એન્ડ-ટુ-એન્ડ SOC વર્કફ્લો, ઓટોમેશન (SOAR), ગુણવત્તા વ્યવસ્થાપન અને સ્વ-ઓડિટ

નફો:

• કૃત્રિમ બુદ્ધિમત્તા અને માનવ દરવાજાના સ્થાનનો ઉલ્લેખ કરીને સંગ્રહ, શોધ, ટ્રાયેજ, તપાસ, હસ્તક્ષેપ, સુધારણા, રિપોર્ટિંગ અને પ્રતિસાદનો સમાવેશ કરીને એન્ડ-ટુ-એન્ડ એસઓસી વર્કફ્લો ડિઝાઇન કરવાની ક્ષમતા
• જોખમ સ્તર અનુસાર ઓટોમેશનને અલગ કરવાની ક્ષમતા (ઓછું જોખમ/ઉલટાવી શકાય તેવા પગલાં આપોઆપ છે, ઉચ્ચ-જોખમ/ઉલટાવી શકાય તેવા પગલાં માનવ-નિયંત્રિત છે) અને દરેક સ્વચાલિત ક્રિયા માટે રોલબેક પાથ ડિઝાઇન કરો.
• સ્વ-નિરીક્ષણ અને પ્રતિસાદ લૂપ સ્થાપિત કરવાની ક્ષમતા જે નિયમિતપણે ખોટા હકારાત્મક/નકારાત્મક દર, MTTD/MTTR, આઉટપુટ ચોકસાઈ અને મોડેલ ડ્રિફ્ટને માપે છે.

આ અંતિમ એકમ અમે સમગ્ર મોડ્યુલમાં અલગથી શીખ્યા તે ટુકડાઓને જોડે છે—લોગ વિશ્લેષણ, ધમકીનો શિકાર, નબળાઈ વ્યવસ્થાપન, ઘટના પ્રતિસાદ, ફિશિંગ, કોડ સમીક્ષા, બુદ્ધિમત્તા, રિપોર્ટિંગ—એક એન્ડ-ટુ-એન્ડ વર્કફ્લોમાં. સાચા સિક્યોરિટી ઓપરેશન્સ સેન્ટર (SOC) માં, આ પગલાંઓ ડિસ્કનેક્ટ થતા નથી; એલાર્મ તપાસને ટ્રિગર કરે છે, જે પ્રતિસાદને ટ્રિગર કરે છે, જે રિપોર્ટને ટ્રિગર કરે છે, જે ઉપાયને ટ્રિગર કરે છે. આ સાંકળની દરેક કડીમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ સામેલ છે, પરંતુ તે માનવ છે જે સાંકળને પકડી રાખે છે અને દરેક જટિલ દરવાજા પર નિર્ણય લે છે.

વધુમાં, આ એકમ બે જટિલ વિષયોને આવરી લે છે. પ્રથમ ઓટોમેશન છે: જ્યારે SOAR (સિક્યોરિટી ઓર્કેસ્ટ્રેશન, ઓટોમેશન અને રિસ્પોન્સ — પ્લેટફોર્મ જે સુરક્ષા પ્રક્રિયાઓને સ્વચાલિત અને ગોઠવે છે) અને AI ભેગા થાય છે, ત્યારે શક્તિ અને જોખમ બંને વધે છે; શું સ્વયંસંચાલિત થઈ શકે છે અને માનવીય મંજૂરીમાંથી શું દૂર કરી શકાતું નથી તે વચ્ચે તફાવત કરવો જરૂરી છે. બીજું, ગુણવત્તા વ્યવસ્થાપન અને સ્વ-નિયમન: AI-સક્ષમ સુરક્ષા કામગીરી એકવાર સેટઅપ કરવામાં આવતી નથી અને તેને છોડી દેવામાં આવતી નથી; તેનું સતત નિરીક્ષણ કરવામાં આવે છે, માપવામાં આવે છે, ખવડાવવામાં આવે છે અને સુધારેલ છે. ઓટોમેશન ઝડપ વધારે છે પરંતુ જવાબદારી દૂર કરતું નથી; સુરક્ષા કાર્યક્રમ નિયમિત સ્વ-નિરીક્ષણ દ્વારા જ સુરક્ષિત રહે છે.

