如何从收集风险数据到实际降低风险?

简介: 如何从收集风险数据到实际降低风险?

本文来源:企业网D1net


试图保护不断扩大的攻击面的企业最终会发现自己处于十字路口:他们需要超越发现风险,有效地降低风险。


从使用“发现的风险”作为关键绩效指标,转向使用“补救的风险”作为衡量成功的真正标准,这一变化改变了安全团队的激励机制,促使他们专注于风险补救。为了在规模上实现这一点,企业必须在降低风险方面摆脱“救火”模式——这意味着他们必须停止追逐最新的关键问题--并变得更加积极主动。


以下是你可以采取的七个步骤,将你现有的漏洞和风险管理流程和工作流程从消防转变为主动管理大规模风险降低。



步骤1:收集-创建一个积压工作来管理所有积压工作


对你的安全测试工具采用基于调查结果的方法意味着你的典型补救过程从登录到每个工具的仪表板开始。当然,这需要学习每个工具的不同功能,并理解每个工具的调查结果语言。


要过渡到基于修复的方法,请从创建单个待办事项开始。第一步是将来自所有测试工具的所有结果收集到一个集中位置,无论是电子表格、数据库还是其他系统。



第2步:整合-标准化、重复数据消除和利用上下文进行丰富


现在你有了单一的积压,向前迈进一步,将所有调查结果标准化,以便它们使用统一的术语,从而使你能够统一地执行你的补救流程。毕竟,如果你想衡量结果,你需要对所有发现执行相同的过程。这一标准化的积压调查结果现在是所有后续活动的支柱。


你将看到你现在标准化的列表有重复的发现。删除多余的内容以缩短积压工作的长度。


标准化列表还使你能够识别影响同一资源的不同调查结果。在这一点上,你应该用所有权背景来丰富调查结果,这是你未来需要的。例如,从配置管理数据库(CMDB)收集元数据,以在以后分析谁拥有易受攻击的计算机。



第3步:选择-决定执行什么、谁、如何以及在哪里执行补救行动


所有调查结果标准化后,你现在可以选择如何通过多维优先排序方法进行补救,其中包括:


A.内容:选择是要根据外部上下文(例如,已知的自然漏洞利用)还是根据内部上下文(例如,它所在的域-云、代码等)来确定发现的优先级。


B.谁:选择补救项目的发送对象。要确定合适的团队,请分析你在步骤2中收集的资源元数据。


C.如何:通过围绕补救行动进行汇总,确定结果而不是问题的优先顺序。这意味着,如果你对不同的资源或不同的问题有相同的解决方案,则只会生成一个补救项目。


D.在哪里:选择在哪个项目下为补救团队打开工单(例如,在Jira、ServiceNow或修复者使用的任何其他工单系统中)。



步骤4:路线-将补救项目送到补救团队手中


既然你知道谁将执行修复以及要发送它们的补救操作列表,你就可以开始发送它们了。


在这个阶段,你将意识到你能够并行地进行补救,而不是像今天通常所做的那样以顺序的方式进行。


作为一个简单的示例场景,假设你有两个补救团队,Engineering和DevOps,并且你有150个关键发现。接下来,让我们假设前100个调查结果都由Engineering修复,其余50个由DevOps修复。按顺序完成列表将意味着工程团队的修复程序超负荷,而DevOps团队则未得到充分利用。但是,一旦你基于补救操作处理列表,并且你知道将进行补救工作的团队,你就可以并行地补救部分积压。



步骤5:面向接收的解决方案,而不是依赖于安全


这是使你能够真正扩展的步骤:通过创建程序化工作流来自动化积压管理。实现这一点的关键是与其他企业流程同步,并在补救团队需要安全数据时使其可用,而不是在发现发现时提供。


首先,在补救项目和每个不同的补救团队使用的票务系统之间应该有一个工作流程。这样,当发现问题时,票证将自动打开并定向到正确的团队,如步骤3中所定义。你甚至可以更进一步,为每个票务系统创建统一的模板。


你的自动化工作流程应该是双向的,以便在票务系统中关闭票证时,你可以使用下一次测试扫描的结果进行验证。如果发现任何差异,请通过在补救团队的工作流工具中重新打开带有相关详细信息的票据来突出显示它。



步骤6:补救-完成艰苦工作的地方


这是为补救安全问题而进行的实际修复、缓解或风险接受。这是补救过程中的关键部分,但作为安全团队,它不在你的直接控制范围之内。



第7步:报告-衡量实际绩效、效率和风险降低


拥有将补救操作发送给正确的补救团队的自动路由流程,使你可以立即查看整个积压及其状态,而不仅仅是它是否得到了补救。这使你能够跟踪和衡量你的风险降低过程。


有了这些数据,你可以衡量绩效,还可以比较企业内不同团队或组之间的补救绩效。例如,你可以分析和比较不同的应用程序在关键发现、总发现以及团队如何处理他们的罚单方面。


你现在还可以向利益相关者提供有关企业补救计划的报告,使每个人都能够了解该计划的节奏和性能,以及统计数据,如新发现与已解决发现的比率、补救的平均时间和总体积压状态。


这种跟踪使你能够识别补救流程本身中的任何问题,并为安全团队提供数据,他们可以使用这些数据与相应的补救团队更紧密地协作,以增强其流程并解决任何需要改进的领域。


正是这种从产出转移到结果的方法,应该在消除安全成为补救过程中的瓶颈并使过程能够扩展方面发挥带头作用。



版权声明:本文为企业网D1Net编译,转载需在文章开头注明出处为:企业网D1Net,如果不注明出处,企业网D1Net将保留追究其法律责任的权利。




相关文章
|
6月前
|
安全 Devops 测试技术
如何从收集风险数据到实际降低风险?
如何从收集风险数据到实际降低风险?
|
6月前
|
数据挖掘
如何衡量员工在合规培训后的违规行为减少的效率?
【6月更文挑战第26天】如何衡量员工在合规培训后的违规行为减少的效率?
35 1
|
7月前
|
人工智能 监控 安全
大模型安全风险的具体表现
【1月更文挑战第23天】大模型安全风险的具体表现
319 3
大模型安全风险的具体表现
|
7月前
|
监控 测试技术
软件项目开发中会遇到哪些风险,如何才能降低这些风险呢?
软件项目开发中会遇到哪些风险,如何才能降低这些风险呢?
133 0
|
测试技术 微服务
测试质量保障的影响因素
测试质量保障的影响因素
186 0
测试质量保障的影响因素
|
数据采集 分布式计算 监控
数据质量影响因素 | 学习笔记
快速学习数据质量影响因素
数据质量影响因素 | 学习笔记
|
安全 网络安全 数据库
三个必须实施的减少安全漏洞的数据安全措施
三个必须实施的减少安全漏洞的数据安全措施
306 0
三个必须实施的减少安全漏洞的数据安全措施
|
机器学习/深度学习 运维 供应链
利用预测分析改进欠款催收策略,控制欺诈风险和信贷风险
前提摘要 在数字经济新时代,金融服务主管正在寻求方法去细分他们的产品和市场,保持与客户的联系,寻找能够推动增长和收入的新市场,并利用可以增加优势和降低风险的新技术。 在拥有了众多可用数据之后,金融机构利用数据科学,尤其是预测分析和机器学习技术,使企业能够根据既定的商业目标做出更好的决策。