Motor de inferência aplicado à deteção de incidentes de segurança no ciberespaço de uma organização

Detalhes bibliográficos
Autor(a) principal: Valente, Rodrigo Pinto
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10071/27552
Resumo: As capacidades tecnológicas evoluem exponencialmente todos os dias, assim como os ataques informáticos às organizações, é crucial melhorar as capacidades de monitorização, deteção e resposta a potenciais ameaças. Mecanismos tecnológicos de segurança por meio de automação de processos, Inteligência Artificial (AI) e Machine Learning (ML) são os que qualquer organização vai querer ter como arma e escudo para enfrentar os desafios emergentes no mundo da cibersegurança. Num Centro de Operações de Segurança (SOC), um analista precisa de monitorizar e investigar centenas de potenciais ameaças diariamente, a utilização de procedimentos automáticos para classificação de ameaças é imperativo para uma proficiência na resposta a esses incidentes de segurança de informação (ISIs). Para poder automatizar totalmente respostas a ISIs, um SOC precisa de ser capaz de classificar os indicadores de compromisso (IoCs) e percorrer uma árvore de decisão baseada nessas classificações, de forma automatizada. O objetivo é fornecer uma solução de classificação de IoCs que se possa adequar a uma organização e possa servir de decisão sobre avançar ou não com um fluxo automatizado. Assumindo que já existe um sistema de monitorização e gestão de eventos de segurança (SIEM), este motor de inferência, é capaz de automatizar a atribuição de um grau de ameaça a cada IoC, quantitativamente e qualitativamente. É uma solução que utiliza Cyber Threat Intelligence (CTI) e possibilita decisões automatizadas e personalizadas ao nível da ameaça para a organização, nomeadamente se uma contenção específica deve ou não ser executada com base nesse nível de ameaça identificada.
id RCAP_f833b41e09818ed53d0ab5f40d6d688d
oai_identifier_str oai:repositorio.iscte-iul.pt:10071/27552
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Motor de inferência aplicado à deteção de incidentes de segurança no ciberespaço de uma organizaçãoAutomatização -- AutomationInteligência artificialMachine learningCibersegurançaSOCCyber Threat IntelligenceIncidentes de Segurança de InformaçãoArtificial intelligenceCybersecurityInformation Security IncidentAs capacidades tecnológicas evoluem exponencialmente todos os dias, assim como os ataques informáticos às organizações, é crucial melhorar as capacidades de monitorização, deteção e resposta a potenciais ameaças. Mecanismos tecnológicos de segurança por meio de automação de processos, Inteligência Artificial (AI) e Machine Learning (ML) são os que qualquer organização vai querer ter como arma e escudo para enfrentar os desafios emergentes no mundo da cibersegurança. Num Centro de Operações de Segurança (SOC), um analista precisa de monitorizar e investigar centenas de potenciais ameaças diariamente, a utilização de procedimentos automáticos para classificação de ameaças é imperativo para uma proficiência na resposta a esses incidentes de segurança de informação (ISIs). Para poder automatizar totalmente respostas a ISIs, um SOC precisa de ser capaz de classificar os indicadores de compromisso (IoCs) e percorrer uma árvore de decisão baseada nessas classificações, de forma automatizada. O objetivo é fornecer uma solução de classificação de IoCs que se possa adequar a uma organização e possa servir de decisão sobre avançar ou não com um fluxo automatizado. Assumindo que já existe um sistema de monitorização e gestão de eventos de segurança (SIEM), este motor de inferência, é capaz de automatizar a atribuição de um grau de ameaça a cada IoC, quantitativamente e qualitativamente. É uma solução que utiliza Cyber Threat Intelligence (CTI) e possibilita decisões automatizadas e personalizadas ao nível da ameaça para a organização, nomeadamente se uma contenção específica deve ou não ser executada com base nesse nível de ameaça identificada.Technological capabilities evolve exponentially every day, as well as cyberattacks at organizations, it is crucial to improve monitoring, detection and response capabilities to potential cyber threats. Thus, technological security mechanisms through automation, Artificial Intelligence (AI) and Machine Learning (ML), are what any organization will want as a weapon and shield to face, protect and react to the challenges in the cybersecurity world. Daily, in a Security Operations Center (SOC) an analyst needs to deal and investigate hundreds of potential threats. Using automatic procedures for threats identification and classification is imperative to improve performance on cyber threats containing, mitigating and responding to information security incidents (ISIs). To be able to fully automate the information