એન્ડ-ટુ-એન્ડ SOC વર્કફ્લો

ચાલો જોઈએ કે એઆઈ ક્યાં કામમાં આવે છે અને સામાન્ય ઘટના જીવનચક્રમાં કોણ તેને મંજૂરી આપે છે:

1. સંગ્રહ અને દેખરેખ: SIEM પર લોગનો પ્રવાહ; AI અવાજ ઘટાડે છે, સારાંશ આપે છે. (ઓટોમેટિક, ઓછું જોખમ.)
2. તપાસ અને એલાર્મ: નિયમ + વિસંગતતા + AI પેટર્ન શોધ. (સ્વચાલિત ઉત્પાદન; ટ્રાયેજ મનુષ્યોમાં છે.)
3. ટ્રાયજ: એલાર્મ વાસ્તવિક છે કે ખોટા હકારાત્મક? AI તર્ક અને અગ્રતા સૂચવે છે; વિશ્લેષક પુષ્ટિ કરે છે. (માનવ દ્વાર.)
4. તપાસ: AI પુરાવા એકત્રિત કરે છે, સમયરેખા સ્થાપિત કરે છે, મૂળ કારણની યાદી આપે છે; વિશ્લેષક કાચા પુરાવા સાથે પુષ્ટિ કરે છે. (માનવ દ્વાર.)
5. હસ્તક્ષેપ: અલગતા, લોકીંગ, સફાઈ. AI પસંદગી/પ્રભાવ પ્રદાન કરે છે; નિર્ણય અધિકૃત વિશ્લેષકના હાથમાં છે. (જટિલ માનવ દ્વાર.)
6. ઉપાય: નબળાઈ બંધ, મૂળ કારણ દૂર. એઆઈ પ્લાન ડ્રાફ્ટ; ફેરફાર વ્યવસ્થાપનમાં મંજૂરી. (માનવ + પ્રક્રિયા.)
7. રિપોર્ટિંગ: AI ડ્રાફ્ટ લખે છે, પ્રેક્ષકોને સ્વીકારે છે; નિષ્ણાત પુરાવાની ચકાસણી કરે છે અને સહી કરે છે. (માનવ દ્વાર.)
8. પાઠ શીખવા અને પ્રતિસાદ: AI પેટર્નને બહાર કાઢે છે; ટીમ શોધ નિયમો અને પ્લેબુક અપડેટ કરે છે. (માનવ + પ્રક્રિયા.)

આ સાંકળનો નિયમ: ઓછા જોખમ, પુનરાવર્તિત, ઉલટાવી શકાય તેવા પગલાં સ્વયંસંચાલિત થઈ શકે છે; ઉચ્ચ જોખમ, ઉલટાવી શકાય તેવું, નિર્ણય-જરૂરી પગલાં માનવ દરવાજામાંથી પસાર થાય છે.

ઓટોમેશન નિર્ણય ટેબલ

પગલું

શું તે સ્વચાલિત થઈ શકે છે

સ્થિતિ

માનવ મંજૂરી

લોગ સંગ્રહ, સામાન્યકરણ

હા, બરાબર

-

જરૂરી નથી

એલાર્મ સંવર્ધન (IOC શોધ)

હા

સ્ત્રોત વિશ્વસનીય છે

તેની સમીક્ષા કરવામાં આવે છે

ખોટા હકારાત્મક નાબૂદી (સારી જાણીતી)

આંશિક રીતે

કડક નિયમ

સેમ્પલ લઈને તપાસ કરી

ક્વોરેન્ટાઇન ફિશિંગ ઇમેઇલ

આંશિક રીતે

ઉચ્ચ ચોકસાઇ

સમીક્ષા + રોલબેક પાથ

એકાઉન્ટને આપમેળે લૉક કરો

સાવચેત

માત્ર સ્પષ્ટ માપદંડ

ઝડપી માનવ ચકાસણી

સર્વરને અલગ કરો

સામાન્ય રીતે ના

ક્રિટિકલ ઈન્ફ્રાસ્ટ્રક્ચર સિવાય

ફરજિયાત માનવ નિર્ણય

પેચિંગ (ઉત્પાદન)

ના

-

પરીક્ષણ + ફેરફાર વ્યવસ્થાપન

સત્તાવાર અહેવાલ/સૂચના

ના

-

નિષ્ણાત + કાયદો

ગુણવત્તા સંચાલન અને સ્વ-ઓડિટ

AI-સંચાલિત સુરક્ષા કામગીરી એ જીવંત પ્રણાલી છે; સમય જતાં તેનું પ્રદર્શન બદલાય છે (નવા હુમલાઓ, બદલાતા વાતાવરણ, મોડલ અપડેટ્સ). તેને સુરક્ષિત રાખવા માટે નિયમિત માપન જરૂરી છે:

