Invoering
Deepfakes en desinformatie op het gebied van kunstmatige intelligentie (AI) kunnen zorgen baren in de wereld van technologie en investeringen, maar deze krachtige, fundamentele technologie heeft het potentieel om allerlei soorten organisaties ten goede te komen als ze op de juiste manier wordt ingezet.
In de wereld van cybersecurity is een van de belangrijkste toepassingsgebieden van AI het uitbreiden en verbeteren van identiteitsbeheersystemen. AI-aangedreven identiteitslevenscyclusbeheer loopt voorop op het gebied van digitale identiteit en wordt gebruikt om de beveiliging te verbeteren, het bestuur te stroomlijnen en de UX van een identiteitssysteem te verbeteren.
Voordelen van een AI-aangedreven identiteit
AI is een technologie die barrières overbrugt tussen traditioneel tegengestelde factoren in het bedrijfsleven, waardoor voorheen conflicterende gebieden bij elkaar worden gebracht:
- AI maakt een betere operationele efficiëntie mogelijk door risico’s te verminderen en de beveiliging te verbeteren
- AI stelt bedrijven in staat doelen te bereiken door cyberveerkracht te waarborgen
- AI vergemakkelijkt flexibele en veilige toegang door naleving van de regelgeving te garanderen
AI en uniforme identiteit
Door AI aangedreven identiteit levert de intelligentie die nodig is om aanvallen af te weren en toegangsafwijkingen te corrigeren die van invloed zijn op onze identiteitsinfrastructuur. Een belangrijke factor voor AI binnen een identiteitslevenscyclusbeheersysteem is echter de unificatie van identiteit. AI kan toepassingen vinden op een uniform identiteitsoppervlak en symbiotisch samenwerken om aan de vereisten van de zakelijke drijfveren te voldoen.
AI-aangedreven identiteit in de praktijk
Wanneer ze op de juiste manier worden toegepast, hebben AI-technologieën de kracht om toegangsfouten te beperken en de huidige aanval van identiteitsgerichte cyberaanvallen aan te pakken. Door AI aangedreven identiteiten kunnen gebruik maken van machine learning-modellen om signalen van een aanval te identificeren, zoals gedragsafwijkingen, die wijzen op een data-exfiltratiegebeurtenis.
One Identity heeft geprofiteerd van de kracht van AI-modellen om verschillende aspecten van identiteitsbeveiliging te verbeteren en mogelijk te maken:
Risicodetectie voor identiteitsbeheer en -beheer (IGA)
AI-aangedreven identiteitsbeheer en -beheer (IGA) biedt een methode om ongewoon gedrag te identificeren en de signalen van gegevensblootstelling en gegevensexfiltratie op te sporen. One Identity Safeguard maakt gebruik van een AI-model dat bekend staat als ‘Random Forests’, een machine learning-algoritme dat de output van meerdere beslissingsbomen combineert om inzichten te leveren. Safeguard analyseert gegevens van gebeurtenissen als muisbewegingen, toetsaanslagdynamiek, inlogtijd en opdrachtanalyses om gedragsafwijkingen te identificeren en aanvallen te automatiseren. Menselijke operators communiceren vervolgens met een dashboard om beslissingen te interpreteren en te nemen op basis van de door AI gegenereerde output, zodat een organisatie de barrière op het gebied van cyberbeveiligingsvaardigheden effectief kan verlagen.
Toegangsbeheer
Gegevens van authenticatiegebeurtenissen voor toegangsbeheer kunnen worden gebruikt om een signaal van een cyberaanval en inbreuk op de inloggegevens te identificeren. De toegangsgebeurtenisgegevens (bijvoorbeeld identiteit, locatie, apparaat, enz.) worden verzameld wanneer iemand inlogt. Er wordt een autorisatiebeslissing genomen en de beveiligingsvereisten kunnen dan gebruik maken van step-up-authenticatie in plaats van de toegang te weigeren.
AI bevordert dit eenvoudige model echter. Eén identiteit OneLogin gebruikt Vigilance AI™ Threat Engine15 om grote hoeveelheden gegevens te analyseren om bedreigingen te identificeren. Door gebruik te maken van User and Enty Behavior Analytics (UEBA) wordt een profiel van typisch gebruikersgedrag als basis gecreëerd. Dit wordt vervolgens gebruikt om afwijkingen te identificeren en risico’s te voorkomen.
OneLogin kan de gegevens uit toegangsverzoeken, evenals de daaruit afgeleide analytische inzichten, in de vorm van rijke syslogs in SIEM- en SOC-systemen invoeren.
Beheer van rechten
Op rollen gebaseerde toegang is een fundamenteel principe van identiteitsbeveiliging. Maar het handmatig beheren van deze rollen kan een uitdaging vormen. Machine learning wordt al een tijdje gebruikt bij identiteits-‘role mining’ of ‘role-discovery’, maar een nieuwe toepassing van One Identity levert de rol-mining-inzichten rechtstreeks aan de relevante persoon voor gestroomlijnd rechtenbeheer.
U kunt bijvoorbeeld AI gebruiken om het teamrolbeleid voortdurend te optimaliseren, waardoor het beheer van rechten een doorlopende, geautomatiseerde taak wordt die nauwkeurige inzichten biedt in de toegangsvereisten in de hele organisatie.
Conclusie
Identiteitsbeheersystemen moeten reageren op het toenemende aantal geavanceerde, op identiteiten gebaseerde bedreigingen. Het antwoord komt in de vorm van systeemvergroting door middel van AI, waarbij gezaghebbende, hoogwaardige identiteitsgegevens de AI-modellen voeden die worden gebruikt om het beheer van de identiteitslevenscyclus te verbeteren. Deze capaciteitsverbetering is essentieel bij het ontwikkelen en leveren van rechtenbeheer en IGA voor een robuuste beveiligingspositie en cyberveerkracht. Nu de unificatie van identiteitsgerelateerde diensten identiteitsbeheer eenvoudiger en effectiever maakt, geeft het toevoegen van AI aan een verenigd identiteitsplatform een organisatie de veerkracht om zelfs de meest complexe identiteitsgerelateerde bedreigingen te weerstaan.
