Was ist Endgerätesicherheit der nächsten Generation?

Weiterentwicklung zur Endgerätesicherheit der nächsten Generation

Da sich die Bedrohungen in Zahl, Typ und Komplexität weiterentwickeln, benötigen Unternehmen mehr Informationen und Einblicke als traditionelle Endgerätesicherheitslösungen liefern können. Immer mehr Bedrohungsakteure konzentrieren sich auf Schwachstellen, die sich durch falsches Benutzerverhalten, mangelhafte Cyber-Sicherheitshygiene und Schatten-IT ergeben. Der dramatische Anstieg bei den verschiedenen Arten von Endgeräten – wie Smartphones, Tablets, tragbare Geräte und mehr – hat die Endgerätesicherheit der ersten Generation an ihre Grenzen gebracht. Zudem kann die steigende Zahl potenziell anfälliger Endgeräte auch die Ressourcen von Sicherheitsteams erschöpfen, die traditionellen Cyber-Sicherheitsmechanismen vertrauen. Wenn sich Unternehmen bei der Sicherheit und der Sicherheitsverwaltung von Endgeräten auf separate Software-Prozesse verlassen, kann es zu potenziellen Verbindungsausfällen kommen. Auch die Pflege und Aktualisierung von Blacklists für schädlichen Code erfordert immer mehr Ressourcen. Darüber hinaus sind Unternehmen bei diesen alten Produkten nach wie vor anfällig für Zero-Day-Exploits und Datendiebstähle, die bei zahlreichen False-Positives schnell übersehen werden.

Automatisierte Technologien der nächsten Generation, die jeden Prozess auf jedem Gerät untersuchen, um potenzielle Angriffe zu verhindern, sind für eine bessere Endgerätesicherheit unerlässlich. Endgeräteschutz-Software der nächsten Generation mit künstlicher Intelligenz (KI) und Machine Learning (ML) zeichnet sich durch folgende Schutzfunktionen aus, die traditioneller Endgeräteschutz nicht bieten kann:

• Erkennung eines nicht autorisierten Verhaltens von Benutzern, Anwendungen oder Netzwerkdiensten
• Blockierung verdächtiger Aktionen vor ihrer Ausführung
• Verarbeitung von Daten mit ML und KI, um böswillige Dateien oder Prozesse zu identifizieren
• Unterbindung nicht autorisierter Datenbewegungen
• Analyse verdächtiger App-Daten in "Sandboxes"
• Rollback von Endgeräten und Daten auf einen früheren Zustand im Falle eines Ransomware-Angriffs
• Isolierung verdächtiger Endgeräte und Prozesse
• Bereitstellung von Erkennungs- und Reaktionsfunktionen für Endgeräte, mit denen Systeme und Netzwerke kontinuierlich überwacht und komplexe Bedrohungen behoben werden können

Endgeräteschutz der nächsten Generation durch KI und Machine Learning

Rolle von EDR sowie Machine Learning und Rückkehr zu Endgeräteschutzplattform-Suites

Die Blockierung bekannter Bedrohungen bleibt zwar wichtiger Bestandteil des Endgeräte- und Netzwerkschutzes, doch der schiere Umfang der Bedrohungen und zu verarbeitenden Informationen übersteigt die menschlichen Fähigkeiten. Hochentwickelte Erkennungsfunktionen erfordern die Zusammenarbeit von Mensch und Maschine, um sich gegen raffinierte menschliche Angreifer zu wehren, die ebenfalls Maschinen für ihre kriminellen Machenschaften nutzen. Moderne Bedrohungsakteure studieren genau, mit welchen Strategien Unternehmen Angriffe blockieren, und optimieren ihre gezielte Malware so, dass dieser Schutz umgangen werden kann. Die beste Cyber-Sicherheitsstrategie für Unternehmen kombiniert eine Blacklist der Bedrohungen mit der Verarbeitungs-, Anpassungs- und Skalierungsgeschwindigkeit von Maschinen. KI und Machine Learning können bekannte Bedrohungen bei der Wurzel packen, Machine Learning-Algorithmen zielgenau auf die unbekannten Bedrohungen richten und die Zahl der False-Positives möglichst gering halten.

