Palo Alto Networks首席技术官揭示机器学习如何提升安全运营中心(SOC)表现

一家媒体最近进行了虚拟访谈,采访了Palo Alto Networks的创始人兼首席技术官(CTO)Nir Zuk。此次讨论的重点是机器学习在提高安全运营中心(SOC)性能中的关键作用,以及它在Cortex XSIAM架构中的整合。

在2005年创立Palo Alto Networks之前,Zuk曾担任NetScreen Technologies的CTO,该公司于2004年被Juniper Networks收购。他还共同创立了OneSecure,这是一个早期的入侵防御系统创新者,并担任Check Point Software Technologies的首席工程师,为状态检测技术的发展做出了贡献。

在2024财年第二季度(截至1月31日),Palo Alto Networks报告收入增长19%,达到20亿美元,较上年同期的17亿美元大幅上升。公司的GAAP净收入从2023年Q2的1亿美元飙升至17亿美元。目前,Palo Alto Networks在全球拥有超过85,000个客户,其中大部分为全球2000强企业。

媒体提问:机器学习(ML)为何对提高SOC性能至关重要?

Zuk回答:机器学习至关重要,因为它使我们能够从研究已知攻击(罕见)转变为评估基础设施中每个事件的潜在威胁。这一转变使我们能够每秒评估数百万种可能的攻击,这对于人类来说是无法独自管理的。

媒体:机器学习如何改变安全运营,优化关键SOC指标?

Zuk回答:我们从两个方面来处理网络安全。第一个是预防,主要集中在防止对手入侵——传统的网络安全、终端安全和访问管理。然而,我们也必须面对潜在的入侵现实。因此,如果有入侵者成功进入,SOC的职责是主动追踪他们,而机器学习在这里发挥了关键作用,无论威胁是在外部还是内部,都能支持检测和响应。

媒体:您的客户使用的云平台数量是否在增加?他们是否正在寻找应对云检测与响应的复杂性的方法?

Zuk回复:绝对是这样。与传统数据中心相比,安全操作团队常常被云环境的复杂性所压倒。这种复杂性需要有效的工具来管理云安全。将安全操作整合到DevOps中的概念并未取得预期效果,因为双方仍面临相似挑战。XSIAM正是为了解决这些复杂性而提供的解决方案,无论是专注于云的SOC还是通用SOC。

媒体:机器学习在Cortex XSIAM架构中扮演什么角色?

Zuk回答:Cortex XSIAM本质上是一个机器学习系统,利用定制模型来检测各种类型的攻击。目前,我们拥有大约1,400个由网络安全专家(包括前军事和情报网络行动人员)开发的专门模型,他们将其经验转化为有效的威胁检测模型。

媒体:您怎样处理攻击数据,以训练来自不同客户交互的模型?

Zuk答复:我们的机器学习方法与市场上的常见趋势不同。我们并不使用客户数据训练模型,而是利用来自不同来源的攻击数据。这使我们能够确定客户基础设施的正常状态,并在不泄露数据隐私的情况下识别异常。

媒体:您的客户如何看待SOC指标?

Zuk表示:我们积极鼓励客户测量关键指标,如平均检测时间(MTTD)和平均响应时间(MTTR)。目前研究表明,MTTD通常以月为单位,但我相信我们可以将其缩短至几周甚至几天。同样对于MTTR,通常计量为小时。大部分客户和潜在客户目前并没有测量这些重要指标。

媒体:您如何处理定价和升级?

Zuk回答:XSIAM的定价基于分析的数据量。我们的目标是使定价与现有的SOC解决方案保持一致,尽管我们处理的数据量通常比典型的安全信息和事件管理(SIEM)系统多10到100倍。我们希望避免SOC预算的急剧增加。

Most people like

Find AI tools in YBX

Related Articles
Refresh Articles