આજે અમે નવીનતમ પર આધારિત યુઝર અને એન્ટિટી બિહેવિયરલ એનાલિટિક્સ (UEBA) માર્કેટનું સંક્ષિપ્ત વિહંગાવલોકન પ્રદાન કરીશું ગાર્ટનર સંશોધન. ગાર્ટનર હાઇપ સાયકલ ફોર થ્રેટ-ફેસિંગ ટેક્નોલોજી અનુસાર યુઇબીએ માર્કેટ “ભ્રમણાના તબક્કા”ના તળિયે છે, જે ટેક્નોલોજીની પરિપક્વતા દર્શાવે છે. પરંતુ પરિસ્થિતિનો વિરોધાભાસ UEBA ટેક્નોલોજીમાં રોકાણની એક સાથે સામાન્ય વૃદ્ધિ અને સ્વતંત્ર UEBA સોલ્યુશન્સના અદ્રશ્ય થઈ રહેલા બજારમાં રહેલો છે. ગાર્ટનર આગાહી કરે છે કે UEBA સંબંધિત માહિતી સુરક્ષા ઉકેલોની કાર્યક્ષમતાનો ભાગ બનશે. "UEBA" શબ્દ સંભવતઃ ઉપયોગમાંથી બહાર નીકળી જશે અને સંકુચિત એપ્લિકેશન વિસ્તાર (દા.ત., "યુઝર બિહેવિયર એનાલિટિક્સ"), સમાન એપ્લિકેશન વિસ્તાર (દા.ત., "ડેટા એનાલિટિક્સ") પર કેન્દ્રિત અન્ય ટૂંકાક્ષર દ્વારા બદલવામાં આવશે, અથવા ફક્ત અમુક બની જશે. નવો બઝવર્ડ (ઉદાહરણ તરીકે, "કૃત્રિમ બુદ્ધિ" [AI] શબ્દ રસપ્રદ લાગે છે, જો કે આધુનિક UEBA ઉત્પાદકોને તેનો કોઈ અર્થ નથી).

ગાર્ટનર અભ્યાસમાંથી મુખ્ય તારણો નીચે પ્રમાણે સારાંશ આપી શકાય છે:

• વપરાશકર્તાઓ અને એન્ટિટીના વર્તણૂકીય વિશ્લેષણ માટે બજારની પરિપક્વતા એ હકીકત દ્વારા પુષ્ટિ થાય છે કે આ તકનીકોનો ઉપયોગ મધ્યમ અને મોટા કોર્પોરેટ સેગમેન્ટ દ્વારા વ્યવસાયિક સમસ્યાઓના ઉકેલ માટે કરવામાં આવે છે;
• UEBA એનાલિટિક્સ ક્ષમતાઓ સંબંધિત માહિતી સુરક્ષા તકનીકોની વિશાળ શ્રેણીમાં બનેલી છે, જેમ કે ક્લાઉડ એક્સેસ સિક્યોર બ્રોકર્સ (CASBs), ઓળખ સંચાલન અને વહીવટ (IGA) SIEM સિસ્ટમ્સ;
• UEBA વિક્રેતાઓની આસપાસનો હાઇપ અને "કૃત્રિમ બુદ્ધિ" શબ્દનો ખોટો ઉપયોગ ગ્રાહકો માટે પાઇલોટ પ્રોજેક્ટ હાથ ધર્યા વિના ઉત્પાદકોની તકનીકો અને ઉકેલોની કાર્યક્ષમતા વચ્ચેના વાસ્તવિક તફાવતને સમજવું મુશ્કેલ બનાવે છે;
• ગ્રાહકો નોંધે છે કે UEBA સોલ્યુશન્સનો અમલીકરણનો સમય અને રોજબરોજનો ઉપયોગ નિર્માતાના વચનો કરતાં વધુ શ્રમ-સઘન અને સમય માંગી શકે છે, પછી ભલેને માત્ર મૂળભૂત ખતરા શોધ મોડલને ધ્યાનમાં લેવામાં આવે. કસ્ટમ અથવા એજ યુઝ કેસ ઉમેરવું અત્યંત મુશ્કેલ હોઈ શકે છે અને ડેટા સાયન્સ અને એનાલિટિક્સમાં કુશળતાની જરૂર પડે છે.

વ્યૂહાત્મક બજાર વિકાસ આગાહી:

• 2021 સુધીમાં, વપરાશકર્તા અને એન્ટિટી બિહેવિયરલ એનાલિટિક્સ (UEBA) સિસ્ટમ્સ માટેનું બજાર એક અલગ વિસ્તાર તરીકે અસ્તિત્વમાં બંધ થઈ જશે અને UEBA કાર્યક્ષમતા સાથે અન્ય ઉકેલો તરફ વળશે;
• 2020 સુધીમાં, તમામ UEBA જમાવટના 95% એક વ્યાપક સુરક્ષા પ્લેટફોર્મનો ભાગ હશે.

UEBA ઉકેલોની વ્યાખ્યા

યુઇબીએ સોલ્યુશન્સ વપરાશકર્તાઓ અને અન્ય સંસ્થાઓ (જેમ કે હોસ્ટ, એપ્લિકેશન, નેટવર્ક ટ્રાફિક અને ડેટા સ્ટોર્સ) ની પ્રવૃત્તિનું મૂલ્યાંકન કરવા માટે બિલ્ટ-ઇન એનાલિટિક્સનો ઉપયોગ કરે છે.
તેઓ ધમકીઓ અને સંભવિત ઘટનાઓ શોધી કાઢે છે, સામાન્ય રીતે સમયાંતરે સમાન જૂથોમાં વપરાશકર્તાઓ અને સંસ્થાઓના પ્રમાણભૂત પ્રોફાઇલ અને વર્તનની તુલનામાં વિસંગત પ્રવૃત્તિનું પ્રતિનિધિત્વ કરે છે.

એન્ટરપ્રાઇઝ સેગમેન્ટમાં સૌથી સામાન્ય ઉપયોગના કિસ્સાઓ ધમકીની શોધ અને પ્રતિભાવ છે, તેમજ આંતરિક ધમકીઓ (મોટાભાગે સમાધાન કરાયેલ આંતરિક; કેટલીકવાર આંતરિક હુમલાખોરો) ની શોધ અને પ્રતિભાવ છે.

