S f r u t t a r e l e p o t e n z i a l i t à d e i B i g D a t a i n a m b i t o S i c u r e z z a. M i l a n o, 9 a p r i l e

Transcript

1 INNOVATING CYBERSECURITY S f r u t t a r e l e p o t e n z i a l i t à d e i B i g D a t a i n a m b i t o S i c u r e z z a M i l a n o, 9 a p r i l e

2 N e l l e a z i e n d e a m e r i c a n e h a n n o s p e s o p i ù di 67 M l d n e i s i s t e m i di s i c u r e z z a e s o r v e g l i a n z a Ciononostante, il problema sicurezza è ancora molto sentito Quali sono le motivazioni? 2 23/04/2014

3 3 23/04/2014

4 Crescita attacchi sconosciuti: Cause Mobile Cloud Computing Big Data Ogni grande innovazione digitale apre la porta a grandi opportunità, ma anche a rischi per la sicurezza 4 23/04/2014

5 Proteggersi da qualsiasi tipo di minaccia Tecnologia e Applicazioni per la Sicurezza di tipo tradizionale Big Data Analytics ampliando il campo di analisi System audit trails Logs Events Alerts Configuration information Network flows and anomalies External threat intelligence feeds Web page text and social activity Identity context Video / audio surveillance feeds Business process data Customer transactions 5 23/04/2014 Nuove Considerazioni Raccolta, Archiviazione e Elaborazione Raccolta e Integrazione Volumi e Velocità Arricchimento e Correlazione Analytics e Workflow Rappresentazione Analisi non strutturata Apprendimento e predittività Personalizzazione Condivisione ed estrazione

6 Analisi real-time e sui dati storici Catturare Riconoscere Dedurre Descriptive Analytics Cosa è successo? Come, con che frequenza, dove? Quale è di preciso il problema? Che rischi comporta? Historic and Predictive Analytics Historic Era già capitato? Come ci eravamo comporati? Forecasting Come ci comporteremo se il trend continua? Predictive Modelling Cosa succederà poi? Decision modeling Decision making Quali sono le azioni che devono essere prese? Risk mitigation & avoidance Come si può minimizzare il rischio? Come lo si può evitare? DATA INFORMATION Security Intelligence 6 23/04/2014

7 Un esempio in campo Fraud Management Carlo Rossi IT 80 X Fraud Control System Controllo in tempo reale del comportamento di tutti gli utenti applicando regole che contrastano le frodi da Malware Software Real Time Analysis Giuseppe James Smith Verdi IT X Transazione Segnalata ed eventualmente bloccata 7 23/04/2014

8 Firewall Applicazioni tradizionali di Sicurezza Architettura convenzionale DNS DNS DNS Rete Monitorata Rileva Firme su Flussi Dati Individuali IDS/ IPS Internet / Altre reti DHCP DHCP 8 23/04/2014

9 Firewall Real-Time Streaming Analytics DNS DNS DNS Rilevazione firme su flussi dati individuali Rete Monitorata Architettura Real-Time Streaming Analytics DHCP DHCP IDS/IPS Alerts IDS/ IPS 9 23/04/2014 Real-Time Cyber Security Analytics Internet / Altre reti Rilevazione comportamenti tramite correlazione su differenti/massicci flussi dati tramite Analytics in motion Alert Informazioni di Contesto Dati Aggregatii Apprendimento di Modelli offline tramite Analytics Data at Rest

10 Monitoraggio in tempo reale Esempio di architettura 1 Dashboarding / Visualization 3 Trend, analisi storiche Cybersecurity Analytics Elaborazione in tempo reale di grandi quantità di flussi dati Data Mining, Trend analytics Sviluppo nuovi modelli e apprendimento incrementale modelli esistenti DNS System Transport S Data Fabric 2 Raccolta dati e risultati NetFlow.. X86 Box X86 Blade Operating System FPGA Blade X86 Blade Cell Blade Allarmi su accessi di tipo sospetto 4 Modelli Analitici Adattati Real-Time Analytics (senza supervisione) 10 23/04/2014 Apprendimento (con supervisione)

11 Conclusioni Le soluzioni Big Data più recenti possono essere un utile supporto integrativo alle tradizionali soluzioni per la sicurezza dei dati. Benefici principali: Indirizzamento di temi quali quello delle Frodi online, così come altri temi per la sicurezza, attraverso un sistema di nuova generazione basato su tecnologie all avanguardia Analisi in tempo reale Apprendimento tramite modelli comportamentali Piattaforma flessibile che può essere un punto di partenza per un approccio Big Data da estendere a tutte le aree aziendali Utilizzabile per approcci estremamente innovativi Applicabile anche a casistiche molto differenti (es. Sicurezza Fisica) 11 23/04/2014

12 Alessandro Pirovano Partner Dataxtreme Gruppo Bizmatica 12 23/04/2014