Durch die Integration von Endgerätesicherheit und -schutz mit KI- und Machine Learning-Technologie entsteht eine Systemumgebung, die nicht nur vor allen Phasen eines Angriffs schützt, sondern sich mit jeder neu erkannten Bedrohung verbessert. Künstliche Intelligenz kann diese neuen, registrierten Bedrohungen dann nach einem festgelegten Verfahren behandeln. Durch die zentralisierte Verwaltung und Kontrolle kann dieser Ansatz Unternehmen über reaktive, Blacklist-zentrierte Kontrollen hinaus zu einem viel proaktiveren Ansatz verhelfen. Aus der Kombination aus der Maschinenverarbeitungsgeschwindigkeit und einer KI, die Muster erkennen kann, sowie dem Urteilsvermögen und der Intuition des Menschen ist die nächste Generation von Cyber-Sicherheit für Unternehmen entstanden.

Verhaltensanalysen sind auf Endgeräteschutztechnologien der nächsten Generation, d. h. KI und Machine Learning, angewiesen, um diese Art von fortwährendem Schutz bereitzustellen, der sich kontinuierlich weiterentwickelt. Der Schutz vor dateilosen und anderen raffinierten Angriffen erfordert einen integrierten Ansatz, der eine mehrschichtige Verteidigung erlaubt und gleichzeitig jede Phase einer Angriffskampagne untersucht. 

Trellix-Endgeräteschutz der nächsten Generation

Die Endgerätesicherheit der nächsten Generation mit KI und Machine Learning ergänzt einen integrierten, zentral verwalteten Ansatz für die Netzwerk- und Gerätesicherheit als Teil einer umfassenden Systemsicherheit. Trellix ist davon überzeugt, dass eine gestaffelte Verteidigung, d. h. Sicherheit und Schutz, die integriert sind und sich proaktiv weiterentwickeln, die geeignetste Strategie für Endgeräteschutz der nächsten Generation darstellt. Der Endgeräteschutz von Trellix hat sich mithilfe von Machine Learning-Technologie in Richtung einer komplexeren Analytik auf Basis von Deep Learning und KI weiterentwickelt. Unsere Sicherheitslösungen schützen Daten und stoppen selbst die raffiniertesten Bedrohungen mithilfe eines offenen, proaktiven und informationsbasierten Ansatzes, durch den das Sicherheitsteam eines Unternehmens besser informierte Entscheidungen treffen und seine menschlichen und technologischen Ressourcen optimal nutzen kann.

Trellix-Endgerätesicherheit bietet Viren-, Firewall-, Exploit- und Konnektivitätsschutz für Endgeräte und stellt Machine Learning-Technologien für die Erkennung von Zero-Day-Exploits, verdächtigem Code und verdächtigen Verhaltensweisen bereit.

KI-gesteuerte Trellix-Software stoppt schädliche Aktionen, bevor sie Systeme oder Daten gefährden, während die Technologie für integrierte sowie automatisierte Erkennungs- und Reaktionsmöglichkeiten für Endgeräte eine zentralisierte Untersuchung von Zwischenfällen sowie proaktive Reaktionsmaßnahmen mit nur einem Mausklick ermöglicht. Dieser Ansatz einer gestaffelten Verteidigung ergibt ein hochintegriertes Schutzkontinuum.

Machine Learning-Anwendungen in Trellix-Lösungen berücksichtigen folgende Aspekte:

• Wo sollen die Daten erfasst und verarbeitet werden?
• Welche Rohdaten werden benötigt und können Stichproben genommen werden?
• Wie hoch sind die Bandbreiten- und Latenzkosten für den Kunden?
• Wo soll das periodische oder permanente Lernen stattfinden?
• Wo, wie und wann sollen die Daten gespeichert werden?
• Wie oft sollte das Modell neu berechnet werden, wenn sich Kundenprozesse, Metadaten oder Überwachungsrichtlinien ändern?