UEBA જેવું છે નિર્ણય, અને કાર્ય, ચોક્કસ ટૂલમાં બિલ્ટ:

• ઉકેલ એ "શુદ્ધ" UEBA પ્લેટફોર્મના ઉત્પાદકો છે, જેમાં વિક્રેતાઓનો સમાવેશ થાય છે જેઓ અલગથી SIEM સોલ્યુશન્સ પણ વેચે છે. વપરાશકર્તાઓ અને સંસ્થાઓ બંનેના વર્તણૂક વિશ્લેષણમાં વ્યવસાયિક સમસ્યાઓની વિશાળ શ્રેણી પર ધ્યાન કેન્દ્રિત કર્યું.
• એમ્બેડેડ - ઉત્પાદકો/વિભાગો કે જે તેમના ઉકેલોમાં UEBA કાર્યો અને તકનીકોને એકીકૃત કરે છે. સામાન્ય રીતે વ્યવસાય સમસ્યાઓના વધુ ચોક્કસ સમૂહ પર ધ્યાન કેન્દ્રિત કરે છે. આ કિસ્સામાં, UEBA નો ઉપયોગ વપરાશકર્તાઓ અને/અથવા સંસ્થાઓના વર્તનનું વિશ્લેષણ કરવા માટે થાય છે.

ગાર્ટનર UEBA ને ત્રણ અક્ષો સાથે જુએ છે, જેમાં સમસ્યા હલ કરનારા, એનાલિટિક્સ અને ડેટા સ્ત્રોતો (આકૃતિ જુઓ).

"શુદ્ધ" UEBA પ્લેટફોર્મ વિરુદ્ધ બિલ્ટ-ઇન UEBA

ગાર્ટનર "શુદ્ધ" UEBA પ્લેટફોર્મને ઉકેલો માને છે જે:

• વિશેષાધિકૃત વપરાશકર્તાઓની દેખરેખ અથવા સંસ્થાની બહારના ડેટાને આઉટપુટ કરવા જેવી કેટલીક ચોક્કસ સમસ્યાઓનું નિરાકરણ, અને માત્ર અમૂર્ત "અસંગત વપરાશકર્તા પ્રવૃત્તિનું નિરીક્ષણ" જ નહીં;
• જટિલ વિશ્લેષણનો ઉપયોગ શામેલ કરો, આવશ્યકપણે મૂળભૂત વિશ્લેષણાત્મક અભિગમો પર આધારિત;
• ઇન્ફ્રાસ્ટ્રક્ચરમાં અલગ એજન્ટો તૈનાત કરવાની ફરજિયાત જરૂરિયાત વિના, ડેટા સંગ્રહ માટે બિલ્ટ-ઇન ડેટા સ્ત્રોત મિકેનિઝમ્સ અને લોગ મેનેજમેન્ટ ટૂલ્સ, ડેટા લેક અને/અથવા SIEM સિસ્ટમ્સ સહિત ઘણા વિકલ્પો પ્રદાન કરે છે;
• માં સમાવવાને બદલે એકલા ઉકેલો તરીકે ખરીદી અને તૈનાત કરી શકાય છે
  અન્ય ઉત્પાદનોની રચના.

નીચેનું કોષ્ટક બે અભિગમોની તુલના કરે છે.

