IT管理中的安全痛点及解决方法

简介: 本文讲的是IT管理中的安全痛点及解决方法,近些年,随着需要缓解的网络威胁层出不穷愈趋严重,企业安全管理员的角色也变得越来越复杂了,同时,他们自身的痛点也发生了改变。

本文讲的是 IT管理中的安全痛点及解决方法,近些年,随着需要缓解的网络威胁层出不穷愈趋严重,企业安全管理员的角色也变得越来越复杂了,同时,他们自身的痛点也发生了改变。

image

今天的安全主管们要负责整个公司网络风险的评估、沟通和管理。他们必须通告队友具体安全漏洞的位置,然后指派相关负责人采取行动缓解威胁。安全管理员们还要负责通报高管和董事会公司网络风险事务的当前状况,以及该怎样减小这些风险。风险情报软件提供商 Bay Dynamics 带来的研究结果和深度行业信息,为大型企业的高管们,呈现了一些常见的痛点和建议解决方案。对照一下,你自己的安全系统中有没有发现几个呢?

一、盲点

安全主管只知道自身环境中的一部分动向。系统、数据和业务部门在大型企业中是极端孤立的。每个团队管理着自己的系统和应用。可以将之想象成安全主管们在大楼前台指挥一队保安的情况。他们会确保只有具备进入大楼权限的人进来;然而,一旦进了门,保安便看不见这些人都在做什么了。他们无法知道某个访客是否走进了办公室打开了存有敏感信息的文件柜。

二、不良报告方式

Bay Dynamics的研究《向董事会报告:CISO和董事会的失败之处》中,81%的IT和安全主管承认,他们通过手工编辑的电子表格向董事会汇报数据。该手工过程产生了一些痛点。安全团队花费数小时从各业务部门收集电子表格,再将散乱的表格编辑成一个清晰连贯的数据文档供CISO向董事会报告。该数据通常是不准确的,因为手工过程会导致数据篡改,不可避免地向数据中引入了偏差。而一旦安全主管、其他高管和董事会没有看到准确的数据,评估网络风险就会成为一件几乎不可能完成的任务了。

三、低效安全响应

没有基于资产风险值和事件影响对安全控制进行优先级排序会产生无穷无尽的警报通知,再加上有限的资源,意味着安全主管必然挣扎于繁重的噪音排除任务中。他们投入了很多安全工具,却依然在如何用好这些工具产出的信息上问题多多。每一条信息都被当成了画面中的一个像素。由于不能看清所有这些像素是怎样组合成整体画面的,他们便不知道该从何处入手。比如说,他们很可能将精力投放在了低优先级的漏洞上而放过了高风险漏洞。

四、网络风险的无效沟通

安全主管们难以将网络风险信息以一种可追溯的、可理解的、脉络化的方式传达给董事会。最近的研究《董事会对网络安全报告的真实感受》中指出,超过一半(54%)的董事会成员都强烈认同,安全主管们提交的数据太过于技术化了。

五、业务主管参与难

安全主管通常都难以将管理着公司最敏感资产却不属于安全团队的业务主管拉进安全管控中来。业务主管对自己手下的资产有着最清晰的理解,因而在检测到非常规事件时可以提供需要的相关上下文。安全主管必须在网络风险管理过程中得到他们的参与,以便能为警报和通知添加上下文信息。

为解决这些痛点,安全主管们可以参考如下做法:

  • 识别最有价值资产

在解决上述痛点之前,安全主管们必须先识别出自己最有价值的资产,也就是一旦被盗会对公司产生最严重损害的那些资产。找出这些资产是什么、在哪里、谁在管之后,安全主管应将最多的精力放在对这些资产的保护上。这包括了:发现与这些资产相关的威胁和漏洞,以及攻击的可能性。然后,将相应的安全资源应用到这上面。

  • 让业务主管能容易地参与进安全实践中

业务主管应收到自己辖下有价值资产的顶级威胁和漏洞的排序视图。这样他们就能准确地知道应采取哪些动作来保护他们的资产。当安全工具发现对他们辖下资产的非正常访问时,业务主管也应收到自动化的警报,以便能通知事件响应者这些访问是经授权的还是可疑而需要立即调查的。

  • 数据收集必须自动化

电子表格可以被抛弃了。安全主管们应部署自动化的网络风险数据收集过程,这样所有的利益相关者——业务主管、IT主管、董事会、高管和安全团队,才能看到同一份自动产出的网络风险信息。安全主管也可有效产出准确的、可追溯的、可操作的网络风险报告,以便董事会作出英明的决策。

  • 用风险语言交流

董事会理解风险,安全主管同样必须理解。安全主管不再被看做是只管理网络安全技术的“技术宅”。他们越来越被看做是与其他运营风险主管(例如:法务、财务等等)相当的风险专家。有鉴于这种转变,安全主管必须改变他们的方式方法。不是报告补丁、错误配置和其他以技术为中心的信息,而要报告威胁、与最有价值资产相关的漏洞,以及二者火星撞地球的可能性,然后据此分配相应的安全资源。这才是董事会能理解的说话方式。

