Cyberangrep er varslet 30 dager i forveien, ifølge en ny studie fra TrendAI. Ved å analysere bruker- og systematferd kan sikkerhetsrisikoer identifiseres før et angrep inntreffer. Studien viser også hvilke klientenheter som er utsatt for angrepet er ikke tilfeldig, uten at det er en klar sammenheng med hvordan og når de brukes.
TrendAI presenterer en ny metode for å forhindre cyberangrep. Ved å analysere bruker- og systematferd som ofte går forut for et angrep, kan du få en forståelse av hvor den største trusselen er rettet og hvor sikkerhet derfor må prioriteres. I beste fall kan du forutsi et angrep opptil 30 dager i forveien.
Evnen til å forutsi hendelser hjelper bedrifter med å redusere risikoen for omfattende forstyrrelser, større datatap og gjenopprettingskostnader.

«Tradisjonelle beskyttelsesmekanismer har krevd bevis på at systemer er utsatt for et pågående eller allerede fullført sikkerhetsbrudd for å kunne handle», sier Martin Fribrock, landssjef for Sverige, Finland og Baltikum hos TrendAI. Denne forskningen viser at angrep ofte ikke er tilfeldige, men følger atferdsmønstre som kan måles og forutsies. Det at vi nå kan forutsi sannsynligheten for cyberangrep mot individuelle enheter opptil 30 dager i forveien, hjelper bedrifter med å forhindre hendelser i stedet for å reagere på dem.
Undersøkelsen kombinerer atferdsanalyse med avansert statistisk modellering for å vurdere risiko på seks områder: ransomware, trojanere, potensielt uønskede programmer (PUA-er), hackingverktøy, kryptominere og virus.

Resultatene viser at ulike typer cybertrusler kan knyttes til ulike bruksmønstre, og ved å identifisere hvilke systemer som har størst risiko for å bli påvirket neste gang, kan sikkerhetsteam fokusere innsatsen sin der den vil være mest nyttig. For eksempel har virksomhetskritiske systemer høyere risiko for å bli utsatt for ransomware-angrep, mens enheter som for eksempel foretar omfattende nedlastinger eller ofte besøker spillsider har større risiko for PUA-er. Selv når enheter brukes, kan det indikere hvor sannsynlig det er at de blir angrepet, for eksempel hvis de ofte brukes sent på kvelden. Dette støtter også tesen om at nettkriminelle skreddersyr driften sin og tilpasser angrep til personen som blir angrepet.

Resultatene vil bli integrert i TrendAI Vision One™ Cyber Risk Exposure Management (CREM).
For mer informasjon og for å lese rapporten, se her.