કોષ્ટક 1. "શુદ્ધ" UEBA સોલ્યુશન્સ વિ બિલ્ટ-ઇન સોલ્યુશન્સ

શ્રેણી	"શુદ્ધ" UEBA પ્લેટફોર્મ	બિલ્ટ-ઇન UEBA સાથે અન્ય ઉકેલો
સમસ્યા હલ કરવાની છે	વપરાશકર્તા વર્તન અને સંસ્થાઓનું વિશ્લેષણ.	ડેટાનો અભાવ UEBA ને ફક્ત વપરાશકર્તાઓ અથવા સંસ્થાઓના વર્તનનું વિશ્લેષણ કરવા માટે મર્યાદિત કરી શકે છે.
સમસ્યા હલ કરવાની છે	સમસ્યાઓની વિશાળ શ્રેણીને ઉકેલવા માટે સેવા આપે છે	મર્યાદિત કાર્યોમાં નિષ્ણાત છે
ઍનલિટિક્સ	વિવિધ વિશ્લેષણાત્મક પદ્ધતિઓનો ઉપયોગ કરીને વિસંગતતા શોધ - મુખ્યત્વે આંકડાકીય મોડેલો અને મશીન લર્નિંગ દ્વારા, નિયમો અને હસ્તાક્ષરો સાથે. વપરાશકર્તા અને એન્ટિટી પ્રવૃત્તિને તેમની અને સહકર્મીઓની પ્રોફાઇલ સાથે બનાવવા અને તેની સરખામણી કરવા માટે બિલ્ટ-ઇન એનાલિટિક્સ સાથે આવે છે.	શુદ્ધ UEBA જેવું જ છે, પરંતુ વિશ્લેષણ ફક્ત વપરાશકર્તાઓ અને/અથવા સંસ્થાઓ સુધી મર્યાદિત હોઈ શકે છે.
ઍનલિટિક્સ	અદ્યતન વિશ્લેષણાત્મક ક્ષમતાઓ, માત્ર નિયમો દ્વારા મર્યાદિત નથી. ઉદાહરણ તરીકે, એકમોના ગતિશીલ જૂથ સાથે ક્લસ્ટરિંગ અલ્ગોરિધમ.	"શુદ્ધ" UEBA જેવું જ છે, પરંતુ કેટલાક એમ્બેડેડ થ્રેટ મોડલમાં એન્ટિટી ગ્રૂપિંગ ફક્ત મેન્યુઅલી બદલી શકાય છે.
ઍનલિટિક્સ	વિસંગત પ્રવૃત્તિને ઓળખવા માટે વપરાશકર્તાઓ અને અન્ય સંસ્થાઓની પ્રવૃત્તિ અને વર્તનનો સહસંબંધ (ઉદાહરણ તરીકે, બેયેશિયન નેટવર્કનો ઉપયોગ કરીને) અને વ્યક્તિગત જોખમ વર્તનનું એકત્રીકરણ.	શુદ્ધ UEBA જેવું જ છે, પરંતુ વિશ્લેષણ ફક્ત વપરાશકર્તાઓ અને/અથવા સંસ્થાઓ સુધી મર્યાદિત હોઈ શકે છે.
ડેટા સ્ત્રોતો	બિલ્ટ-ઇન મિકેનિઝમ્સ અથવા અસ્તિત્વમાંના ડેટા સ્ટોર્સ, જેમ કે SIEM અથવા ડેટા લેક દ્વારા સીધા ડેટા સ્રોતોમાંથી વપરાશકર્તાઓ અને એન્ટિટી પર ઇવેન્ટ્સ પ્રાપ્ત કરવી.	ડેટા મેળવવા માટેની પદ્ધતિઓ સામાન્ય રીતે માત્ર સીધી હોય છે અને માત્ર વપરાશકર્તાઓ અને/અથવા અન્ય સંસ્થાઓને અસર કરે છે. લોગ મેનેજમેન્ટ ટૂલ્સ / SIEM / ડેટા લેકનો ઉપયોગ કરશો નહીં.
ડેટા સ્ત્રોતો	સોલ્યુશનને માત્ર ડેટાના મુખ્ય સ્ત્રોત તરીકે નેટવર્ક ટ્રાફિક પર આધાર રાખવો જોઈએ નહીં, અને ટેલિમેટ્રી એકત્રિત કરવા માટે તેના પોતાના એજન્ટો પર જ આધાર રાખવો જોઈએ નહીં.	સોલ્યુશન ફક્ત નેટવર્ક ટ્રાફિક પર ધ્યાન કેન્દ્રિત કરી શકે છે (ઉદાહરણ તરીકે, NTA - નેટવર્ક ટ્રાફિક વિશ્લેષણ) અને/અથવા અંતિમ ઉપકરણો પર તેના એજન્ટોનો ઉપયોગ કરી શકે છે (ઉદાહરણ તરીકે, કર્મચારી મોનિટરિંગ યુટિલિટીઝ).
ડેટા સ્ત્રોતો	સંદર્ભ સાથે વપરાશકર્તા/એન્ટિટી ડેટાને સંતૃપ્ત કરે છે. રીઅલ ટાઇમમાં સ્ટ્રક્ચર્ડ ઇવેન્ટ્સના સંગ્રહને સમર્થન આપે છે, તેમજ IT ડિરેક્ટરીઓમાંથી સ્ટ્રક્ચર્ડ/અનસ્ટ્રક્ચર્ડ કોહેસિવ ડેટા - ઉદાહરણ તરીકે, એક્ટિવ ડિરેક્ટરી (AD), અથવા અન્ય મશીન વાંચી શકાય તેવા માહિતી સંસાધનો (ઉદાહરણ તરીકે, HR ડેટાબેસેસ).	શુદ્ધ UEBA જેવું જ છે, પરંતુ સંદર્ભિત ડેટાનો અવકાશ દરેક કેસમાં અલગ હોઈ શકે છે. AD અને LDAP એ એમ્બેડેડ UEBA સોલ્યુશન્સ દ્વારા ઉપયોગમાં લેવાતા સૌથી સામાન્ય સંદર્ભ ડેટા સ્ટોર છે.
ઉપલબ્ધતા	એકલ ઉત્પાદન તરીકે સૂચિબદ્ધ સુવિધાઓ પ્રદાન કરે છે.	બાહ્ય ઉકેલ ખરીદ્યા વિના બિલ્ટ-ઇન UEBA કાર્યક્ષમતા ખરીદવી અશક્ય છે જેમાં તે બનાવવામાં આવ્યું છે.
સ્ત્રોત: ગાર્ટનર (મે 2019)

આમ, અમુક સમસ્યાઓને ઉકેલવા માટે, એમ્બેડેડ UEBA મૂળભૂત UEBA એનાલિટિક્સનો ઉપયોગ કરી શકે છે (ઉદાહરણ તરીકે, સરળ અનસુપરવાઇઝ્ડ મશીન લર્નિંગ), પરંતુ તે જ સમયે, ચોક્કસ જરૂરી ડેટાની ઍક્સેસને કારણે, તે "શુદ્ધ" કરતાં વધુ અસરકારક બની શકે છે. UEBA ઉકેલ. તે જ સમયે, "શુદ્ધ" UEBA પ્લેટફોર્મ, અપેક્ષા મુજબ, બિલ્ટ-ઇન UEBA ટૂલની તુલનામાં મુખ્ય જાણકારી તરીકે વધુ જટિલ વિશ્લેષણો પ્રદાન કરે છે. આ પરિણામો કોષ્ટક 2 માં સારાંશ આપવામાં આવ્યા છે.

