Descargar para leer sin conexión
Subido porQMA S.C.
Firesphere de iboss Network Security
El documento aborda el aumento alarmante de las brechas de datos, revelando un incremento del 30% en el primer cuarto de 2014 respecto al año anterior y destacando el hackeo como la causa principal. Se enfatiza la necesidad de cambiar de un monitoreo reactivo a uno proactivo para detectar y prevenir infecciones, utilizando métodos avanzados como el sandboxing y el análisis de anomalías. Firesphere de iboss se presenta como una solución integral con herramientas para la prevención, detección y respuesta a incidentes de seguridad en redes.
![[2020] OSINTCity - Ciberinteligencia: Surface Crawling - Ivan Portillo y Gonz...](https://cdn.slidesharecdn.com/ss_thumbnails/osintcity2020-ivanportilloygonzaloespinosa-201222191449-thumbnail.jpg?width=640&height=640&fit=bounds)
Firesphere de iboss Network Security
- 1.
- 2. Las Brechas deDatos solo van en Aumento ◼ Públicamente las brechas reveladas durante el primer cuarto del 2014 superaron por 30% el promedio por cuarto del 2013 ◼ Durante el primer cuarto del 2014 expusieron 4,466,289 registros ◼ El promedio de registros expuestos aumento el 49% ◼ El Hackeo es el método más común de las brechas – 32% Source: Navigant Consulting: Information Data Breach Report, June 2014
- 3. Las Brechas deDatos son Descubiertas Después de que los Datos se han Fugado ◼ Snapchat: 30M de Usuarios expuestos, descubierto dos semanas después de la brecha ◼ Target Corp: 110M de registros expuestos, descubierto 4 semanas después de la brecha ◼ Spec’s Liquor Store Chain: 550K clientes, descubierto 18 meses después de la brecha
- 4. ¿Porqué sus DatosEstán en Riesgo? Los ataques han cambiado de ser aleatorios a ser enfocados
- 5. Expanda su enfoquede solo detectar el tráfico 'malo'…
- 6. …para comprender comose ve el tráfico 'bueno' y así puedan encontrar cualquier anomalía
- 7.
- 8. Además de prevenirel malware, se requieren de métodos avanzados para detectar las infecciones que ya se encuentran en la red
- 9. La Anomalía deDatos - Baselining Compare la linea de base normal contra la actual Un día normal en la vida de su servidor: 1,000 UDP paquetes out 1,000 UDP paquetes in 50,000 TCP paquetes out 200,000 TCP paquetes in 100 MB data in 500 MB data out Un día, algo sale mal: 100,000 UDP paquetes out 1,000 UDP paquetes in 50,000 TCP paquetes out 200,000 TCP paquetes in 100 MB data in 500 MB data out
- 10. Monitoreo contínuo deinfecciones reduce el tiempo ‘extendido’
- 11. Investigación y forensede Infecciones ◼ Aumenta la visibilidad de cuando el malware entra por primera vez a la red ◼ Identifica los dispositivos potencialmente comprometidos ◼ Contiene los brotes ◼ Quién fue infectado ◼ Como se extendió la infección
- 12. FIRESPHERE por iboss ◼ Prevención APT Avanzada, Detección, y Forense ◼ Cambio de monitoreo reactivo a proactivo ◼ Previene el malware con defensa avanzada de amenazas ◼ Detecta infecciones y mitiga el riesgo ante la pérdida de datos ◼ Responde a las brechas con herramientas de investigación
- 13. FIRESPHERE Reportes Micro-SIEM Monitoreo de Infecciones Baselining Cuarentena de Dispostivos Sandboxing Prevensión de Intrusos AV Firmas/Heurístico
- 14. Seguridad Proactiva paraAmenazas Modernas • Fundada: 2003, producto liberado 2007 • Clientes: 4000+ • Patentes/Patentes Pendientes: 56 • Suite de Productos: – FireSphere™ Defensa APT en capas – Seguridad Web a través de todos los flujos de la Web y los 131K canales de datos – Seguridad Móvil con MDM/EMM integrado
Notas del editor
- #6 Expand focus from simply detecting ‘bad’ traffic… Traditional approach using Antivirus or IPS to block the bad traffic flowing into the network They relied on a signature or model to identify what bad traffic looks like Again, think of the shotgun analogy where you know its there and you just need to block it
- #7 Modern attacks are sophisticated and targeting on stealing data They will mask themselves as ‘good’ traffic to circumvent traditional malware signatures or modeling We need to expand our monitoring of both the ‘bad’ and ‘good’ traffic and detect for anomalies Essentially, look for any deviations from normal to uncover malware masking itself ‘good’ traffic
- #8 Sandboxing One method of detecting bad traffic disguised as good is data sandboxing By running seemingly ‘good’ files through a virtual environment, we can detect for suspicious behavior Sandboxing is a good tool to prevent malware from entering the network
- #9 In addition to preventing malware, we need to apply advanced methods for detecting infections already in our networks
- #10 A method to increase detection of APTs that circumvented defenses and lurking inside the network is Data Baselining and Anomaly detection The way this works is essentially baselining normal traffic then compare current An example, if we baseline a server then one day the server increases the number DNS request to a certain region and the size of the paquetes also increase by ‘x’ percent, that may be a concern This is effective in detecting advanced threats masking C&C call backs
- #11 In addition to baselining, another technique to increase infection detection is through Continuous Infection Monitoring This requires continuous monitoring of network connections to detect suspicious events such as call backs to Command and Control centers and detect infected devices It allows us to minimize the ‘dwell time’ which is the time from infection to detection which reduces data loss exposure
- #12 In addition, we need the tools for effective infection investigation and forensics Increases visibility into when the malware first entered the network Identify other potentially compromised devices Contain outbreaks Who got infected How infection spread
- #13 Effective continuous monitoring requires dynamic access to historical network information FireSpheres integrated Micro SIEM is essential components : Increases visibility into when the malware first entered the network Identify other potentially compromised devices Contain outbreaks Who got infected How infection spread
- #14 Modern Data Protection Requires that You Detect and Respond in Close to Real Time