Verhaltensmuster erstellen. Durch das Verständnis typischer Verhaltensweisen von Nutzern und „ Gerät “ kann das System Abweichungen von diesen Profilen erkennen, die auf kompromittierte Konten oder Geräte hindeuten könnten.
maschinelles Lernen ermöglicht es uns, Bedrohungen in Echtzeit zu erkennen und darauf zu reagieren, wodurch sich die Zeitspanne zwischen Erkennung und Reaktion verkürzt. Durch die Alarmierung SOC Teams ermöglichen wir eine schnelle Eindämmung potenzieller Bedrohungen.
Schnell und effizient:
Da unser System dank „ maschinelles Lernen “ kontinuierlich aus neuen Daten lernt und seine Erkennungsgenauigkeit im Laufe der Zeit verbessert, lassen sich Fehlalarme reduzieren, und die Teams von „ SOC “ können sich besser auf echte Bedrohungen konzentrieren. Darüber hinaus können wir dank „ maschinelles Lernen “ auch riesige Datenmengen überwachen, bei denen regelbasierte Systeme längst an ihre Grenzen stoßen würden.
Sind Sie an einer Führung durch das Schweizer Netzwerküberwachungs-Tool mit einem unserer Cybersecurity-Experten interessiert? Vereinbaren Sie noch heute einen kostenlosen Beratungstermin.