કોષ્ટક 2. "શુદ્ધ" અને બિલ્ટ-ઇન UEBA વચ્ચેના તફાવતનું પરિણામ

શ્રેણી	"શુદ્ધ" UEBA પ્લેટફોર્મ	બિલ્ટ-ઇન UEBA સાથે અન્ય ઉકેલો
ઍનલિટિક્સ	વિવિધ વ્યાપારી સમસ્યાઓ ઉકેલવા માટેની પ્રયોજ્યતા વધુ જટિલ એનાલિટિક્સ અને મશીન લર્નિંગ મોડલ્સ પર ભાર મૂકવાની સાથે UEBA કાર્યોનો વધુ સાર્વત્રિક સમૂહ સૂચવે છે.	વ્યવસાયિક સમસ્યાઓના નાના સમૂહ પર ધ્યાન કેન્દ્રિત કરવાનો અર્થ એ છે કે અત્યંત વિશિષ્ટ સુવિધાઓ કે જે સરળ તર્ક સાથે એપ્લિકેશન-વિશિષ્ટ મોડલ્સ પર ધ્યાન કેન્દ્રિત કરે છે.
ઍનલિટિક્સ	દરેક એપ્લિકેશન દૃશ્ય માટે વિશ્લેષણાત્મક મોડેલનું કસ્ટમાઇઝેશન જરૂરી છે.	વિશ્લેષણાત્મક મૉડલ્સ એ ટૂલ માટે પૂર્વ-રૂપરેખાંકિત છે જેમાં UEBA શામેલ છે. બિલ્ટ-ઇન UEBA સાથેનું સાધન સામાન્ય રીતે અમુક વ્યવસાય સમસ્યાઓ ઉકેલવામાં ઝડપી પરિણામો પ્રાપ્ત કરે છે.
ડેટા સ્ત્રોતો	કોર્પોરેટ ઈન્ફ્રાસ્ટ્રક્ચરના તમામ ખૂણાઓમાંથી ડેટા સ્ત્રોતોની ઍક્સેસ.	ઓછા ડેટા સ્ત્રોતો, સામાન્ય રીતે તેમના માટે એજન્ટોની ઉપલબ્ધતા દ્વારા અથવા UEBA ફંક્શન્સ સાથેના ટૂલ દ્વારા મર્યાદિત હોય છે.
ડેટા સ્ત્રોતો	દરેક લોગમાં સમાવિષ્ટ માહિતી ડેટા સ્ત્રોત દ્વારા મર્યાદિત હોઈ શકે છે અને તેમાં કેન્દ્રિય UEBA ટૂલ માટે તમામ જરૂરી ડેટા હોઈ શકે નહીં.	એજન્ટ દ્વારા એકત્રિત કરવામાં આવેલ અને UEBA ને ટ્રાન્સમિટ કરવામાં આવેલ કાચા ડેટાની રકમ અને વિગત ખાસ રૂપરેખાંકિત કરી શકાય છે.
સ્થાપત્ય	તે સંસ્થા માટે સંપૂર્ણ UEBA ઉત્પાદન છે. SIEM સિસ્ટમ અથવા ડેટા લેકની ક્ષમતાઓનો ઉપયોગ કરીને એકીકરણ સરળ છે.	બિલ્ટ-ઇન UEBA હોય તેવા દરેક સોલ્યુશન માટે UEBA સુવિધાઓનો એક અલગ સેટ જરૂરી છે. એમ્બેડેડ UEBA સોલ્યુશન્સ માટે ઘણીવાર એજન્ટો ઇન્સ્ટોલ કરવા અને ડેટા મેનેજ કરવાની જરૂર પડે છે.
એકીકરણ	દરેક કિસ્સામાં અન્ય સાધનો સાથે UEBA સોલ્યુશનનું મેન્યુઅલ એકીકરણ. સંસ્થાને "એનાલોગમાં શ્રેષ્ઠ" અભિગમના આધારે તેનો ટેક્નોલોજી સ્ટેક બનાવવાની મંજૂરી આપે છે.	UEBA ફંક્શન્સના મુખ્ય બંડલ્સ પહેલેથી જ ઉત્પાદક દ્વારા ટૂલમાં શામેલ છે. UEBA મોડ્યુલ બિલ્ટ-ઇન છે અને તેને દૂર કરી શકાતું નથી, તેથી ગ્રાહકો તેને પોતાની કોઈ વસ્તુથી બદલી શકતા નથી.
સ્ત્રોત: ગાર્ટનર (મે 2019)

કાર્ય તરીકે UEBA

UEBA એ એન્ડ-ટુ-એન્ડ સાયબર સિક્યુરિટી સોલ્યુશન્સનું લક્ષણ બની રહ્યું છે જે વધારાના એનાલિટિક્સથી લાભ મેળવી શકે છે. UEBA વપરાશકર્તા અને/અથવા એન્ટિટી બિહેવિયર પેટર્ન પર આધારિત અદ્યતન એનાલિટિક્સનું શક્તિશાળી સ્તર પ્રદાન કરીને, આ ઉકેલોને નીચે આપે છે.

હાલમાં બજારમાં, બિલ્ટ-ઇન UEBA કાર્યક્ષમતા નીચેના ઉકેલોમાં લાગુ કરવામાં આવી છે, જે તકનીકી અવકાશ દ્વારા જૂથબદ્ધ છે:

• ડેટા-કેન્દ્રિત ઓડિટ અને રક્ષણ, એવા વિક્રેતાઓ છે જે સ્ટ્રક્ચર્ડ અને અનસ્ટ્રક્ચર્ડ ડેટા સ્ટોરેજ (ઉર્ફ DCAP) ની સુરક્ષાને સુધારવા પર ધ્યાન કેન્દ્રિત કરે છે.

  વિક્રેતાઓની આ શ્રેણીમાં, ગાર્ટનર નોંધો, અન્ય વસ્તુઓની સાથે, વારોનિસ સાયબર સિક્યુરિટી પ્લેટફોર્મ, જે વિવિધ માહિતી સ્ટોર્સમાં અનસ્ટ્રક્ચર્ડ ડેટા પરવાનગીઓ, ઍક્સેસ અને વપરાશમાં ફેરફારોને મોનિટર કરવા માટે વપરાશકર્તા વર્તણૂક વિશ્લેષણ ઓફર કરે છે.

• CASB સિસ્ટમ્સ, અનુકૂલનશીલ એક્સેસ કંટ્રોલ સિસ્ટમનો ઉપયોગ કરીને અનિચ્છનીય ઉપકરણો, વપરાશકર્તાઓ અને એપ્લિકેશન સંસ્કરણો માટે ક્લાઉડ સેવાઓની ઍક્સેસને અવરોધિત કરીને ક્લાઉડ-આધારિત SaaS એપ્લિકેશન્સમાં વિવિધ જોખમો સામે રક્ષણ પ્રદાન કરે છે.

  તમામ માર્કેટ-અગ્રણી CASB સોલ્યુશન્સમાં UEBA ક્ષમતાઓનો સમાવેશ થાય છે.

• DLP ઉકેલો - સંસ્થા અથવા તેના દુરુપયોગની બહાર નિર્ણાયક ડેટાના સ્થાનાંતરણને શોધવા પર ધ્યાન કેન્દ્રિત કર્યું.

