Als ersten Schritt zur Bereitstellung maßgeschneiderter Dienste nutzt CarbonHelix QRadar, um vollständige Transparenz in der gesamten Umgebung eines Kunden zu gewährleisten, unabhängig davon, welche Technologien und Plattformen der Kunde verwendet. „Wir können QRadar in jeder Form bereitstellen – lokal, in Umgebungen mit physischer Trennung, wenn wir es hosten, wenn ein Kunde es hostet, Hardware, virtuell, AWS, Azure, es spielt keine Rolle. Es kann überall leben“, sagt DeLozier. „Und es gibt nichts, was wir nicht in QRadar integrieren konnten, einschließlich selbst entwickelter und Drittanbieter-Anwendungen.“ Diese Integration umfasst auch Plattformen, die sich oft nur schwer in SIEM-Systeme (Security Information and Event Management) integrieren lassen, wie z. B. der IBM AS/400-Server, das IBM AIX-Betriebssystem und die im Bankensektor üblichen Mainframe-Systeme. „Dieses Maß an Sichtbarkeit können wir mit anderen SIEMs nicht erreichen“, sagt DeLozier.
Und um die Erkennung und Bekämpfung von Bedrohungen kontinuierlich zu beschleunigen und zu optimieren, setzt CarbonHelix die auf maschinellem Lernen (ML) basierende QRadar-Benutzerverhaltensanalyse (UBA) und die Netzwerkbedrohungsanalyse (NTA) ein. „Das maschinelle Lernen ist in der Lage, Aktivitätsmuster in einem Umfang zu analysieren, der für menschliche Analysten nicht möglich ist“, sagt DeLozier. „Es ist also wirklich effektiv bei der Erkennung von Anomalien, sodass die Analysten dann entscheiden können, wie sie am besten damit umgehen.“ Durch die Integration von UBA in die IBM QRadar SOAR-Komponente kombiniert CarbonHelix außerdem die ML-gesteuerte Erkennung von riskantem Benutzerverhalten mit automatisierten Reaktionen, um Bedrohungen schnell zu entschärfen.
CarbonHelix hat mit NTA im Gesundheitswesen besondere Erfolge erzielt und die Technologie zur Unterstützung des ordnungsgemäßen Betriebs von medizinischen Geräten und der Sicherheit medizinischer Daten eingesetzt. IT- und Sicherheitsteams von Krankenhäusern haben manchmal keinerlei Einblick in die Geräte in ihrem Netzwerk, aber ein einziges infiziertes Gerät kann zu größeren Problemen führen, die die Patientenversorgung gefährden. DeLozier erinnert sich an einen Fall, bei dem ein MRT-Gerät infiziert war. Normalerweise würde das Gerät Daten nur mit einem Desktop-Computer teilen, aber durch die ML-Analyse der Flussdaten erkannte die NTA-App, dass das MRT-Gerät begonnen hatte, mit vielen anderen Geräten im Krankenhaus zu kommunizieren. Glücklicherweise konnten CarbonHelix und das Krankenhaus die Maschine aufgrund der frühzeitigen Erkennung abschalten und dann einen Patch für das Problem implementieren, bevor das Krankenhaus Schaden erlitt.