Dagelijks worden cybersecurity analisten geconfronteerd met een overweldigend aantal waarschuwingen. Hierdoor ontstaat al snel alert fatigue. Deze waarschuwingsmoeheid treedt op wanneer detectiesystemen talloze waarschuwingen genereren, waarvan er veel false positive blijken te zijn. 

Deze ruis kan ervoor zorgen dat security specialisten kritieke bedreigingen over het hoofd zien, waardoor de beveiliging wordt verzwakt. Generatieve AI, GenAI, is naar voren gekomen als een veelbelovende oplossing voor dit probleem. Het biedt namelijk zogeheten contextuele mogelijkheden om ruis te filteren, prioriteit te geven aan belangrijke bedreigingen en bruikbare reacties voor te stellen.

Hoe moe bent u?

Het monitoren van anomalieen, ofwel onverwachte of ongebruikelijke patronen binnen systemen of netwerken, kan uitputtend zijn. Het enorme aantal waarschuwingen is in belangrijke mate te wijten aan de complexiteit van moderne IT omgevingen en de hoeveelheid contextuele gegevens waarmee security specialisten rekening moeten houden om risico s effectief in te schatten. Traditionele systemen voor het detecteren van anomalieen zijn weliswaar essentieel, maar hebben vaak moeite om onderscheid te maken tussen echte bedreigingen en, zeg maar, goedaardige anomalieen, wat leidt tot een stortvloed aan waarschuwingen.

Historisch gezien werken anomaliedetectie engines het best op nauw gedefinieerde datasets. Effectieve anomaliedetectie moet twee cruciale vragen beantwoorden: of er iets abnormaals is gedetecteerd binnen de omgeving en waar de anomalie waarschijnlijk verband mee houdt. Systemen die de tweede vraag niet kunnen beantwoorden, lopen het risico op hoge false positive percentages, waardoor security specialisten een groot aantal waarschuwingen moeten doornemen die mogelijk helemaal geen echte bedreiging vormen. Hier zou AI kunnen helpen. Maar wil AI gebaseerde daadwerkelijk voor anomaliedetectie blijvende waarde hebben, dan moet het zich ontwikkelen om bredere datasets met grotere nauwkeurigheid te begrijpen.

De rol van GenAI bij het opsporen van afwijkingen

Van oudsher vertrouwde cyberbeveiliging op detectiesystemen die gebruik maken maken van handtekeningen. Denk aan inbraakdetectie en anti malware software. Via deze handtekeningen kunnen zij reeds bekende bedreigingen opsporen. 

Deze versturen we 3-4x per jaar.