Pour fournir ses services personnalisés, CarbonHelix utilise en premier lieu QRadar, qui offre une visibilité totale sur l’ensemble de l’environnement du client, quelles que soient les technologies et les plateformes qu’il utilise. « Nous pouvons déployer QRadar sous n’importe quelle forme : sur site, dans des environnements isolés, avec un hébergement par nous ou par le client, matériel, virtuel, AWS, Azure, peu importe. Il peut résider n’importe où », explique David DeLozier. « Et nous n’avons jamais rien rencontré que nous n’ayons pu intégrer à QRadar, applications internes et tierces comprises. » Cette intégration inclut également des plateformes souvent difficiles à intégrer dans les systèmes de gestion des informations et des événements de sécurité (SIEM), notamment le serveur IBM AS/400, le système d’exploitation IBM AIX et les systèmes mainframe courants dans le secteur bancaire. « C’est un niveau de visibilité que nous ne pouvons pas obtenir avec d’autres SIEM », affirme M. DeLozier.
Et pour détecter les menaces et y répondre de manière toujours plus rapide et plus ciblée, CarbonHelix applique l’analyse du comportement des utilisateurs (UBA) basée sur le machine learning (ML) de QRadar et l’analyse des menaces réseau (NTA). « Le machine learning est capable d’analyser les schémas d’activité à une échelle qu’aucun analyste humain n’est capable d’atteindre », indique M. DeLozier. « Il est donc très efficace pour détecter les anomalies. Les analystes décident ensuite du meilleur traitement à leur réserver. » De plus, en intégrant l’UBA au composant IBM QRadar SOAR, CarbonHelix associe la détection des comportements à risque des utilisateurs basée sur le machine learning à des réponses automatisées afin d’atténuer rapidement les menaces.
CarbonHelix a connu un succès particulier avec la NTA dans le secteur de la santé, en utilisant la technologie pour soutenir le bon fonctionnement des appareils médicaux et assurer la sécurité des données médicales. Les services informatiques et les équipes de sécurité des hôpitaux n’ont parfois aucune visibilité sur les appareils de leur réseau, mais un seul appareil infecté peut créer des problèmes plus vastes qui menaceraient la qualité des soins aux patients. M. DeLozier évoque le cas d’un appareil d’IRM infecté. Normalement, la machine ne partage les données qu’avec un seul ordinateur, mais grâce à l’analyse ML des données de flux, l’application de NTA a découvert que l’appareil d’IRM avait commencé à communiquer avec plusieurs autres appareils de l’hôpital. Heureusement, cette détection précoce a permis à CarbonHelix et à l’hôpital d’arrêter la machine et d’appliquer un correctif afin de résoudre le problème avant que l’hôpital ne subisse des dommages.