  DLP એડવાન્સિસ મોટાભાગે સામગ્રીને સમજવા પર આધારિત છે, જેમાં વપરાશકર્તા, એપ્લિકેશન, સ્થાન, સમય, ઘટનાઓનો વેગ અને અન્ય બાહ્ય પરિબળો જેવા સંદર્ભને સમજવા પર ઓછું ધ્યાન કેન્દ્રિત કરવામાં આવે છે. અસરકારક બનવા માટે, DLP ઉત્પાદનોએ સામગ્રી અને સંદર્ભ બંનેને ઓળખવા જોઈએ. આથી ઘણા ઉત્પાદકો તેમના ઉકેલોમાં UEBA કાર્યક્ષમતાને એકીકૃત કરવાનું શરૂ કરી રહ્યા છે.

• કર્મચારી દેખરેખ સામાન્ય રીતે કાનૂની કાર્યવાહી માટે યોગ્ય ડેટા ફોર્મેટમાં (જો જરૂરી હોય તો) કર્મચારીની ક્રિયાઓને રેકોર્ડ અને રિપ્લે કરવાની ક્ષમતા છે.

  વપરાશકર્તાઓને સતત દેખરેખ રાખવાથી ઘણી વખત ડેટાનો જબરજસ્ત જથ્થો જનરેટ થાય છે જેને મેન્યુઅલ ફિલ્ટરિંગ અને માનવ વિશ્લેષણની જરૂર હોય છે. તેથી, UEBA નો ઉપયોગ મોનિટરિંગ સિસ્ટમ્સની અંદર આ સોલ્યુશન્સનું પ્રદર્શન સુધારવા અને માત્ર ઉચ્ચ જોખમની ઘટનાઓ શોધવા માટે થાય છે.

• એન્ડપોઇન્ટ સુરક્ષા - એન્ડપોઇન્ટ ડિટેક્શન એન્ડ રિસ્પોન્સ (EDR) સોલ્યુશન્સ અને એન્ડપોઇન્ટ પ્રોટેક્શન પ્લેટફોર્મ (EPP) શક્તિશાળી ઇન્સ્ટ્રુમેન્ટેશન અને ઓપરેટિંગ સિસ્ટમ ટેલિમેટ્રી પ્રદાન કરે છે.
  અંતિમ ઉપકરણો.

  બિલ્ટ-ઇન UEBA કાર્યક્ષમતા પ્રદાન કરવા માટે આવા વપરાશકર્તા-સંબંધિત ટેલિમેટ્રીનું વિશ્લેષણ કરી શકાય છે.

• ઓનલાઇન છેતરપિંડી - ઓનલાઈન છેતરપિંડી શોધ ઉકેલો વિચલિત પ્રવૃત્તિ શોધી કાઢે છે જે સ્પૂફ, માલવેર અથવા અસુરક્ષિત કનેક્શન્સ/બ્રાઉઝર ટ્રાફિક ઇન્ટરસેપ્શનના શોષણ દ્વારા ગ્રાહકના એકાઉન્ટ સાથે ચેડાં સૂચવે છે.

  મોટાભાગના છેતરપિંડી ઉકેલો UEBA, ટ્રાન્ઝેક્શન વિશ્લેષણ અને ઉપકરણ માપનના સારનો ઉપયોગ કરે છે, વધુ અદ્યતન સિસ્ટમો ઓળખ ડેટાબેઝમાં સંબંધોને મેચ કરીને તેમને પૂરક બનાવે છે.

• IAM અને એક્સેસ કંટ્રોલ - ગાર્ટનર શુદ્ધ વિક્રેતાઓ સાથે સંકલન કરવા અને તેમના ઉત્પાદનોમાં કેટલીક UEBA કાર્યક્ષમતા બનાવવા માટે એક્સેસ કંટ્રોલ સિસ્ટમ વિક્રેતાઓમાં ઉત્ક્રાંતિના વલણની નોંધ કરે છે.
• IAM અને આઇડેન્ટિટી ગવર્નન્સ એન્ડ એડમિનિસ્ટ્રેશન (IGA) સિસ્ટમ્સ વર્તણૂક અને ઓળખ વિશ્લેષણના દૃશ્યોને આવરી લેવા માટે UEBA નો ઉપયોગ કરો જેમ કે વિસંગતતા શોધ, સમાન એન્ટિટીના ગતિશીલ જૂથ વિશ્લેષણ, લોગિન વિશ્લેષણ અને ઍક્સેસ નીતિ વિશ્લેષણ.
• IAM અને વિશેષાધિકૃત એક્સેસ મેનેજમેન્ટ (PAM) - વહીવટી ખાતાના ઉપયોગ પર દેખરેખ રાખવાની ભૂમિકાને કારણે, PAM સોલ્યુશન્સ પાસે કેવી રીતે, શા માટે, ક્યારે અને ક્યાં વહીવટી એકાઉન્ટ્સનો ઉપયોગ કરવામાં આવ્યો તે બતાવવા માટે ટેલિમેટ્રી હોય છે. સંચાલકોના વિસંગત વર્તન અથવા દૂષિત ઉદ્દેશ્યની હાજરી માટે UEBA ની બિલ્ટ-ઇન કાર્યક્ષમતાનો ઉપયોગ કરીને આ ડેટાનું વિશ્લેષણ કરી શકાય છે.
• ઉત્પાદકો NTA (નેટવર્ક ટ્રાફિક એનાલિસિસ) - કોર્પોરેટ નેટવર્ક્સ પર શંકાસ્પદ પ્રવૃત્તિને ઓળખવા માટે મશીન લર્નિંગ, એડવાન્સ્ડ એનાલિટિક્સ અને નિયમ-આધારિત શોધના સંયોજનનો ઉપયોગ કરો.

  NTA ટૂલ્સ સતત સ્ત્રોત ટ્રાફિક અને/અથવા ફ્લો રેકોર્ડ્સનું વિશ્લેષણ કરે છે (દા.ત. NetFlow) મોડેલો બનાવવા માટે જે સામાન્ય નેટવર્ક વર્તનને પ્રતિબિંબિત કરે છે, મુખ્યત્વે એન્ટિટી બિહેવિયર એનાલિટિક્સ પર ધ્યાન કેન્દ્રિત કરે છે.

