Como primeiro passo para fornecer serviços personalizados, a CarbonHelix usa o QRadar para fornecer visibilidade total em todo o ambiente do cliente, independentemente das tecnologias e plataformas usadas pelo cliente. "Podemos implementar o QRadar de qualquer forma no local, em ambientes isolados, se o hospedarmos, se um cliente o hospedar, hardware, virtual, AWS, Azure, não importa. Pode estar em qualquer lugar", diz DeLozier. "E não há nada que tenhamos encontrado que não tenhamos conseguido integrar ao QRadar, incluindo aplicativos desenvolvidos internamente e de terceiros." Essa integração também inclui plataformas que muitas vezes são difíceis de integrar em sistemas de gerenciamento de eventos e informações de segurança (SIEM), como o servidor IBM AS/400, o sistema operacional IBM AIX e os sistemas de mainframe comuns no setor bancário. "É um nível de visibilidade que não conseguimos obter com outros SIEMs", diz DeLozier.
E, para impulsionar constantemente a detecção e a resposta a ameaças mais rápidas e direcionadas, a CarbonHelix aplica a análise de comportamento do usuário (UBA) e a análise de ameaças de rede (NTA) baseadas em aprendizado de máquina (ML) do QRadar. "O aprendizado de máquina é capaz de analisar padrões de atividade em uma escala que nenhum analista humano é capaz", diz DeLozier. "Portanto, é realmente eficaz na detecção de anomalias com as quais os analistas podem decidir a melhor forma de lidar." Além disso, ao integrar o UBA ao componente IBM QRadar SOAR, a CarbonHelix combina a detecção orientada por ML do comportamento arriscado do usuário com respostas automatizadas para mitigar ameaças rapidamente.
A CarbonHelix teve um sucesso específico com a NTA no espaço de saúde, usando a tecnologia para apoiar o funcionamento adequado de dispositivos médicos e a segurança dos dados médicos. Às vezes, as equipes de TI e segurança de hospitais não têm visibilidade dos dispositivos em sua rede, mas um único dispositivo infectado pode criar problemas mais amplos que ameaçam o atendimento ao paciente. DeLozier recorda uma instância de uma máquina de ressonância magnética infectada. Normalmente, a máquina compartilharia dados com apenas um desktop, mas por meio da análise de ML dos dados de fluxo, o aplicativo NTA detectou que a máquina de ressonância magnética havia começado a entrar em contato com muitos outros dispositivos no hospital. Felizmente, a detecção precoce permitiu que a CarbonHelix e o hospital desligassem a máquina e implementassem uma correção para o problema antes que o hospital sofresse qualquer dano.