In mijn vorige blog vertelde ik over hoe het dreigingslandschap zich heeft ontwikkeld en de tekortkomingen van siem-oplossingen (security information and event management) bij de bestrijding van cyberaanvallen. Waar siem's hebben gefaald, blijken toepassingen voor beveiligingsanalyse wel succesvol te zijn.
De meeste software voor beveiligingsanalyse bestaat uit een combinatie van dreigingsinformatie en datawetenschappelijke technieken om de detectie en bestrijding te versnellen. Maar ook al zijn veiligheidsanalyses zeer waardevol voor beveiligingsteams, de resultaten variëren sterk per leverancier. Dit is voornamelijk te wijten aan overijverige of slecht gekozen toepassingen van datawetenschappelijke technieken.
Datawetenschap biedt enorme mogelijkheden voor cybersecurity, maar het is nog geen alles-in-één-oplossing. In bepaalde gevallen kan het gebruik van machine learning leiden tot meer ruis en waarschuwingen dan beveiligingsexperts willen. Het is daarom belangrijk om te weten wanneer en waar machine learning moet worden toegepast.
Oude gewoontes
Beveiligingsanalyses helpen ook om te voldoen aan de wetgeving voor gegevensbescherming. De op risico gebaseerde aanpak van de AVG heeft de bescherming van persoonsgegevens verbeterd. Ondanks de vooruitgang vervallen veel organisaties nog steeds in oude gewoontes. Bedrijfsbeleid en -gevoelens komen vaak voort uit eerdere regelgeving. Deze is er vaak op gericht gegevens in eigen land te bewaren en houdt geen rekening met het grotere plaatje en de algemene doelstelling. Persoonsgegevens beveiligen op basis van een risicogebaseerde aanpak betekent dat de beste controles worden geselecteerd om dit te doen. Op het gebied van beveiliging laten de trends zien dat over een paar jaar geavanceerde beveiligingsoplossingen voornamelijk via de cloud zullen worden geleverd. Het gaat er niet meer om waar de gegevens zich bevinden, maar hoe de gegevens worden beveiligd.
Siem’s zijn misschien niet toereikend voor de branche, maar software kan op zich veel goedmaken. Bepaalde spftware analyseert alle veiligheidsrelevante gegevens aan de hand van kennis van dreigingen. Deze is vaak opgedaan op basis van uitgebreid onderzoek en veel ervaring met incidenten. Beveiliging is dus al ingebouwd. Dat zorgt voor een effectievere detectie en reactie op bedreigingen. Het is tijd voor een nieuwe aanpak.