Estimated reading time: 5 minuti
SNYPR è uno strumento di analisi della sicurezza in grado di trasformare i Big Data in informazioni facilmente fruibili. Come spesso sottolineiamo, le minacce informatiche si stanno evolvendo in continuazione diventando sempre più insidiose. Gli strumenti di analisi della sicurezza fanno il possibile per restare al passo. A volte diventano rapidamente obsoleti e non riescono a far fronte a tutte le nuove minacce informatiche. I SIEM tradizionali sviluppati negli ultimi decenni non possono più gestire l’enorme volume e la varietà di informazioni provenienti dalle nuove generazioni di dispositivi IT.
La potenza del motore di analisi di SNYPR, la velocità, la scalabilità e soprattutto la possibilità di archiviare i dati per un lungo termine sfruttando Hadoop, lo rendono uno strumento di sicurezza davvero efficace. Proprio di questo oggi trattiamo e cerchiamo di approfondire la sua utilità.
Cos’è SNYPR: qualche dato in più
Come detto prima, SNYPR è uno strumento di analisi che lavora con i Big Data, traendone informazioni e rendendole più semplici da utilizzare. Grazie alla capacità di acquisire enormi quantità di informazioni, SNYPR è uno dei più sofisticati sistemi di sicurezza presenti sul mercato. La sua forza risiede nell’elaborazione ed esame in tempo reale di analisi comportamentali riguardanti entità ed utenti.
SNYPR è in grado di combinare la gestione dei log SIEM e UEBA in un’efficace piattaforma end-to-end completamente modulare. È in grado, inoltre, di eseguire analisi di sicurezza avanzate sfruttando algoritmi di apprendimento automatico su enormi volumi di dati, tutto in tempo reale.
Come funziona
Al giorno d’oggi sempre più aziende e organizzazioni raccolgono, archiviano e memorizzano enormi volumi di informazioni e dati ma non tutti li utilizzano al fine di garantire una migliore sicurezza per l’infrastruttura e per i suoi utenti. SNYPR è stato progettato appositamente per gestire i miliardi di eventi provenienti da differenti fonti.
La piattaforma è in grado di integrarsi perfettamente con le varie fonti di informazioni aziendali riguardanti gli eventi. Oltre a sfruttare questi dati, li arricchisce ulteriormente integrando altre fonti di informazione di diversa entità. Sfruttando la potenza dei Big Data e mettendo a disposizione la sua intelligenza artificiale nelle mani degli esperti di sicurezza, SNYPR permette di far fronte alle minacce informatiche in maniera tempestiva. Questo riduce i rischi che l’azienda corre quando si tratta di gestione dei dati. Permette di bloccare anche le minacce più persistenti e sofisticate, che di solito sono più difficili da identificare.
La differenza sostanziale tra SNYPR e altre soluzioni di sicurezza è il suo uso di algoritmi di rilevamento delle minacce che scansionano costantemente i dati per rilevare anomalie sugli eventi di sicurezza e sugli accessi. Mentre molte altre piattaforme raccolgono soltanto i dati, conservandoli e fornendo reportistica, SNYPR permette di rilevare i modelli di minacce avanzate e persino sabotaggi interni.
SNYPR: caratterische principali
L’open data model di SNYPR utilizza uno standard comune di dati per tutti gli eventi di sicurezza nel Security Data Lake (SDL). Questo consente alle aziende di conservare una copia dei dati nel SDL e di renderla disponibile a qualsiasi applicazione per eseguire analisi personalizzate.
A differenza dei tradizionali strumenti di gestione dei log, i dati non sono bloccati da codice proprietario, sono invece, appunto, open. Ciò permette agli utenti di utilizzare, condividere, gestire e aver accesso ai dati senza dover dipendere da alcuna piattaforma proprietaria.
In seguito sono elencate alcune delle caratteristiche principali SNYPR.
Arricchimento dei dati
Tutte le informazioni acquisite da SNYPR sono standardizzate, riassunte e arricchite nel momento in cui vengono registrate con informazioni contestualmente rilevanti, come dati riguardanti l’utente, le informazioni di terzi e i dati di geolocalizzazione.
Analisi distribuita del comportamento
Sfruttando la natura modulare e scalabile di Hadoop, SNYPR esegue il rilevamento distribuito delle anomalie in tempo reale, indipendentemente dalla quantità di dati in entrata nella piattaforma.
Indagine storica
Con gli strumenti messi a disposizione dalla piattaforma, gli operatori possono indagare su vecchi log per capire chi stava facendo cosa, quando e perché, avendo tutte le informazioni contestuali necessarie.
Scalabilità
Architettura completamente distribuita e scalabile per la raccolta, l’elaborazione e l’analisi di petabyte (1Pt = 1.000Tb = 1.000.000Gb) di informazioni, resa possibile anche grazie all’archiviazione a lungo termine di Hadoop.
Ridondanza dei dati
Tutte le informazioni acquisite, elaborate e analizzate da SNYPR sono automaticamente riprodotte su nodi di dati Hadoop con filesystem distribuito per garantire tolleranza agli errori.
