強靭なデータセキュリティシステムの構成要素:適応型動的リスク|CEOコラム

適応型動的リスク

リスクは安全なインターフェイスです

セキュリティは非常に広範囲かつ抽象的な用語であるため、日常業務では視覚化することが難しい場合があります。組織がセキュリティについて話すとき、ほとんどの場合、リスクが中心になります。

リスクは可視化・知覚できる対象であり、安全性の尺度、つまり安全なインターフェースとなります。リスクとは簡単に言えば、安全事象が発生する可能性や確率のことであり、予期せぬ悪い事象を安全事象と表現します。

リスク管理の難しさは、同じ種類のイベントでも、予想される出来事は通常の出来事であり、予期せぬ出来事は安全上の出来事であり、そのイベントは将来に起こることです。組織が文脈を無視してリスクを管理すると、リスク管理がばらばらになることは明らかです。リスクが管理される状況を考慮すると、リスク管理が膨大になる可能性があります。

データセキュリティは確率の低い出来事です

データ セキュリティは、特にネットワーク セキュリティの最初の境界防御を通過したセキュリティ インシデントでは、発生する可能性が低いイベントです。確率の低いイベントとは、日常からの脱却を意味します。つまり、データ セキュリティ インシデントは、さまざまな偶然や偶然の結果であることを意味します。同じ操作や動作が、必ずしも同じ結果につながるとは限りません。最後のストローは、多くの小さな出来事の描写です。 -確率的な出来事。データセキュリティは確率の低い出来事であり、私たちはこの結論をリスク管理全体の基礎としています。

構造化されたリスク測定システム

小さな確率事象は確率空間を前提として完成され、確率空間は標準事象の構造に従って構築される。経験に基づいたリスク システムは将来に対処するのが困難ですが、構造に基づいたリスク システムは将来に非常に役立ちます。

  • 単一イベントベースの確率空間モデル

  • 時間および空間ウィンドウに基づく確率的空間モデル

  • 依存事象に基づく確率的空間モデル

  • 有向トポロジカルネットワークに基づく確率的空間モデル

ライフサイクル全体を踏まえたリスク計測

異なるアイデンティティ ライフ サイクルと資産ライフ サイクルでは、異なる確率と統計的パフォーマンスが示され、特定の動作の測定はライフ サイクルの対応する段階で実行される必要があります。

適応進化

時間が経つにつれて、アセットの構成、動作セット、アクティビティ、接続性は常に変化し、アイデンティティの動作パターン、アクティビティ、接続性も常に変化します。この継続的な変化は、複雑なネットワークの適応進化の特徴を有しており、適応進化を通じて新たな発生時期のリスクを継続的に測定することができる。

パターンと突然変異

適応度の進化の過程では、時折、突然変異、つまり行動パターンの突然変異が発生します。バランスのとれた方法で動作することが期待されるネットワークの場合、ほとんどすべての突然変異は高リスクであり、ほとんどの突然変異は重大な損害を引き起こしますが、少数の突然変異は予期され、プラスとなる可能性があります。主要な脅威の防御に基づくデータ セキュリティ システムでは、変異の検出がリスク測定の中核となります。

特定のリスクの進化

セキュリティ関連のアクションや結果の大部分は、通常の業務を混乱させます。動作保証セキュリティ エラー、リソース、キューなどの動作状況を監視することで、動作障害を発見し、可観測性により迅速に介入することができ、動作状況を見直すことができます。この動作状態を迅速に検出して介入することで、システムの回復力を効果的に向上させることができます。

脅威インテリジェンス

脅威インテリジェンスは既知の特定のリスク脅威を表すため、追加の知識や蓄積がなくても特定のリスクを特定できます。脅威インテリジェンスと特定のリスクの進化的演繹により、脅威インテリジェンスの価値範囲を拡大できます。

危機管理

リスクは将来に基づいており、将来に発生します。将来に基づくいかなる判断も不確実性が高く、過去に発生したリスクの高い出来事が将来特定され、対応されることが期待される場合でも、それは不確実性に満ちています。歴史は常に繰り返されますが、100%繰り返されることはなく、別の形で繰り返されます。私たちは未来を想像することはできず、過去と既知の事実に頼ることしかできません。リスクガバナンスは、組織が過去と既知のことを認識するための最良の方法です。

適応可能な動的リスクと回復力

歴史と関係に基づいてリスクを動的に測定し、将来の既知のことに基づいて適応進化できる場合、組織ネットワークとデータエコロジーは自然に優れた復元力を持ち、適応性は復元力です。

Guess you like

Origin blog.csdn.net/meichuangkeji/article/details/132038563