NetSecOps توسط تعداد فزاینده‌ای از سازمان‌ها پذیرفته می‌شود، زیرا صرفه‌جویی در مقیاس، قابلیت‌های آموزشی متقابل، واکنش ساده‌شده به حادثه و دید بهبود یافته ارزش این مدل را نشان می‌دهد. در عین حال، اولویت ها و گردش کار NetOps و SecOps باید متمایز باقی بماند تا اطمینان حاصل شود که اهداف امنیتی و عملکرد به طور مداوم برآورده می شوند.
پیوستن نیروها همیشه به معنای ادغام در یک گروه همگن نیست. دسترسی به یک مجموعه از زمینه های مشتق شده از وب به هر تیم اجازه می دهد تا مسائل را سریعتر بررسی کند، اصطکاک و افزونگی را کاهش دهد و به نتایج مطمئن تری برسد.
اولویت های مختلف
تفاوت های ذاتی بین اولویت های NetOps و SecOps یک واگرایی طبیعی در ابزارها، تاکتیک ها و منابع داده ایجاد کرد. به طور سنتی، NetOps برای محافظت از عملکرد و در دسترس بودن شبکه با نظارت بر تغییرات تاخیر، پهنای باند، از دست دادن بسته‌ها و سایر شاخص‌های اصلی تخریب کار می‌کند. این تمرکز زمینه برنامه و تجربه کاربر را مهم کرد.
به موازات آن، SecOps ابزارها و شیوه‌های پیشرفته‌ای را برای محافظت از شبکه‌ها، برنامه‌ها و دارایی‌ها در برابر تهدیدات سایبری توسعه می‌دهد و در عین حال آسیب‌پذیری‌ها را شناسایی و حذف می‌کند. با در نظر گرفتن این اهداف روشن، تیم های امنیتی استراتژی هایی را برای تریاژ سیستماتیک هشدارها و بهینه سازی معیارهایی مانند میانگین زمان شناسایی (MTTD) و میانگین زمان پاسخ (MTTR) توسعه دادند.
اهمیت شواهد مشترک
با وجود تفاوت‌های ذاتی، همپوشانی‌ها و وابستگی‌های متقابل آشکار به مدل NetSecOps کمک کرد تا شتاب بیشتری بگیرد. به عنوان مثال، یک آلودگی بدافزار ممکن است در ابتدا به عنوان عملکرد ضعیف سرور شناسایی شود، در حالی که ترافیک به ظاهر مشکوک ممکن است توسط پیکربندی DNS بی ضرر یا پشتیبان گیری سیستم ایجاد شود. این همپوشانی ها اغلب منجر به تکرار تلاش یا سردرگمی اتلاف وقت در مورد نقش ها و مسئولیت ها می شود.
ابزارها و شواهد مشترک در قالب ابرداده، جریان، تله متری و پزشکی قانونی به به حداقل رساندن تحقیقات تکراری و تأخیرهای غیرضروری کمک می‌کنند، در حالی که تیم‌ها را قادر می‌سازد تا مسائل را به طور مؤثرتری دسته‌بندی و اولویت‌بندی کنند. ابرداده غنی به عنوان یک لایه هوش پیوسته برای هدایت پاسخ های مرتبط عمل می کند. سپس در صورت نیاز، گردش‌های کاری سفارشی برای تعیین کلاینت‌ها، برنامه‌ها یا سرورهای مسئول مشکلات عملکرد، شواهد پزشکی قانونی را در اختیار NetOps قرار می‌دهند.
SecOps از همان گنجینه ذخیره‌سازی پزشکی قانونی و اطلاعات تهدید برای بازسازی حوادث امنیتی با جزئیات واضح، جستجوی شاخص‌های سازش (IoC) و اولویت‌بندی هشدارها استفاده می‌کند.
داده های تخصصی برای گردش کار تخصصی
از آنجایی که قدرت هوش مصنوعی، یادگیری ماشین و تجزیه و تحلیل پیشرفته، نظارت و روش‌های تحقیقی شبکه را به سطح بعدی ارتقا می‌دهد، سلسله مراتبی از منابع داده در دسترس شروع به ظهور کرده است. هر لایه منبع دیگری از اطلاعات و بینش عملی را فراهم می کند.