Cosa contraddistingue SNYPR
È possibile riassumere le caratteristiche essenziali di SNYPR che lo contraddistinguono da tutte le altre piattaforme di sicurezza in 3 punti:
– SNYPR consente alle organizzazioni di identificare minacce interne, l’abuso dell’utilizzo di privilegi amministrativi, movimenti non autorizzati di dati, minacce persistenti avanzate e tutte quelle violazioni “difficili da rilevare” che coinvolgono malware sofisticati.
– SNYPR è uno strumento in grado di identificare anche le minacce più persistenti, gli attacchi “low and slow”, attacchi che si estendono per un lungo periodo. Permette di ridurre fino al 95% i falsi allarmi, risparmiando risorse aziendali.
– Molti leader del settore, organizzazioni governative e centinaia di altre aziende importanti fanno affidamento alla piattaforma SNYPR per proteggere le loro infrastrutture grazie alle sue funzionalità di monitoraggio e rilevamento delle minacce.
Conclusioni
Abbiamo visto cos’è SNYPR e in che modo può essere utile. Affiancato ad un SOCaaS, grazie alla sua capacità di interfacciarsi facilmente con altre applicazioni, è uno strumento davvero prezioso.
Se hai dei dubbi e desideri contattarci puoi farlo utilizzando il pulsante qui in basso.
Useful links:
Estimated reading time: 5 minuti
Con l’avvento delle piattaforme di big data, le aziende che si occupano di sicurezza IT possono ora prendere decisioni guidate su come proteggere le loro risorse. Registrando il traffico di rete e i flussi di rete è possibile farsi un’idea dei canali sui quali scorrono le informazioni aziendali. Per facilitare l’integrazione di dati tra le varie applicazioni e per sviluppare nuove funzionalità analitiche, ci viene incontro l’Open Data Model di Apache.
L’Open Data Model comune per reti, endpoint e utenti ha diversi vantaggi. Per esempio, l’integrazione più semplice tra le varie applicazioni di sicurezza, ma anche le aziende sono facilitate nella condivisione delle analisi nel caso in cui vengono rilevate nuove minacce.
Hadoop offre strumenti adeguati per gestire un Security Data Lake (SDL) e l’analisi dei big data. Si possono anche rilevare eventi che di norma sono difficili da identificare, come ad esempio il lateral movment, fughe di dati, problemi interni o comportamenti furtivi in generale. Grazie alle tecnologie che ci sono dietro al SDL è possibile raccogliere i dati del SIEM per poterli sfruttare tramite SOCaaS dato che, essendo un Open Data Model libero, i log sono memorizzati in maniera tale da poter essere utilizzati da chiunque.
Cos’è Hadoop Open Data Model
Apache Hadoop è un software gratuito e open source che aiuta le aziende a ottenere informazioni sui loro ambienti di rete. L’analisi dei dati raccolti porta all’individuazione di potenziali minacce di sicurezza o eventuali attacchi che avvengono tra le risorse in cloud.
Mentre i tradizionali strumenti di Cyber Threat Intelligence aiutano nell’identificazione delle minacce e degli attacchi in generale, un Open Data Model fornisce uno strumento che permettere alle aziende di rilevare connessioni sospette sfruttando l’analisi dei flussi e dei pacchetti.
Hadoop Open Data Model unisce tutti i dati relativi alla sicurezza (eventi, utenti, reti, ecc) in un’unica area visiva che può essere utilizzata per identificare le minacce in modo efficace. È possibile anche utilizzarli anche per creare nuovi modelli analitici. Infatti, un Open Data Model permette la condivisione e il riutilizzo dei modelli di rilevamento minacce.
Un Open Data Model, inoltre, fornisce una tassonomia comune per descrivere i dati telemetrici di sicurezza utilizzati per scovare le minacce. Utilizzando strutture e schemi di dati nella piattaforma Hadoop è possibile raccogliere, archiviare e analizzare i dati relativi alla sicurezza.
Open Data Model Hadoop, i vantaggi per le aziende
- – Archiviare una copia dei dati telemetrici di sicurezza
- – Sfruttare le analisi out-of-the-box per rilevare le minacce che puntano a DNS, Flow e Proxy
- – Costruire analisi personalizzate in base alle proprie esigenze
- – Permette a terzi di interagire con l’Open Data Model
- – Condividere e riutilizzare i modelli di rilevamento delle minacce, algoritmi, visualizzazioni e analisi provenienti dalla community Apache Spot.
- – Sfruttare i dati telemetrici di sicurezza per rilevare meglio le minacce
- – Utilizzo dei registri di sicurezza
- – Ottenere dati dagli utenti, endpoint e dalle entità di rete
- – Ottenere dati di intelligence sulle minacce
Open Data Model: tipi di dati raccolti
Per fornire un quadro completo sulla sicurezza e per analizzare efficacemente i dati relativi alle minacce informatiche, è necessario raccogliere e analizzare tutti i log e gli avvisi riguardanti gli eventi di sicurezza e i dati contestuali inerenti alle entità a cui si fa riferimento in questi log. Le entità più comuni comprendono la rete, gli utenti e gli endpoint ma in realtà sono molte di più, come ad esempio i file e i certificati.