• એસ.આઇ.ઇ.એમ. - ઘણા SIEM વિક્રેતાઓ પાસે હવે SIEM માં બિલ્ટ અદ્યતન ડેટા એનાલિટિક્સ કાર્યક્ષમતા છે, અથવા અલગ UEBA મોડ્યુલ તરીકે. સમગ્ર 2018 દરમિયાન અને અત્યાર સુધી 2019માં, SIEM અને UEBA કાર્યક્ષમતા વચ્ચેની સીમાઓને સતત અસ્પષ્ટ કરવામાં આવી છે, જેમ કે લેખમાં ચર્ચા કરવામાં આવી છે. "આધુનિક SIEM માટે તકનીકી આંતરદૃષ્ટિ". SIEM સિસ્ટમ્સ એનાલિટિક્સ સાથે કામ કરવા અને વધુ જટિલ એપ્લિકેશન દૃશ્યો ઓફર કરવા માટે વધુ સારી બની છે.

UEBA એપ્લિકેશન દૃશ્યો

UEBA સોલ્યુશન્સ સમસ્યાઓની વિશાળ શ્રેણીને હલ કરી શકે છે. જો કે, ગાર્ટનર ક્લાયન્ટ્સ સંમત થાય છે કે પ્રાથમિક ઉપયોગના કેસમાં વિવિધ શ્રેણીઓની ધમકીઓ શોધવાનો સમાવેશ થાય છે, જે વપરાશકર્તાની વર્તણૂક અને અન્ય સંસ્થાઓ વચ્ચેના વારંવારના સહસંબંધોને દર્શાવીને અને તેનું વિશ્લેષણ કરીને પ્રાપ્ત થાય છે:

• અનધિકૃત ઍક્સેસ અને ડેટાની હિલચાલ;
• વિશેષાધિકૃત વપરાશકર્તાઓનું શંકાસ્પદ વર્તન, કર્મચારીઓની દૂષિત અથવા અનધિકૃત પ્રવૃત્તિ;
• બિન-માનક ઍક્સેસ અને ક્લાઉડ સંસાધનોનો ઉપયોગ;
• અને અન્ય

છેતરપિંડી અથવા કર્મચારી દેખરેખ જેવા બિન-સાયબર સુરક્ષા ઉપયોગના અસંખ્ય કિસ્સાઓ પણ છે, જેના માટે UEBA વાજબી હોઈ શકે છે. જો કે, તેઓને ઘણીવાર IT અને માહિતી સુરક્ષાની બહારના ડેટા સ્ત્રોતો અથવા આ વિસ્તારની ઊંડી સમજ સાથે ચોક્કસ વિશ્લેષણાત્મક મોડલની જરૂર પડે છે. પાંચ મુખ્ય દૃશ્યો અને એપ્લિકેશનો કે જેના પર UEBA ઉત્પાદકો અને તેમના ગ્રાહકો બંને સંમત છે તે નીચે વર્ણવેલ છે.

"દૂષિત આંતરિક"

UEBA સોલ્યુશન પ્રદાતાઓ કે જેઓ આ દૃશ્યને આવરી લે છે તે ફક્ત કર્મચારીઓ અને વિશ્વસનીય કોન્ટ્રાક્ટરોને અસામાન્ય, "ખરાબ" અથવા દૂષિત વર્તન માટે મોનિટર કરે છે. નિપુણતાના આ ક્ષેત્રના વિક્રેતાઓ સેવા ખાતાઓ અથવા અન્ય બિન-માનવ સંસ્થાઓના વર્તનનું નિરીક્ષણ અથવા વિશ્લેષણ કરતા નથી. મોટે ભાગે આને કારણે, તેઓ અદ્યતન જોખમોને શોધવા પર ધ્યાન કેન્દ્રિત કરતા નથી જ્યાં હેકર્સ હાલના એકાઉન્ટ્સ પર કબજો કરે છે. તેના બદલે, તેઓ હાનિકારક પ્રવૃત્તિઓમાં સામેલ કર્મચારીઓને ઓળખવાનો હેતુ ધરાવે છે.

અનિવાર્યપણે, "દૂષિત આંતરિક" ની વિભાવના દૂષિત ઉદ્દેશ્ય ધરાવતા વિશ્વાસપાત્ર વપરાશકર્તાઓમાંથી ઉદ્ભવે છે જેઓ તેમના એમ્પ્લોયરને નુકસાન પહોંચાડવાના માર્ગો શોધે છે. કારણ કે દૂષિત ઉદ્દેશ્યને માપવું મુશ્કેલ છે, આ શ્રેણીમાં શ્રેષ્ઠ વિક્રેતાઓ સંદર્ભિત વર્તણૂક ડેટાનું વિશ્લેષણ કરે છે જે ઓડિટ લોગમાં સરળતાથી ઉપલબ્ધ નથી.

આ જગ્યામાં સોલ્યુશન પ્રદાતાઓ વર્તણૂક માટે સંદર્ભ પ્રદાન કરવા માટે અનસ્ટ્રક્ચર્ડ ડેટા, જેમ કે ઇમેઇલ સામગ્રી, ઉત્પાદકતા અહેવાલો અથવા સોશિયલ મીડિયા માહિતીને શ્રેષ્ઠ રીતે ઉમેરે છે અને તેનું વિશ્લેષણ કરે છે.

આંતરિક અને કર્કશ ધમકીઓ સાથે સમાધાન

એકવાર હુમલાખોર સંસ્થામાં પ્રવેશ મેળવે અને IT ઈન્ફ્રાસ્ટ્રક્ચરમાં આગળ વધવાનું શરૂ કરે તે પછી "ખરાબ" વર્તનને ઝડપથી શોધી કાઢવા અને તેનું વિશ્લેષણ કરવાનો પડકાર છે.
અજ્ઞાત અથવા હજુ સુધી સંપૂર્ણ રીતે સમજી ન શકાય તેવી ધમકીઓ જેવી અસ્પષ્ટ ધમકીઓ (APTs), શોધવી અત્યંત મુશ્કેલ છે અને ઘણીવાર કાયદેસર વપરાશકર્તા પ્રવૃત્તિ અથવા સેવા એકાઉન્ટ્સ પાછળ છુપાવે છે. આવા ધમકીઓમાં સામાન્ય રીતે જટિલ ઓપરેટિંગ મોડેલ હોય છે (જુઓ, ઉદાહરણ તરીકે, લેખ “ સાયબર કિલ ચેનને સંબોધિત કરવું") અથવા તેમની વર્તણૂકનું હજી સુધી નુકસાનકારક તરીકે મૂલ્યાંકન કરવામાં આવ્યું નથી. આનાથી તેમને સરળ વિશ્લેષણનો ઉપયોગ કરીને શોધવાનું મુશ્કેલ બને છે (જેમ કે પેટર્ન, થ્રેશોલ્ડ અથવા સહસંબંધ નિયમો દ્વારા મેચિંગ).

