el más reciente

― Advertisement ―

Relacionada

spot_img
HomeTecnologíaLas debilidades ocultas en las herramientas de AI SOC de las que...

Las debilidades ocultas en las herramientas de AI SOC de las que nadie habla

Si está evaluando las plataformas SOC con AI, es probable que haya conocido afirmaciones en negrita: triaje más rápido, remediación más inteligente y menos ruido. Pero debajo del capó, no toda la IA se crea igual. Muchas soluciones se basan en modelos de IA previamente entrenados que están cableados para un puñado de casos de uso específicos. Si admisiblemente eso podría funcionar para el SOC de ayer, la verdad de hoy es diferente.

Los equipos de operaciones de seguridad modernas enfrentan un paisaje de alertas en expansión y siempre cambiante. Desde la abundancia hasta el punto final, la identidad hasta el OT, las amenazas internas al phishing, la red hasta el DLP, y muchos más, la letanía continúa y está creciendo continuamente. Los gerentes de CISOS y SOC son correctamente escépticos. ¿Puede esta IA manejar todas mis alertas, o es solo otro motor de reglas disfrazado?

En esta publicación, examinaremos la división entre dos tipos de plataformas AI SOC. Aquellos construidos en IA adaptativo, que aprende a triaite y rebate a cualquier tipo de alerta, y aquellos que dependen de la IA previamente capacitada, limitadas al manejo de casos de uso predefinidos solamente. Comprender esta diferencia no es solo docente; Es la secreto para construir un SoC resistente que esté presto para el futuro.

¿Qué es un maniquí de IA pre-entrenado?

Los modelos de IA previamente entrenados en el SOC se desarrollan típicamente mediante la capacitación de algoritmos de enseñanza maquinal en datos históricos de casos de uso de seguridad específicos, como detección de phishing, alertas de malware de punto final y similares. Los ingenieros seleccionan conjuntos de datos grandes y etiquetados y sintonizan los modelos para buscar patrones comunes y pasos de remediación asociados con esos casos de uso. Una vez implementado, el maniquí funciona como un asistente enormemente especializado. Cuando se encuentra con un tipo de alerta en el que fue entrenado, puede clasificar rápidamente la alerta, asignar un puntaje de confianza y encomendar la ulterior movimiento, a menudo con una precisión impresionante.

Esto hace que la IA previamente capacitada sea particularmente adecuada para categorías de alerta repetibles y de stop barriguita, donde el comportamiento de la amenaza es admisiblemente entendida y relativamente consistente con el tiempo. Puede estrechar drásticamente los tiempos de clasificación, la finalidad de remediación clara de la superficie y eliminar el trabajo redundante al automatizar los flujos de trabajo de seguridad comunes. Para las organizaciones con perfiles de amenazas predecibles, los modelos previamente capacitados ofrecen una vía rápida a la eficiencia operativa, ofreciendo un valía fuera de la caja sin requerir una personalización profunda.

¿Pero existen tales organizaciones? Si lo hacen, ciertamente están remotamente y pocos en el medio, lo que nos lleva a nuestra próxima sección. Las limitaciones de la IA previa capacitada.

Limitaciones de un maniquí de IA pre-entrenado para el SOC

A pesar de su atractivo auténtico, los modelos de IA pretrados conlumbres vienen con limitaciones significativas, especialmente para las organizaciones que buscan una cobertura de alerta amplia y adaptable. Desde el punto de olfato comercial, el inconveniente más crítico es que la IA previamente capacitada solo puede clasificar lo que se ha enseñado explícitamente, similar a los SOAS que solo pueden ejecutar acciones basadas en libros de jugadas preconfigurados.