Proprio per la necessità di raccogliere e analizzare gli avvisi di sicurezza, i log e i dati contestuali, i seguenti tipi di dati sono inclusi nel Open Data Model.
Avvisi su eventi di sicurezza in Open Data Model
Questi sono i log relativi agli eventi provenienti da fonti di dati comuni utilizzati per identificare le minacce e comprendere meglio i flussi di rete. Per esempio i log del sistema operativo, i log IPS, i log firewall, i log dei proxy, web e molti altri ancora.
Dati del contesto di rete
Questi includono le informazioni sulla rete che sono accessibili a chiunque dalla directory Whois, oltre che database di risorse e altri fonti di dati simili.
Dati del contesto dell’utente
Questo tipo di dati include tutte le informazioni relative alla gestione degli utenti e della loro identità. Sono incluse anche Active Directory, Centrify e altri sistemi simili.
Dati del contesto dell’endpoint
Comprende tutte le informazioni sui sistemi endpoint (server, router, switch). Possono provenire da sistemi di gestione delle risorse, scanner delle vulnerabilità e sistemi di rilevamento.
Dati contestuali sulle minacce
Questi dati contengono informazioni contestuali su URL, domini, siti web, file e molto altro ancora, sempre inerenti alle minacce conosciute.
Dati contestuali sulle vulnerabilità
Questi dati includono informazioni sulle vulnerabilità e sui sistemi di gestione delle vulnerabilità.
Articoli della RoadMap
Questi sono dati contestuali dei file, certificati, convenzione di denominazione.
Denominazione degli attributi
Una convenzione di denominazione è necessaria per un Open Data Model al fine di rappresentare gli attributi tra prodotti e tecnologie del fornitore. La convezione di denominazione è composta da prefissi (net, http, src, dst, etc) e da nomi di attributi comuni (ip4, usarname, etc).
È comunque opportuno utilizzare più prefissi in combinazione con un attributo.
Conclusioni
Abbiamo visto cos’è l’Open Data Model di Hadoop e come può essere impiegato grazie alla sua capacità di filtrare il traffico ed evidenziare potenziali attacchi informatici elencando i flussi sospetti, le minacce per gli utenti, i pericoli per gli endpoint e le principali minacce di rete.
Se hai dubbi o desideri avere ulteriori chiarimenti non esitare a contattarci premendo il pulsante qui in basso, saremo lieti di rispondere ad ogni domanda.
Useful links:
Customers
Twitter FEED
Recent activity
-
SecureOnlineDesktop
Estimated reading time: 6 minutes L'impatto crescente delle minacce informatiche, su sistemi operativi privati op… https://t.co/FimxTS4o9G
-
SecureOnlineDesktop
Estimated reading time: 6 minutes The growing impact of cyber threats, on private or corporate operating systems… https://t.co/y6G6RYA9n1
-
SecureOnlineDesktop
Tempo di lettura stimato: 6 minuti Today we are talking about the CTI update of our services. Data security is… https://t.co/YAZkn7iFqa
-
SecureOnlineDesktop
Estimated reading time: 6 minutes Il tema della sicurezza delle informazioni è di grande attualità in questo peri… https://t.co/tfve5Kzr09
-
SecureOnlineDesktop
Estimated reading time: 6 minutes The issue of information security is very topical in this historical period ch… https://t.co/TP8gvdRcrF
Newsletter
{subscription_form_2}Prodotti e Soluzioni
Collaborazioni
Modelli Cloud
News
- Da Secure Online Desktop a Cyberfero: il rebranding dell’azienda leader nella cybersecurity Maggio 6, 2024
- NIS2 – Come il nuovo regolamento cyber potenzia la sicurezza dell’Europa Aprile 22, 2024
- Advanced persistent threat (APT): cosa sono e come difendersi Aprile 17, 2024
- Penetration Testing e MFA: Una Strategia Duplice per Massimizzare la Sicurezza Aprile 15, 2024
- SOAR e l’automazione della sicurezza informatica Marzo 27, 2024
Recensioni Google
Ottima azienda, servizi molto utili, staff qualificato e competente. Raccomandata!leggi di più
Ottimo supportoleggi di più
E' un piacere poter collaborare con realtà di questo tipoleggi di più
Un ottimo fornitore.
Io personalmente ho parlato con l' Ing. Venuti, valore aggiunto indubbiamente.leggi di più
Contatti
© 2024 Cyberfero s.r.l. All Rights Reserved. Sede Legale: via Statuto 3 - 42121 Reggio Emilia (RE) – PEC [email protected] Cod. fiscale e P.IVA 03058120357 – R.E.A. 356650 Informativa Privacy - Certificazioni ISO