incident responses, a SOC needs to be capable of classifying the Indicators of Compromise (IoCs) and automatically run through a Decision Tree based on such classification. The goal is to develop an inference engine that classifies the IoCs, centering on its characteristics. If there’s already a Security Information and Event Management (SIEM), this inference engine is capable of automatically attributing a threat / risk score to each IoC, both quantitively and qualitatively, using Cyber Threat Intelligence (CTI) to allow for personalized automatic decisions according to the organization needs, namely if a specific containment should be executed or not.2023-01-27T15:10:34Z2022-12-15T00:00:00Z2022-12-152022-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10071/27552TID:203179587porValente, Rodrigo Pintoinfo: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:RCAAP2023-11-09T17:23:07Zoai:repositorio.iscte-iul.pt:10071/27552Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:10:37.179765Repositório 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 Motor de inferência aplicado à deteção de incidentes de segurança no ciberespaço de uma organização
title Motor de inferência aplicado à deteção de incidentes de segurança no ciberespaço de uma organização
spellingShingle Motor de inferência aplicado à deteção de incidentes de segurança no ciberespaço de uma organização
Valente, Rodrigo Pinto
Automatização -- Automation
Inteligência artificial
Machine learning
Cibersegurança
SOC
Cyber Threat Intelligence
Incidentes de Segurança de Informação
Artificial intelligence
Cybersecurity
Information Security Incident
title_short Motor de inferência aplicado à deteção de incidentes de segurança no ciberespaço de uma organização
title_full Motor de inferência aplicado à deteção de incidentes de segurança no ciberespaço de uma organização
title_fullStr Motor de inferência aplicado à deteção de incidentes de segurança no ciberespaço de uma organização
title_full_unstemmed Motor de inferência aplicado à deteção de incidentes de segurança no ciberespaço de uma organização
title_sort Motor de inferência aplicado à deteção de incidentes de segurança no ciberespaço de uma organização
author Valente, Rodrigo Pinto
author_facet Valente, Rodrigo Pinto
author_role author
dc.contributor.author.fl_str_mv Valente, Rodrigo Pinto
dc.subject.por.fl_str_mv Automatização -- Automation
Inteligência artificial
Machine learning
Cibersegurança
SOC
Cyber Threat Intelligence
Incidentes de Segurança de Informação
Artificial intelligence
Cybersecurity
Information Security Incident
topic Automatização -- Automation
Inteligência artificial
Machine learning
Cibersegurança
SOC
Cyber Threat Intelligence
Incidentes de Segurança de Informação
Artificial intelligence
Cybersecurity
Information Security Incident
description As capacidades tecnológicas evoluem exponencialmente todos os dias, assim como os ataques informáticos às organizações, é crucial melhorar as capacidades de monitorização, deteção e resposta a potenciais ameaças. Mecanismos tecnológicos de segurança por meio de automação de processos, Inteligência Artificial (AI) e Machine Learning (ML) são os que qualquer organização vai querer ter como arma e escudo para enfrentar os desafios emergentes no mundo da cibersegurança. Num Centro de Operações de Segurança (SOC), um analista precisa de monitorizar e investigar centenas de potenciais ameaças diariamente, a utilização de procedimentos automáticos para classificação de ameaças é imperativo para uma proficiência na resposta a esses incidentes de segurança de informação (ISIs). Para poder automatizar totalmente respostas a ISIs, um SOC precisa de ser capaz de classificar os indicadores de compromisso (IoCs) e percorrer uma árvore de decisão baseada nessas classificações, de forma automatizada. O objetivo é fornecer uma solução de classificação de IoCs que se possa adequar a uma organização e possa servir de decisão sobre avançar ou não com um fluxo automatizado. Assumindo que já existe um sistema de monitorização e gestão de eventos de segurança (SIEM), este motor de inferência, é capaz de automatizar a atribuição de um grau de ameaça a cada IoC, quantitativamente e qualitativamente. É uma solução que utiliza Cyber Threat Intelligence (CTI) e possibilita decisões automatizadas e personalizadas ao nível da ameaça para a organização, nomeadamente se uma contenção específica deve ou não ser executada com base nesse nível de ameaça identificada.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-15T00:00:00Z
2022-12-15
2022-11
2023-01-27T15:10:34Z
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/10071/27552
TID:203179587
url http://hdl.handle.net/10071/27552
identifier_str_mv TID:203179587
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_ 1799134660246110208

Registros relacionados