Esto significa que los proveedores de AI SOC que dependen del enfoque previamente capacitado deben desarrollar, probar e implementar nuevos modelos para cada caso de uso individual, un proceso inherentemente calmoso e intensivo en capital. Como resultado, sus clientes (es opinar, equipos de SOC) a menudo se quedan esperando una cobertura más amplia de los tipos de alerta existentes y emergentes. Este enfoque de mejora rígido dificulta la agilidad y obliga a los equipos de SOC a acudir a flujos de trabajo manuales para cualquier cosa que no esté cubierta.

Leer  Tiktok se estrelló con 530 millones de euros GDPR multa por enviar datos de la UE a China

En entornos de rápido cambio donde las señales de seguridad evolucionan constantemente, los modelos previamente capacitados luchan para abastecer el ritmo, rápidamente desactualizado o débil. Esto puede crear puntos ciegos, una calidad de clasificación inconsistente y una veterano carga de trabajo de analistas, lo que socava las ganancias de eficiencia que la IA debía entregar.

¿Qué es un maniquí de IA adaptativo?

En el contexto del triaje SOC, la IA adaptativa representa un cambio fundamental de las limitaciones de los modelos previamente capacitados. A diferencia de los sistemas estáticos que solo pueden replicar a las alertas en las que fueron entrenadas, la IA adaptativa está construida para manejar cualquier alerta, incluso una que nunca antaño había conocido. Cuando se ingiere una nueva alerta, la IA adaptativa no error en silencio ni difiere a un humano; En cambio, investiga activamente la nueva alerta. Comienza analizando la estructura, la semántica y el contexto de la alerta para determinar qué representa y si representa una amenaza. Esta capacidad para investigar alertas novedosas en tiempo verdadero (que es lo que hacen los analistas experimentados de nivel superior) es lo que permite a la IA adaptativa a Triage y replicar en todo el espectro de señales de seguridad sin requerir capacitación previa para cada caso de uso.

Esta capacidad es válida tanto para los tipos de alerta que la IA adaptativa nunca ha conocido antaño, así como para nuevas variaciones de amenazas (por ejemplo, una nueva forma de malware).

Técnicamente, la IA adaptativa utiliza la clasificación semántica para evaluar cuán estrechamente una nueva alerta se asemeja a las alertas previamente vistas. Si hay una coincidencia musculoso, puede reutilizar de modo inteligente un esquema de triaje existente: un conjunto estructurado de preguntas y acciones de investigación adaptadas a las características de la alerta. La IA realiza un examen nuevo, que incluye efectuar los resultados de cada paso en el esquema de clasificación, evaluar estos resultados, identificar áreas adicionales para investigar y finalmente reunir una conclusión.

Pero cuando la alerta es novedosa o desconocida, el sistema cambia al modo de descubrimiento. Aquí, Agentes de investigación, Al igual que los analistas de SOC senior, buscarán documentos de proveedores, alimentos de inteligencia de amenazas, así como sitios web y foros de buena reputación. Luego analizan toda la información y compilan un referencia que define lo que representa la nueva alerta, por ejemplo, es malware o algún otro tipo de amenaza. Con esto, los agentes construyen dinámicamente un nuevo esquema de triaje. Estos contornos se pasan a agentes de triajeque ejecutan el proceso de triaje completo de forma autónoma. Esto es posible porque la IA adaptativa no es un maniquí monolítico. Más admisiblemente, es un sistema coordinado de docenas de agentes de IA especializados, cada uno capaz de realizar una variedad de tareas. En casos complejos, estos agentes pueden realizar colectivamente más de 150 trabajos de inferencia para clasificar completamente una sola alerta, desde el lucro de datos hasta la energía de amenazas hasta la planificación de la remediación.

A diferencia de la IA previamente capacitada, donde toda la investigación está cargada por entrenadores humanos y el triaje está pequeño al conocimiento petrificado y potencialmente anticuado, la IA adaptativa aporta un enseñanza continuo y la ejecución al SOC con agentes de investigación que aprovechan los capital actualizados, en radio e inteligencia de amenazas. Una vez que los agentes de investigación han aparecido nuevas ideas, los comparten inmediatamente con agentes de triaje para completar el proceso de clasificación. Esta colaboración de agente a agente hace que el sistema sea flexible y escalable, lo que permite a los equipos de seguridad automatizar con confianza el triaje en todo su panorama de alerta sin esperar a que los proveedores se pongan al día con nuevos casos de uso o patrones de ataque.

