Fort de groupes de référence dynamique,
Log360 permet de créer une solide stratégie de sécurité.
Les groupes de référence dynamique sont une fonction de l’analyse comportementale qui renforce les outils de détection d’anomalies et de notation des risques d’une solution SIEM. Le processus consiste à regrouper les utilisateurs d’un réseau selon leur comportement et à établir une base pour le groupe. Cette base sert ensuite de référence pour détecter les anomalies.
En bref, les groupes de référence dynamique offrent un contexte aux événements des utilisateurs du réseau, aidant à détecter plus précisément les menaces.
Log360 crée des groupes de référence pour chacun des rapports du module UEBA. Ces groupes reposent sur l’heure, le nombre et le modèle des événements. Tout événement d’un utilisateur est évalué selon les groupes dont il relève et le score de risque UEBA modifié en conséquence. Si le score dépasse un seuil fixé, une alerte de haut risque est émise.

Un utilisateur, Jean, se connecte entre 10 et 10 h 15, ce qui diverge de son heure habituelle entre 8 et 8 h 15.
Le module UEBA de Log360 le désigne comme une anomalie et génère un score de risque élevé.

Les groupes de référence dynamique entrent alors en jeu.
Comme l’équipe se connecte normalement à peu près au même moment, Jean appartient à un groupe avec d’autres membres de l’équipe. Si l’on considère cet événement anormal en rapport avec l’heure de connexion des autres membres du groupe de référence, la probabilité d’une menace s’atténue. Dans de tels cas, des algorithmes ML réduisent le score de risque.

Dans un autre cas, Marie se connecte entre 10 et 10 h 15, ce qui diverge de son heure habituelle entre 8 et 8 h 15.
Le module UEBA de Log360 le désigne aussi comme une anomalie et génère un score de risque en conséquence. Si ce comportement ne correspond pas au groupe de référence de l’utilisateur, le score de risque de l’événement augmente davantage pour produire une alerte.

Voici comment fonctionnent les groupes de référence dynamique dans Log360. Ils aident à détecter précisément les anomalies de comportement des utilisateurs dans le réseau en temps réel. Cela ouvre la voie à un système de lutte contre les menaces fiable et efficace.