જો કે, આમાંની ઘણી કર્કશ ધમકીઓ બિન-માનક વર્તણૂકમાં પરિણમે છે, જેમાં ઘણી વખત શંકાસ્પદ વપરાશકર્તાઓ અથવા સંસ્થાઓ (ઉર્ફે સમાધાન કરેલ આંતરિક) સામેલ હોય છે. UEBA તકનીકો આવા જોખમોને શોધવા, સિગ્નલ-ટુ-નોઈઝ રેશિયો સુધારવા, નોટિફિકેશન વોલ્યુમને એકીકૃત કરવા અને ઘટાડવા, બાકીની ચેતવણીઓને પ્રાધાન્ય આપવા અને અસરકારક ઘટના પ્રતિભાવ અને તપાસની સુવિધા આપવા માટે ઘણી રસપ્રદ તકો પ્રદાન કરે છે.

આ સમસ્યા વિસ્તારને લક્ષ્યાંકિત કરતા UEBA વિક્રેતાઓ ઘણી વખત સંસ્થાની SIEM સિસ્ટમો સાથે દ્વિ-દિશાત્મક એકીકરણ ધરાવે છે.

ડેટા એક્સફિલ્ટરેશન

આ કિસ્સામાં કાર્ય એ હકીકતને શોધવાનું છે કે ડેટા સંસ્થાની બહાર સ્થાનાંતરિત કરવામાં આવી રહ્યો છે.
આ પડકાર પર ધ્યાન કેન્દ્રિત કરતા વિક્રેતાઓ સામાન્ય રીતે વિસંગતતા શોધ અને અદ્યતન એનાલિટિક્સ સાથે DLP અથવા DAG ક્ષમતાઓનો લાભ મેળવે છે, જેનાથી સિગ્નલ-ટુ-નોઈઝ રેશિયોમાં સુધારો થાય છે, સૂચના વોલ્યુમ મજબૂત થાય છે અને બાકીના ટ્રિગર્સને પ્રાથમિકતા આપે છે. વધારાના સંદર્ભ માટે, વિક્રેતાઓ સામાન્ય રીતે નેટવર્ક ટ્રાફિક (જેમ કે વેબ પ્રોક્સી) અને એન્ડપોઇન્ટ ડેટા પર વધુ આધાર રાખે છે, કારણ કે આ ડેટા સ્ત્રોતોનું વિશ્લેષણ ડેટા એક્સફિલ્ટરેશન તપાસમાં મદદ કરી શકે છે.

ડેટા એક્સફિલ્ટરેશન ડિટેક્શનનો ઉપયોગ સંસ્થાને ધમકી આપતા આંતરિક અને બાહ્ય હેકર્સને પકડવા માટે થાય છે.

વિશેષાધિકૃત ઍક્સેસની ઓળખ અને સંચાલન

નિપુણતાના આ ક્ષેત્રમાં સ્વતંત્ર UEBA સોલ્યુશન્સના ઉત્પાદકો વધુ પડતા વિશેષાધિકારો અથવા વિસંગત ઍક્સેસને ઓળખવા માટે પહેલાથી જ રચાયેલી અધિકારોની સિસ્ટમની પૃષ્ઠભૂમિ સામે વપરાશકર્તાના વર્તનનું અવલોકન અને વિશ્લેષણ કરે છે. આ વિશેષાધિકૃત અને સેવા એકાઉન્ટ્સ સહિત તમામ પ્રકારના વપરાશકર્તાઓ અને એકાઉન્ટ્સને લાગુ પડે છે. સંસ્થાઓ પણ નિષ્ક્રિય ખાતાઓ અને વપરાશકર્તા વિશેષાધિકારો કે જે જરૂરિયાત કરતા વધારે હોય તેનાથી છુટકારો મેળવવા માટે UEBA નો ઉપયોગ કરે છે.

ઘટના અગ્રતા

આ કાર્યનો ધ્યેય એ છે કે કઈ ઘટનાઓ અથવા સંભવિત ઘટનાઓને પહેલા સંબોધિત કરવી જોઈએ તે સમજવા માટે તેમના તકનીકી સ્ટેકમાં ઉકેલો દ્વારા જનરેટ થતી સૂચનાઓને પ્રાથમિકતા આપવાનો છે. UEBA પદ્ધતિઓ અને સાધનો એવી ઘટનાઓને ઓળખવામાં ઉપયોગી છે કે જે આપેલ સંસ્થા માટે ખાસ કરીને વિસંગત અથવા ખાસ કરીને જોખમી હોય. આ કિસ્સામાં, UEBA મિકેનિઝમ માત્ર પ્રવૃત્તિના બેઝ લેવલ અને ધમકીના મોડલનો ઉપયોગ કરતું નથી, પરંતુ કંપનીના સંગઠનાત્મક માળખા (ઉદાહરણ તરીકે, નિર્ણાયક સંસાધનો અથવા ભૂમિકાઓ અને કર્મચારીઓના ઍક્સેસ સ્તરો) વિશેની માહિતી સાથે ડેટાને પણ સંતૃપ્ત કરે છે.

