Cyberangreb forudsiges 30 dage i forvejen, ifølge en ny undersøgelse fra TrendAI. Ved at analysere bruger- og systemadfærd kan sikkerhedsrisici identificeres, før et angreb finder sted. Undersøgelsen viser også, hvilke klientenheder der er udsat for angrebet er ikke tilfældigt, uden at der er en klar forbindelse til hvordan og hvornår de bruges.
TrendAI præsenterer en ny metode til at forebygge cyberangreb. Ved at analysere bruger- og systemadfærd, der ofte går forud for et angreb, kan du få en forståelse af, hvor den største trussel er rettet, og hvor sikkerhed derfor skal prioriteres. I bedste fald kan du forudsige et angreb op til 30 dage i forvejen.
Evnen til at forudsige hændelser hjælper virksomheder med at reducere risikoen for omfattende afbrydelser, større datatab og omkostninger til genoprettelse.

"Traditionelle beskyttelsesmekanismer har krævet bevis for, at systemer er udsat for et igangværende eller allerede gennemført brud for at kunne handle," siger Martin Fribrock, landechef for Sverige, Finland og Baltikum hos TrendAI. Denne forskning viser, at angreb ofte ikke er tilfældige, men følger adfærdsmønstre, der kan måles og forudsiges. Det faktum, at vi nu kan forudsige sandsynligheden for cyberangreb mod individuelle enheder op til 30 dage i forvejen, hjælper virksomheder med at forhindre hændelser i stedet for at reagere på dem.
Undersøgelsen kombinerer adfærdsanalyse med avanceret statistisk modellering for at vurdere risiko på seks områder: ransomware, trojanske heste, potentielt uønskede programmer (PUA'er), hackingværktøjer, kryptominere og virus.

Resultaterne viser, at forskellige typer cybertrusler kan være knyttet til forskellige brugsmønstre, og ved at identificere, hvilke systemer der er mest udsatte for at blive påvirket næste gang, kan sikkerhedsteams fokusere deres indsats der, hvor de vil være mest gavnlige. For eksempel har missionskritiske systemer en højere risiko for at blive udsat for ransomware-angreb, mens enheder, der for eksempel foretager omfattende downloads eller ofte besøger spillesider, har større risiko for PUA'er. Selv når enheder bruges, kan det indikere, hvor sandsynligt det er, at de bliver angrebet, for eksempel hvis de ofte bruges sent om aftenen. Dette understøtter også tesen om, at cyberkriminelle skræddersyr deres operationer og tilpasser angreb til den person, der angribes.

Resultaterne vil blive integreret i TrendAI Vision One™ Cyber Risk Exposure Management (CREM).
For mere information og for at læse rapporten, se her.








