QRadar UBA: Deteção e Análise de Anomalias Comportamentais de Segurança em Utilizadores

Detalhes bibliográficos
Autor(a) principal: Filipe, João Guilherme Cercas
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/48314
Resumo: Trabalho de projeto de mestrado, Segurança Informática, Universidade de Lisboa, Faculdade de Ciências, 2020
id RCAP_5bd9937874a2da878007768921aeb179
oai_identifier_str oai:repositorio.ul.pt:10451/48314
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling QRadar UBA: Deteção e Análise de Anomalias Comportamentais de Segurança em UtilizadoresAmeaça InternaComportamentoDeteção de AnomaliasUEBAIBM QRadarMachine LearningTrabalhos de projeto de mestrado - 2020Departamento de InformáticaTrabalho de projeto de mestrado, Segurança Informática, Universidade de Lisboa, Faculdade de Ciências, 2020Presentemente, vivemos num ambiente cada vez mais digital, onde as ameaças e ataques informáticos são uma constante. Com a crescente sofisticação dos ataques, e capacidade de reinvenção dos atacantes, emerge a necessidade de exploração de novos mecanismos e técnicas que visem uma deteção mais precoce e precisa. Mais ainda quando até os utilizadores que consideramos confiáveis, se podem traduzir numa ameaça interna. Neste contexto, a existência de ferramentas de User and Entity Behavior Analytics (UEBA) vem procurar responder a esta necessidade. Estas permitem construir um perfil de comportamento base por entidade e, assim, detetar qualquer desvio das suas atuais atividades, atribuindo um dado valor de risco. Este projeto tem como objetivo provar a capacidade de deteção e análise de anomalias comportamentais dos utilizadores de uma grande organização, com impacto na cibersegurança dessa mesma organização, em tempo quase real. Para tal, far-se-á uso da plataforma IBM QRadar utilizada pelo Cy ber Security Operations Center (CSOC) da Altice Portugal e, mais especificamente, a aplicação UBA, recorrendo às funcionalidades de Machine Learning por esta disponibilizadas. Para alcançar o objetivo proposto, foi definida, primariamente, uma lista de casos de uso que en dereçam as principais preocupações ao nível das possíveis ameaças internas, nomeadamente no que se refere ao possível abuso de credenciais e à existência de discrepâncias tempo-espaciais. Posteriormente, foram validadas quais as fontes que contribuem com os dados necessários para a monitorização dos casos de uso anteriormente identificados. Este projeto torna possível produzir uma análise técnica crítica à aplicação UBA da plataforma IBM QRadar, no que respeita à deteção e análise de casos de uso concretos relevantes para a gestão da cibersegurança da Altice Portugal, nas áreas dependentes do comportamento dos seus utilizadores. Para mais, permite também avaliar o desempenho desta aplicação, sem comprometer o atual normal funcionamento da referida plataforma IBM QRadar.Nowadays, we live in an increasingly digital environment, where the threats and cyber attacks are always present. Considering the increasing attack sophistication and attacker reinvention capability, there is a need to explore new mechanisms and techniques for an earlier and more accurate detection, specially when users we find reliable can become an insider threat. In this context, tools like User and Entity Behavior Analytics (UEBA) come to give an answer to this concern. These tools allow you to build a baselining behavior profile by entity and, thus, any deviation from your current activities can be detected and a given risk value is assigned to that deviation. This project aims to prove the ability to detect and analyze behavioral anomalies of users of a large organization, impacting in cyber security of that same organization, in near real time, making use of IBM QRadar used by the Cyber Security Operations Center (CSOC) of Altice Portugal, in particular the UBA App with its Machine Learning capabilities. In order to achieve the proposed objective, a list of use cases has been defined, primarily, addressing the main concerns regarding possible insider threats, namely regarding the possible abuse of credentials and the existence of time-space discrepancies. Subsequently, the data sources that provide the essential data for monitoring the previously identified use cases were validated. This project makes it possible to produce a critical technical analysis of the UBA App from IBM QRadar platform, as regards the detection and analysis of concrete use cases relevant to Altice Portugal’s cybersecurity management, in areas dependent on the behavior of its users. Moreover, it also allows the evaluation of the performance of this application, in a way that it does not compromise the current normal operation of the IBM QRadar platform.Ferreira, Pedro Miguel Frazão FernandesRepositório da Universidade de LisboaFilipe, João Guilherme Cercas2021-06-04T10:12:24Z202020202020-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/48314TID:202606198porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:51:40Zoai:repositorio.ul.pt:10451/48314Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:00:14.213572Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv QRadar UBA: Deteção e Análise de Anomalias Comportamentais de Segurança em Utilizadores
title QRadar UBA: Deteção e Análise de Anomalias Comportamentais de Segurança em Utilizadores
spellingShingle QRadar UBA: Deteção e Análise de Anomalias Comportamentais de Segurança em Utilizadores
Filipe, João Guilherme Cercas
Ameaça Interna
Comportamento
Deteção de Anomalias
UEBA
IBM QRadar
Machine Learning
Trabalhos de projeto de mestrado - 2020
Departamento de Informática
title_short QRadar UBA: Deteção e Análise de Anomalias Comportamentais de Segurança em Utilizadores
title_full QRadar UBA: Deteção e Análise de Anomalias Comportamentais de Segurança em Utilizadores
title_fullStr QRadar UBA: Deteção e Análise de Anomalias Comportamentais de Segurança em Utilizadores
title_full_unstemmed QRadar UBA: Deteção e Análise de Anomalias Comportamentais de Segurança em Utilizadores
title_sort QRadar UBA: Deteção e Análise de Anomalias Comportamentais de Segurança em Utilizadores
author Filipe, João Guilherme Cercas
author_facet Filipe, João Guilherme Cercas
author_role author
dc.contributor.none.fl_str_mv Ferreira, Pedro Miguel Frazão Fernandes
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Filipe, João Guilherme Cercas
dc.subject.por.fl_str_mv Ameaça Interna
Comportamento
Deteção de Anomalias
UEBA
IBM QRadar
Machine Learning
Trabalhos de projeto de mestrado - 2020
Departamento de Informática
topic Ameaça Interna
Comportamento
Deteção de Anomalias
UEBA
IBM QRadar
Machine Learning
Trabalhos de projeto de mestrado - 2020
Departamento de Informática
description Trabalho de projeto de mestrado, Segurança Informática, Universidade de Lisboa, Faculdade de Ciências, 2020
publishDate 2020
dc.date.none.fl_str_mv 2020
2020
2020-01-01T00:00:00Z
2021-06-04T10:12:24Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10451/48314
TID:202606198
url http://hdl.handle.net/10451/48314
identifier_str_mv TID:202606198
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134549030993920

Registros relacionados