UEBA ઉકેલોના અમલીકરણની સમસ્યાઓ

UEBA સોલ્યુશન્સની બજારની પીડા તેમની ઊંચી કિંમત, જટિલ અમલીકરણ, જાળવણી અને ઉપયોગ છે. જ્યારે કંપનીઓ વિવિધ આંતરિક પોર્ટલની સંખ્યા સાથે સંઘર્ષ કરી રહી છે, ત્યારે તેઓને બીજું કન્સોલ મળી રહ્યું છે. નવા ટૂલમાં સમય અને સંસાધનોના રોકાણનું કદ હાથમાં રહેલા કાર્યો અને તેને ઉકેલવા માટે જરૂરી વિશ્લેષણના પ્રકારો પર આધારિત છે અને મોટાભાગે મોટા રોકાણોની જરૂર પડે છે.

ઘણા ઉત્પાદકો જે દાવો કરે છે તેનાથી વિપરિત, UEBA એ "સેટ ઇટ અને ભૂલી જાઓ" સાધન નથી કે જે પછી અંતના દિવસો સુધી સતત ચાલી શકે.
ગાર્ટનર ક્લાયન્ટ્સ, ઉદાહરણ તરીકે, નોંધ કરો કે જે સમસ્યાઓ માટે આ સોલ્યુશન લાગુ કરવામાં આવ્યું હતું તેના ઉકેલના પ્રથમ પરિણામો મેળવવા માટે શરૂઆતથી UEBA પહેલ શરૂ કરવામાં 3 થી 6 મહિનાનો સમય લાગે છે. વધુ જટિલ કાર્યો માટે, જેમ કે સંસ્થામાં આંતરિક ધમકીઓને ઓળખવા માટે, સમયગાળો 18 મહિના સુધી વધે છે.

UEBA ના અમલીકરણની મુશ્કેલી અને સાધનની ભાવિ અસરકારકતાને પ્રભાવિત કરતા પરિબળો:

• સંસ્થા આર્કિટેક્ચર, નેટવર્ક ટોપોલોજી અને ડેટા મેનેજમેન્ટ પોલિસીની જટિલતા
• વિગતોના યોગ્ય સ્તરે યોગ્ય ડેટાની ઉપલબ્ધતા
• વિક્રેતાના એનાલિટિક્સ અલ્ગોરિધમ્સની જટિલતા - ઉદાહરણ તરીકે, આંકડાકીય મોડલ્સ અને મશીન લર્નિંગ વિરુદ્ધ સરળ પેટર્ન અને નિયમોનો ઉપયોગ.
• પૂર્વ-રૂપરેખાંકિત વિશ્લેષણનો જથ્થો શામેલ છે - એટલે કે, દરેક કાર્ય માટે કયો ડેટા એકત્રિત કરવાની જરૂર છે અને વિશ્લેષણ કરવા માટે કયા ચલો અને વિશેષતાઓ સૌથી મહત્વપૂર્ણ છે તેની ઉત્પાદકની સમજ.
• ઉત્પાદક માટે જરૂરી ડેટા સાથે આપમેળે એકીકૃત થવું કેટલું સરળ છે.

  ઉદાહરણ તરીકે:

  • જો UEBA સોલ્યુશન તેના ડેટાના મુખ્ય સ્ત્રોત તરીકે SIEM સિસ્ટમનો ઉપયોગ કરે છે, તો શું SIEM જરૂરી ડેટા સ્ત્રોતોમાંથી માહિતી એકત્રિત કરે છે?
  • શું જરૂરી ઇવેન્ટ લૉગ્સ અને સંસ્થાકીય સંદર્ભ ડેટાને UEBA સોલ્યુશનમાં રૂટ કરી શકાય છે?
  • જો SIEM સિસ્ટમ હજુ સુધી UEBA સોલ્યુશન દ્વારા જરૂરી ડેટા સ્ત્રોતોને એકત્રિત અને નિયંત્રિત કરતી નથી, તો પછી તેઓ ત્યાં કેવી રીતે સ્થાનાંતરિત થઈ શકે?

• સંસ્થા માટે એપ્લિકેશનનું દૃશ્ય કેટલું મહત્વનું છે, તેને કેટલા ડેટા સ્ત્રોતોની જરૂર છે અને આ કાર્ય ઉત્પાદકના નિષ્ણાત ક્ષેત્ર સાથે કેટલું ઓવરલેપ થાય છે.
• સંસ્થાકીય પરિપક્વતા અને સંડોવણીની કેટલી ડિગ્રીની જરૂર છે - ઉદાહરણ તરીકે, નિયમો અને મોડેલોની રચના, વિકાસ અને શુદ્ધિકરણ; મૂલ્યાંકન માટે ચલોને વજન સોંપવું; અથવા જોખમ મૂલ્યાંકન થ્રેશોલ્ડને સમાયોજિત કરવું.
• સંસ્થાના વર્તમાન કદ અને તેની ભાવિ જરૂરિયાતોની તુલનામાં વેન્ડરનું સોલ્યુશન અને તેનું આર્કિટેક્ચર કેટલું માપી શકાય તેવું છે.
• મૂળભૂત મોડેલો, પ્રોફાઇલ્સ અને મુખ્ય જૂથો બનાવવાનો સમય. ઉત્પાદકો "સામાન્ય" વિભાવનાઓને વ્યાખ્યાયિત કરી શકે તે પહેલાં વિશ્લેષણ કરવા માટે ઘણીવાર ઓછામાં ઓછા 30 દિવસ (અને કેટલીકવાર 90 દિવસ સુધી) ની જરૂર પડે છે. ઐતિહાસિક ડેટા એકવાર લોડ કરવાથી મોડલ તાલીમને ઝડપી બનાવી શકાય છે. પ્રારંભિક ડેટાની અવિશ્વસનીય રીતે નાની રકમ સાથે મશીન લર્નિંગનો ઉપયોગ કરતાં નિયમોનો ઉપયોગ કરીને કેટલાક રસપ્રદ કિસ્સાઓ ઝડપથી ઓળખી શકાય છે.
• ગતિશીલ જૂથ અને એકાઉન્ટ પ્રોફાઇલિંગ (સેવા/વ્યક્તિ) બનાવવા માટે જરૂરી પ્રયત્નોનું સ્તર ઉકેલો વચ્ચે મોટા પ્રમાણમાં બદલાઈ શકે છે.

સોર્સ: www.habr.com