• ખોટા હકારાત્મક અને ખોટા નકારાત્મક દર: AI કેટલી વાર નિરર્થક એલાર્મ વગાડે છે, કેટલી વાર તે વાસ્તવિક ખતરો ચૂકી જાય છે? ખોટા નકારાત્મક ખાસ કરીને જોવામાં આવે છે કારણ કે તેઓ ચૂપચાપ નુકસાન પહોંચાડે છે.
• MTTD/MTTR: ​​શું સરેરાશ શોધ અને પ્રતિભાવ સમય સુધરી રહ્યો છે?
• AI આઉટપુટ સચોટતા: સેમ્પલિંગ દ્વારા, AI ના કેટલા સારાંશ/તારણો/ઉદ્ધરણો માન્યતા પાસ કરે છે?
• ઓટોમેશન સુરક્ષા: શું સ્વચાલિત ક્રિયાઓ અપેક્ષા મુજબ કાર્ય કરે છે, શું કોઈ ખોટા ટ્રિગર્સ છે, શું રોલબેક કામ કરે છે?
• પ્રતિસાદ લૂપ: શું વાસ્તવિક ઘટનાઓ જોવા મળે છે તે નવા શોધ નિયમો બની જાય છે અને વધેલા અલાર્મ અપવાદ સૂચિ બની જાય છે?

શરતો: MTTD (શોધવાનો સરેરાશ સમય). પ્રતિસાદ લૂપ એ છે જ્યારે ઑપરેશન તેના પોતાના પરિણામોમાંથી શીખે છે અને તેના નિયમોને અપડેટ કરે છે. મૉડલ ડ્રિફ્ટ એ છે જ્યારે AI અપ્રચલિત થઈ જાય છે અને પર્યાવરણ બદલાતા પ્રભાવમાં ઘટાડો થાય છે. સ્વ-ઓડિટ એ ટીમની પોતાની પ્રક્રિયાઓની નિયમિત, નિર્ણાયક સમીક્ષા છે.

ત્રણ નાના કેસો

કેસ 1 - યોગ્ય ઓટોમેશન. SOC "જાણીતા દૂષિત IOCs સાથે મેળ ખાતી અને ઓછા જોખમની શ્રેણીમાં હોય તેવી ચેતવણીઓ આપમેળે સમૃદ્ધ અને પ્રાથમિકતા"ના પગલાને સ્વચાલિત કરે છે; પરંતુ માનવીય મંજૂરી માટે હંમેશા "સર્વરને અલગ પાડવું" પગલું છોડી દે છે. પરિણામ: વિશ્લેષકો દિવસમાં 400 નિયમિત એલાર્મથી મુક્ત થાય છે, વાસ્તવિક તપાસ માટે સમય મુક્ત કરે છે, નિર્ણાયક નિર્ણયો માનવ પર છોડી દે છે. સાંકળનો જમણો ભાગ આપોઆપ છે, યોગ્ય સ્થાન માનવ છે.

કેસ 2 - ઓટોમેશન બેકફાયર. અન્ય SOC "શંકાસ્પદ લોગીન પર ઓટોલોક એકાઉન્ટ" નિયમને ખૂબ વ્યાપક રીતે વ્યાખ્યાયિત કરે છે. એક દિવસ, રૂપરેખાંકન ભૂલને કારણે, નિયમ એકસાથે 1,200 કાયદેસર વપરાશકર્તાઓને તાળું મારી દે છે અને કામ અટકી જાય છે; વધુમાં, પુનઃપ્રાપ્તિ પાથ વ્યાખ્યાયિત નથી. પાઠ: ઉચ્ચ અસરવાળા ઓટોમેશનમાં કડક માપદંડ, ક્રમિક જમાવટ અને રોલબેક પાથ હોવો આવશ્યક છે. ઓટોમેશન ઉલટાવી શકાય તેવું હોવું જોઈએ અને સ્વ-નિયમન દ્વારા તેનું નિરીક્ષણ કરવું જોઈએ.

કેસ 3 - સ્વ-નિયંત્રણ દ્વારા પકડાયેલ સ્લિપેજ. ત્રણ મહિનાના સ્વ-ઓડિટમાં, એક ટીમ નોંધે છે કે AI ની ફિશિંગ શોધની ચોકસાઈ ઘટી રહી છે: એક નવી ફિશિંગ તરંગ ચૂકી ગઈ છે કારણ કે તે જૂની પેટર્ન (પેટર્ન ડ્રિફ્ટ) સાથે બંધબેસતી નથી. ટીમ નમૂનાઓ એકત્રિત કરે છે, તપાસ નિયમો અપડેટ કરે છે અને AI ને આપવામાં આવેલા સંદર્ભને તાજું કરે છે. નિયમિત સ્વ-નિયંત્રણ વિના, આ શાંત ચોરી મહિનાઓ સુધી ચાલુ રહી શકી હોત. પાઠ: માત્ર એક વખત પ્રદર્શન સારું હોવાને કારણે, તે હંમેશા સારું રહેતું નથી; માપન અને પ્રતિસાદ જરૂરી છે.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

અમારા SOCને સંપૂર્ણપણે સ્વચાલિત કરો અને AI ને બધું જ હેન્ડલ કરવા દો.