原文发布时间为: 七月 29, 2016
本文作者:nana
本文来自云栖社区合作伙伴安全牛,了解相关信息可以关注安全牛。
原文链接:http://www.aqniu.com/learn/18104.html

相关文章
|
机器学习/深度学习 算法 PyTorch
【PyTorch实战演练】Fast R-CNN中的RoI(Region of Interest)池化详解
【PyTorch实战演练】Fast R-CNN中的RoI(Region of Interest)池化详解
442 1
|
算法 Go 计算机视觉
【YOLO系列】YOLOv8算法(尖端SOTA模型)
Ultralytics YOLOv8 是由 Ultralytics开发的一个前沿 SOTA 模型。它在以前 YOLO 版本的成功基础上,引入了新的功能和改进,进一步提升了性能和灵活性。YOLOv8 基于快速、准确和易于使用的理念设计,使其成为广泛的物体检测、图像分割和图像分类任务的绝佳选择。
3399 0
【YOLO系列】YOLOv8算法(尖端SOTA模型)
|
Shell Linux C语言
【Shell 命令集合 系统设置 】⭐⭐⭐Linux 清除终端屏幕内容 clear命令 使用指南
【Shell 命令集合 系统设置 】⭐⭐⭐Linux 清除终端屏幕内容 clear命令 使用指南
366 0
|
7月前
|
人工智能 自然语言处理 程序员
产品测评 | AI编程界的集大成者——通义灵码AI程序员
通义灵码AI程序员是阿里云推出的一款基于先进自然语言处理和深度学习技术的编程助手,集成于VS Code和JetBrains IDEs中。它覆盖从前端到后端的开发流程,支持多文件级别的代码修改、单元测试生成、多版本快照管理等高级功能,显著提升开发效率和项目管理能力。开发者可通过对话式交互完成需求理解到产品发布的全过程,实现高效敏捷开发。最新2.0版本在代码生成、跨语言编程、单元测试自动生成及图生代码等方面有显著提升,进一步优化了用户体验。
|
11月前
|
存储 边缘计算 物联网
探索边缘计算在物联网时代的无限可能
探索边缘计算在物联网时代的无限可能
294 94
|
10月前
|
机器学习/深度学习 Rust 算法
Python环境管理的新选择:UV和Pixi,高性能Python环境管理方案
近期Python生态系统在包管理领域发生了重要变化,Anaconda调整商业许可证政策,促使社区寻找更开放的解决方案。本文介绍两款新一代Python包管理工具:UV和Pixi。UV用Rust编写,提供高性能依赖解析和项目级环境管理;Pixi基于Conda生态系统,支持conda-forge和PyPI包管理。两者分别适用于高性能需求和深度学习项目,为开发者提供了更多选择。
2095 2
|
11月前
|
自然语言处理 开发者
「Mac畅玩鸿蒙与硬件11」鸿蒙 UI 组件篇1 - Text和Button组件详解
本篇将详细介绍鸿蒙应用开发中的 Text 和 Button 组件。通过本篇内容,你将学习如何使用 Text 组件显示文本、格式化文本样式,以及如何使用 Button 组件处理点击事件并自定义样式。掌握这些基本组件的用法将为后续的 UI 开发奠定基础。
490 4
「Mac畅玩鸿蒙与硬件11」鸿蒙 UI 组件篇1 - Text和Button组件详解
|
11月前
|
存储 Shell 开发工具
Flutter&鸿蒙next 中使用 MobX 进行状态管理
本文介绍了如何在 Flutter 中使用 MobX 进行状态管理。MobX 是一个基于观察者模式的响应式编程库,通过 `@observable` 和 `@action` 注解管理状态,并使用 `Observer` 小部件自动更新 UI。文章详细讲解了 MobX 的核心概念、如何集成到 Flutter 项目中以及具体的代码示例。适合希望在 Flutter 应用中实现高效状态管理的开发者阅读。
290 9
|
机器学习/深度学习 人工智能 搜索推荐
如何让你的Uno Platform应用秒变AI大神?从零开始,轻松集成机器学习功能,让应用智能起来,用户惊呼太神奇!
【9月更文挑战第8天】随着技术的发展,人工智能与机器学习已融入日常生活,特别是在移动应用开发中。Uno Platform 是一个强大的框架,支持使用 C# 和 XAML 开发跨平台应用(涵盖 Windows、macOS、iOS、Android 和 Web)。本文探讨如何在 Uno Platform 中集成机器学习功能,通过示例代码展示从模型选择、训练到应用集成的全过程,并介绍如何利用 Onnx Runtime 等库实现在 Uno 平台上的模型运行,最终提升应用智能化水平和用户体验。
312 1
|
边缘计算 网络虚拟化 虚拟化
这些基本概念都不懂,还谈什么你会VXLAN?
这些基本概念都不懂,还谈什么你会VXLAN?
167 0