Come primo passo nella fornitura di servizi personalizzati, CarbonHelix utilizza QRadar per offrire una visibilità completa sull'ambiente del cliente, indipendentemente dalle tecnologie e dalle piattaforme utilizzate. "Possiamo implementare QRadar in qualsiasi forma o modo: on-premise, in ambienti air gap, in hosting presso di noi o presso il cliente, su hardware, virtualmente, su AWS, Azure, come vogliamo. Va ovunque", spiega DeLozier. "Non abbiamo ancora trovato nulla che non siamo riusciti a integrare in QRadar, comprese le applicazioni interne e di terze parti." Questa integrazione include anche piattaforme spesso difficili da integrare nei sistemi di gestione delle informazioni e degli eventi di sicurezza (SIEM), come il server IBM AS/400, il sistema operativo IBM AIX e i sistemi mainframe comuni nel settore bancario. "È un livello di visibilità che non possiamo ottenere con altri SIEM", prosegue.
E, per promuovere continuamente un rilevamento e una risposta alle minacce più veloci e mirati, CarbonHelix applica l'analisi del comportamento degli utenti (UBA) basata sul machine learning (ML) di QRadar e l'analisi delle minacce di rete (NTA). "Il machine learning è in grado di analizzare i modelli di attività su una scala a cui nessun analista umano arriva", afferma DeLozier. "È estremamente efficace nel rilevare anomalie che gli analisti possono poi gestire come preferiscono". Inoltre, integrando UBA nel componente IBM QRadar SOAR, CarbonHelix combina il rilevamento basato su ML del comportamento rischioso degli utenti con le risposte automatizzate per mitigare rapidamente le minacce.
CarbonHelix ha avuto particolare successo con l'NTA nel settore sanitario, utilizzando la tecnologia per supportare il corretto funzionamento dei dispositivi e la sicurezza dei dati medici. I team IT e di sicurezza degli ospedali a volte non hanno visibilità sui dispositivi della loro rete, ma un singolo dispositivo infetto può creare problemi più ampi che minacciano l'assistenza complessiva ai pazienti. DeLozier ricorda il caso di una macchina di risonanza magnetica infetta. Normalmente, il macchinario condivideva i dati con un solo desktop ma, attraverso l'analisi ML dei dati di flusso, l'app NTA ha rilevato che aveva iniziato a raggiungere molti altri dispositivi in ospedale. Fortunatamente, il rilevamento precoce ha permesso a CarbonHelix e all'ospedale di disattivare la macchina e quindi implementare una patch prima che l'ospedale subisse danni.