اطلاعات اولیه در مورد آدرس‌های IP، اندازه بسته‌ها، شماره پورت و سایر اطلاعات در دسترس، هنگامی که با راه‌حل‌های هوشمندی که ساختار و تجزیه و تحلیل ارائه می‌کنند ترکیب شوند، می‌توانند بینش و زمینه مورد نیاز برای تعیین مالکیت و مراحل بعدی را برای مسائل مربوط به عملکرد و امنیت ارائه دهند. ابرداده غنی، سرنخ‌ها و هشدارهای مفیدی را از هر بسته‌ای که از شبکه عبور می‌کند به تیم‌ها ارائه می‌دهد، همراه با این دانش که بدانند چه زمانی به شواهد اضافی نیاز است.
ابرداده استخراج شده از جریان، همراه با سایر متادیتاهای شبکه و برنامه، به تیم ها کمک می کند تا تصویر کامل تری از هر مکالمه شبکه بسازند. این شامل آدرس IP مبدا و مقصد، مقدار دقیق داده های منتقل شده و مدت زمان اتصال است. گزارش‌های احراز هویت، تغییرات رجیستری، رویدادهای سیستم و اطلاعات پروتکل مدیریت شبکه ساده (SNMP) از جمله فهرست طولانی منابع تله‌متری در دسترس هستند تا بینش بیشتری در مورد روابط بین کاربران مبتنی بر ابر، زیرساخت‌ها و برنامه‌ها ارائه دهند.
شواهد پزشکی قانونی در قالب بسته های ضبط شده، اثبات می کند که هم NetOps و هم SecOps برای تکمیل تحقیقات پیچیده و شناسایی قطعی علت اصلی نیاز دارند. داده‌های تاریخی خلاصه نشده، پنجره‌ای را نشان می‌دهد که چه کسی در هر زمان معین در شبکه ارتباط برقرار می‌کند. NetOps از این اطلاعات برای به دست آوردن بینش بهتر در مورد الگوهای ترافیک و تنگناها یا بهینه سازی تنظیمات شبکه استفاده می کند. بسته های ضبط شده همچنین با بازسازی زمان دقیق، منبع، برنامه کاربردی و داده های مرتبط با یک حادثه امنیتی، حلقه انطباق SecOps را می بندند.
دانش مبتنی بر شواهد، که به عنوان شناخته شده است، رفتار ترافیک زنده را با تکنیک‌های مهاجم شناخته شده، شاخص‌های سازش (IoC) و آسیب‌پذیری‌ها مرتبط می‌کند و لایه دیگری از دید و بینش را قبل، در حین و بعد از یک حادثه ارائه می‌کند. اگرچه نام نشان می دهد که این قابلیت مهم در رده امنیتی قرار دارد، اما اطلاعات تهدید نیز در تحقیقات مشترک مفید است و به NetOps و SecOps کمک می کند تا حوادث را دقیق تر بررسی کنند، موارد مثبت کاذب را کاهش دهند و تصمیم گیری را بهبود بخشند.
Observer Apex لایه هوشمند NetSecOps است
علیرغم تصور غلط رایج، NetSecOps در مورد فروپاشی تیم ها در یک عملکرد واحد نیست. در عوض، دید غنی از ابرداده مشترک و گردش‌های کاری هدفمند، کل را قادر می‌سازد از مجموع اجزای آن بیشتر شود. VIAVI از انبوهی از داده های شبکه موجود و اطلاعات تهدید استفاده می کند تا زمینه، جهت و شواهد ملموس مورد نیاز برای پشتیبانی از اهداف متمایز NetOps و SecOps را فراهم کند. Apex به عنوان بخشی از یک پلتفرم نظارتی چند وجهی، امتیاز تجربه کاربر نهایی (EUE) بصری را برای هر تراکنش شبکه و نقشه‌برداری وابستگی برنامه بر اساس تقاضا برای دید چند سطحی فوری ایجاد می‌کند.