Leer  La función de dispositivos vinculados de Hackers Explloit Signal para secuestrar cuentas a través de códigos QR maliciosos

Por qué múltiples LLM son mejores que uno para SOC Triage

El uso de múltiples modelos de idiomas grandes (LLM) en el SOC no es solo una audacia técnica, es una preeminencia estratégica. Cada LLM tiene sus propias fortalezas, ya sea un razonamiento profundo, síntesis conciso, procreación de código o comprensión multilingüe. Al orquestar un conjunto de modelos complementarios, una plataforma AI adaptativa asigna el maniquí correcto a la tarea correcta, asegurando así el triaje más preciso, válido y consciente del contexto. Por ejemplo, un maniquí puede sobresalir en el examen de registros de seguridad estructurados, otro para comprender las narraciones de entradas no estructuradas o los correos electrónicos de phishing, mientras que un tercio podría optimizarse para originar scripts de remediación o consultar la infraestructura en la abundancia.

Esta edificación multi-LLM agrega resistor y profundidad al proceso de clasificación. Si un maniquí lucha por comprender o clasificar una alerta novedosa, otro podría ofrecer una mejor interpretación o enrutar el problema a través de una ruta de razonamiento diferente. Además reduce el sesgo de un solo maniquí y la amplificación de errores, que son riesgos comunes en los sistemas de mono-modelos. Lo más importante, permite que la plataforma mejore continuamente mediante la evaluación comparativa del rendimiento del maniquí en las tareas SOC del mundo verdadero y el cambio dinámico entre ellas en función de la calidad, la latencia o el costo.

En esencia, el uso de múltiples LLM asegura que el SOC obtenga lo mejor de todos los mundos: velocidad, precisión, flexibilidad y robustez, adaptada a la complejidad y la riqueza de los entornos de seguridad modernos. Es una dilema de diseño arraigada en las deyección de SOC del mundo verdadero, no a la exageración de IA.

Los beneficios comerciales del maniquí de IA adaptativo

La IA adaptativa ofrece un valía transformador tanto al SOC como a la estructura más amplia al eliminar los cuellos de botella operativos que tradicionalmente han ralentizado los equipos de seguridad. Desde una perspectiva comercial, acelera drásticamente el tiempo de valía al proporcionar una cobertura de triaje inmediata en todos los tipos de alerta, sin esperar el mejora del maniquí dirigido por el proveedor o la ajuste manual.

La IA adaptativa puede manejar todos los tipos de alerta y fuentes de datos

Esto significa una detección más rápida, una respuesta más rápida y una veterano resistor en los entornos evolutivos. En el frente de seguridad, la IA adaptativa asegura que ninguna alerta, sin importar cuán novedosa u oscura, se deslice a través de las grietas oportuno a las limitaciones del maniquí. Se adapta a nuevas fuentes de datos, técnicas de ataque y vectores de amenazas a medida que emergen, cerrando puntos ciegos y mejorando la cobertura normal de amenazas.

Para los analistas humanos, la IA adaptativa actúa como un poderoso multiplicador de fuerza: automatiza el trabajo pesado de investigación, elimina la trabajo de alerta y superficies de reincorporación contexto y visión de reincorporación confianza que permiten a los analistas centrarse en los problemas más estratégicos y de stop aventura. El resultado es un SOC más ágil, válido y empoderado, uno que puede ascender sin comprometer la calidad o la cobertura.

