主な洞察

  • あるレポートによると、セキュリティ侵害の80%以上が特権資格情報の悪用に関与しており、特権の昇格を防ぐことの重要性が浮き彫りになってる。(出典:Forrester)
  • ある調査によると、組織の70%が特権の昇格に対する保護がサイバーセキュリティ戦略の重要な要素であると考えています。(出典:CyberArk)

攻撃者がどのように特権認証情報を使用するかを理解する

特権クレデンシャルの乱用

攻撃者は特権資格情報を悪用してネットワークやクラウド内を移動し、脆弱なセキュリティ制御やアプリケーションの脆弱性を突く。防御側は悪意のある活動を積極的に監視し、攻撃者を追跡し、特権アカウントや設定を保護するための予防措置を実施できる。

攻撃者が特権認証情報を手に入れると、マルウェアを使ったりアラームを作動させたりすることなく、ネットワークやクラウドのさまざまなリソースにアクセスできるようになります。厳格な特権レベルを強制することは有効ですが、最近の攻撃は、それが依然として大きな課題であることを示しています。

盗まれた認証情報の悪用に対処するには、悪用検知 重要です。しかし、攻撃者は必ずしも新規または不審なものではない正当な権限や行動を利用して紛れ込むため、これは容易ではありません。新規または異常な活動のアラートに単に依存するだけでは、こうした動的な環境では効果的ではありません。

認証情報の悪用を効果的に特定して対処するには、セキュリティ主導のアプローチが必要です。 このアプローチでは、攻撃者が盗んだ認証情報を使用して実行しようとする特定のアクションを考慮します。 その目的を理解することで、特権認証情報の悪用をより適切に検知し、防止することができます。

特権認証情報の乱用の検知

Vectra AIは、ネットワーク環境およびクラウド環境の両方において、盗まれた特権認証情報の悪用を検知することができます。このセキュリティ主導型の検知アプローチの中核となるのは、攻撃者が盗んだ認証情報をどのように利用するかという理解です。攻撃者にとって特権認証情報の価値は、その環境内で高価値かつ特権的と見なされるサービスや機能にアクセスできる点にあります。

Vectra AIのセキュリティ研究者は、すべてのアカウント、ホストマシン、サービス、およびクラウド操作の実際の権限を把握できれば、存在するすべての重要リソースの全体像を把握できることを突き止めました。付与された権限という概念はすでに確立されていますが、この表現は、必要最小限の権限と比較した際の、ある対象の真の権限の上限を示しています。 そこで、Vectra AIのセキュリティ研究チームとデータサイエンスチームは、長期にわたる観測データに基づいて、環境内のシステムの価値を表す新たな手法を考案しました。この動的かつ現場視点に立った価値の捉え方は、「観測された権限(observed privilege)」と呼ばれています。このデータに基づく権限の捉え方は、手動設定を必要とせずに、認証情報の利用に対する効果的なゼロトラストアプローチを実現します。

観察された特権とは、ユーザが職務を遂行するために必要な通常の特権をゼロトラストで捉えたもので、通常必要とされる範囲を超えた特権の使用は、さらなる精査が必要である。

アクセスパターン解析による特権評価の再定義

Vectra AIのAIは、IT管理者によって定義された権限ではなく、追跡対象エンティティ間の過去のやり取りを考慮して、観測された権限を算出します。アクセスや利用の範囲と具体性が、スコアに大きく影響します。 通常、他のシステムからアクセスされる複数のシステムにアクセスするシステムは権限スコアが低くなりますが、他のシステムからはアクセスされない多数のシステムにアクセスするシステムは、権限スコアが高くなります。このアプローチにより、Vectra AIはドメイン管理者アカウントと通常のユーザーアカウントを区別することができます。

Vectra AIは、ユーザーの行動に基づいて、観測された権限レベルを学習します。一般的なサービスに頻繁にアクセスするアカウントは、他のユーザーがほとんど利用しないサービスにアクセスするアカウントよりも権限レベルが低くなります。

観測された特権スコアが計算されると、アカウント、サービス、ホスト、クラウド操作間のすべてのやりとりがマッピングされ、システム間の通常の履歴インタラクションが理解される。次に、特権スコアを考慮した教師なし学習アルゴリズム群により、特権乱用の異常事例を特定します。このとき、カスタム異常検知アルゴリズムと、ノイズを含むアプリケーションの階層的密度ベース空間クラスタリング (HDBSCAN) の実装が使用されます。

Vectra AIは、観測された権限や、アカウント、ホスト、サービス、クラウド運用間の相互作用を考慮した教師なし学習を適用し、認証情報の悪用を検知します。

この高度なセキュリティ主導型アプローチの結果、クラウド環境とオンプレミスネットワークの両方で悪用される盗難認証情報を特定することが可能となります。観察された特権メトリクスは、重要な異常行動に検知を集中させ、この重要な視点を無視するアプローチよりも高い精度と再現率を実現します。

‍

特権昇格の防止は、安全かつ強靭なサイバーセキュリティ態勢を維持する上で極めて重要な要素です。Vectra AI 、特権昇格の試みを検知・防止・対応する高度なVectra AI 、組織のデジタル資産を確実に保護します。高度なサイバー脅威に対する防御体制の強化について、当社がどのように支援できるかお問い合わせください。

よくある質問 (FAQ)

特権の昇格とは何か?

攻撃者はどのようにして特権の昇格を実行するのか?

特権昇格攻撃の兆候とは?

組織は特権の昇格からどのように身を守ることができるのか?

権限の昇格はウイルス対策ソフトで検知できるのか?

特権の昇格を防ぐために、ユーザー教育はどのような役割を果たすのでしょうか?

特権昇格インシデントに組織はどう対応すべきか?

特権昇格の試みを検出するのに役立つツールは?

zero trust」という概念は、特権の昇格を防ぐこととどのように関係しているのでしょうか?

クラウド環境は特権昇格攻撃の影響を受けやすいのか?