Volgens een nieuwe studie worden cyberaanvallen 30 dagen van tevoren voorspeld. TrendAI. Door het gedrag van gebruikers en systemen te analyseren, kunnen beveiligingsrisico's worden geïdentificeerd voordat een aanval plaatsvindt. De studie laat ook zien welke clientapparaten kwetsbaar zijn voor aanvallen. De aanval is niet willekeurig., zonder dat er een duidelijk verband is met hoe en wanneer ze worden gebruikt.
TrendAI Dit artikel presenteert een nieuwe methode om cyberaanvallen te voorkomen. Door het analyseren van gebruikers- en systeemgedrag dat vaak aan een aanval voorafgaat, kunt u inzicht krijgen in waar de grootste dreiging zich bevindt en waar de beveiliging daarom prioriteit moet krijgen. In het beste geval kunt u een aanval tot 30 dagen van tevoren voorspellen.
De mogelijkheid om incidenten te voorspellen helpt bedrijven het risico op grootschalige verstoringen, aanzienlijk dataverlies en herstelkosten te verlagen.
"Traditionele beveiligingsmechanismen vereisten bewijs dat systemen blootgesteld waren aan een lopende of reeds voltooide inbreuk om actie te kunnen ondernemen", aldus Martin Fribrock, Country Manager Zweden, Finland en de Baltische staten bij TrendAI. Dit onderzoek toont aan dat aanvallen vaak niet willekeurig zijn, maar gedragspatronen volgen die meetbaar en voorspelbaar zijn. Het feit dat we nu de kans op cyberaanvallen op individuele apparaten tot 30 dagen van tevoren kunnen voorspellen, helpt bedrijven incidenten te voorkomen in plaats van er achteraf op te reageren.
Het onderzoek combineert gedragsanalyse met geavanceerde statistische modellen om risico's in zes gebieden te beoordelen: ransomware, Trojaanse paarden, potentieel ongewenste programma's (PUA's), hacktools, cryptominers en virussen.
De resultaten tonen aan dat verschillende soorten cyberdreigingen gekoppeld kunnen worden aan verschillende gebruikspatronen. Door te identificeren welke systemen het meest risico lopen om als volgende getroffen te worden, kunnen beveiligingsteams hun inspanningen richten op de gebieden waar ze het meest effectief zijn. Zo lopen bedrijfskritieke systemen een hoger risico op ransomware-aanvallen, terwijl apparaten die bijvoorbeeld veel downloaden of vaak gamewebsites bezoeken een groter risico lopen op potentieel ongewenste applicaties (PUA's). Zelfs het tijdstip waarop apparaten worden gebruikt, kan een indicatie geven van de kans op een aanval, bijvoorbeeld als ze vaak 's avonds laat worden gebruikt. Dit ondersteunt ook de stelling dat cybercriminelen hun werkwijze en aanvallen afstemmen op de persoon die het doelwit is.
De resultaten worden geïntegreerd in TrendAI Vision One™ Cyber Risk Exposure Management (CREM).
Voor meer informatie en om het rapport te lezen, zie hier.
Swedish
Danish
Norwegian
Finnish
English
German
Dutch