Leer  Spynote, Badbazaar, Moonshine Malware Target Android e usuarios de iOS a través de aplicaciones falsas

Otras características esenciales de las plataformas AI SOC

Encima de un maniquí de IA adaptativo que puede clasificar cualquier tipo de alerta, los equipos de SOC necesitan más para aumentar la eficiencia y la productividad de SOC de extremo a extremo.

Incluso a posteriori de que todos los falsos positivos se hayan triadas automáticamente y solo las amenazas reales se intensifiquen a los incidentes, los analistas humanos aún necesitan inventar y ejecutar acciones de respuesta.

Encima, los analistas de nivel 3 con frecuencia querrán profundizar en los troncos subyacentes para la caza de amenazas y los forenses. Para evitar el objetivo de “apero giratoria”, una plataforma adaptativa de AI SOC además debe proporcionar capacidades integradas de respuesta y registro de la ulterior modo:

Automatización de respuesta integrada

Si se ha considerado una alerta maliciosa, la IA adaptativa genera acciones personalizadas y recomendadas para remediar la amenaza. Los analistas humanos pueden ejecutar la remediación recomendada de un solo clic o hacerlo manualmente con finalidad paso a paso.

Encima, no es necesario configurar o abastecer ningún ejemplar de jugadas complejos con la IA que mantiene la razonamiento de movimiento de respuesta actualizada y relevante para entornos dinámicos.

Registro integrado a una fracción de lo que cuestan los SIEM tradicionales

La dirección de registros de registro incorporada aprovechando el almacenamiento de archivos de la abundancia de clientes y la edificación moderna de registro proporciona consultas y visualizaciones rápidas, y la capacidad de profundizar directamente de las alertas e incidentes en los datos de registro relevantes.

Este enfoque elimina el separación del proveedor con almacenamiento y retención ilimitados por una fracción de lo que cuestan la dirección tradicional de registros y los SIEM.

Esquema

No todas las plataformas AI SoC son creadas iguales. Si admisiblemente la IA previamente capacitada ofrece una automatización estrecha y vinculada a las reglas para tipos de alerta familiares, lucha por abastecer el ritmo del panorama de amenazas dinámico e impredecible de hoy. La IA adaptativa, por el contrario, ofrece enseñanza continuo, investigación en tiempo verdadero y triaje de espectro completo para cualquier alerta. Impulsado por múltiples LLMS especializados y un sistema coordinado de agentes de investigación y triaje, adaptativo IA, los equipos de seguridad se centran en amenazas reales con velocidad, flexibilidad y confianza.

Para positivamente impulsar la eficiencia y la escalera, una plataforma AI SOC además necesita automatización de respuesta integrada y dirección de registros incorporada, lo que permite a los analistas remediar rápidamente las amenazas y perforar sin problemas en los datos de registro subyacentes sin la sobrecarga o el costo asociado con los SIEM heredados. Con la IA adaptativa, las organizaciones finalmente pueden liberarse de las limitaciones heredadas y intervenir un SOC que mantiene el ritmo del mundo verdadero.

Acerca de la plataforma AI SOC adaptativa de Radiant

Radiant proporciona una plataforma adaptativa de AI SOC diseñada para equipos de seguridad empresarial que buscan afrontar completamente el 100% de las alertas que reciben de múltiples herramientas y sensores. Triando alertas de cualquier proveedor de seguridad o fuente de datos, Radiant garantiza que se detecten amenazas reales en minutos. Con la automatización de respuesta integrada, MTTR se reduce de días a minutos, lo que permite a los analistas centrarse en incidentes reales y seguridad proactiva.

Encima, la dirección de registros integrada y ultraffordable de Radiant permite a los equipos de SOC consentir a todos los datos relevantes para fines forenses y de cumplimiento, todo sin separación de proveedores y los altos costos asociados con las soluciones SIEM tradicionales.

Programe una demostración ¡Con uno de nuestros amables y conocedores de productos de productos y ver cómo Radiant puede trabajar para usted!

El más popular

spot_img