આ વિનંતી જોખમના ભેદભાવ વિના ઓટોમેશનની માંગ કરે છે, માનવ દરવાજાને અવગણે છે અને રોલબેક અને નિયંત્રણને ધ્યાનમાં લેતી નથી. જો અમલમાં મૂકવામાં આવે તો, ઉચ્ચ-જોખમના નિર્ણયો દેખરેખ વિના સ્વયંસંચાલિત થઈ જશે અને પ્રથમ ભૂલ પર આપત્તિમાં ફેરવાઈ જશે.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: SOC પ્રક્રિયા ડિઝાઇનમાં સલાહકાર. જોખમ સ્તરના આધારે આ ઘટના જીવનચક્રના ત્રણ તબક્કાઓ [સૂચિ] કરો: (A) સંપૂર્ણ સ્વયંસંચાલિત (ઓછું જોખમ, ઉલટાવી શકાય તેવું, પુનરાવર્તિત), (B) AI ભલામણ કરે છે + માનવ મંજૂરી આપે છે, (C) હંમેશા માનવ નિર્ણય (ઉચ્ચ જોખમ, બદલી ન શકાય તેવું). દરેક (A) અને (B) માટે ફરજિયાત રોલબેક પાથ અને ટ્રેકિંગ મેટ્રિક સૂચવો. ત્રિમાસિક સ્વ-ઓડિટ ચેકલિસ્ટ પણ તૈયાર કરો: ખોટા હકારાત્મક/નકારાત્મક દર, MTTD/MTTR, AI આઉટપુટ ચોકસાઈ નમૂના, પેટર્ન ડ્રિફ્ટના સંકેતો.

મજબૂત માંગ જોખમ સ્તર દ્વારા ઓટોમેશનને અલગ પાડે છે, રોલબેક અને મોનિટરિંગની જરૂર છે અને સ્વ-નિયમન માળખું સ્થાપિત કરે છે.

નકલ કરી શકાય તેવા પ્રોમ્પ્ટ નમૂનાઓ

ઓટોમેશન રિસ્ક સેપરેશન ટેમ્પલેટ આ સુરક્ષા વર્કફ્લો સ્ટેપ્સને ત્રણમાં અલગ કરો: (A) સંપૂર્ણ સ્વચાલિત યોગ્ય, (B) માનવ મંજૂરીની ભલામણ કરે છે, (C) હંમેશા માનવ નિર્ણય. દરેક પગલા માટે વાજબીપણું, ઉલટાવી શકાય તેવું અને વ્યવસાયિક અસર લખો. ઉચ્ચ પ્રભાવના પગલાં માટે ફરજિયાત રોલબેક પાથની ભલામણ કરો. પગલાં: [સૂચિ]

સ્વયંસંચાલિત ક્રિયા માટે રોલબેક ડિઝાઇન ટેમ્પલેટ [દા.ત. એકાઉન્ટ લૉકઆઉટ] એક સુરક્ષિત ડિઝાઇન પ્રસ્તાવિત કરો: ટ્રિગર માપદંડ (સંકુચિત), ક્રમિક જમાવટ, ખોટા ટ્રિગર રોલબેક પગલું, ચેતવણી અને માનવ ચકાસણી બિંદુ. અંધ ઓટોમેશન ટાળવા માટે ડિઝાઇન. ક્રિયા: [લખો]

સેલ્ફ-ઓડિટ ચેકલિસ્ટ ટેમ્પલેટ AI-સંચાલિત SOC માટે ત્રિમાસિક સ્વ-ઓડિટ ચેકલિસ્ટનો મુસદ્દો: ખોટા હકારાત્મક/નેગેટિવ દર, MTTD/MTTR પૂર્વગ્રહ, AI આઉટપુટ ચોકસાઈ નમૂના, ઓટોમેશન ખોટા ટ્રિગર્સ, પેટર્ન ડ્રિફ્ટના સંકેતો, પ્રતિસાદ લૂપ ઑપરેશન, ગોપનીયતા/સંકલન. દરેક વસ્તુ માટે, તે કેવી રીતે માપવામાં આવશે તે લખો.

ફીડબેક લૂપ ટેમ્પલેટ દોરો જે વાસ્તવિક ઘટના/અલાર્મ નિષ્ફળ જાય છે તેમાંથી શીખ્યા છે: (1) પેટર્ન કે જે એક નવો તપાસ નિયમ બનશે, (2) ખોટા હકારાત્મક કે જે અપવાદ સૂચિમાં ઉમેરવામાં આવશે, (3) પ્લેબુક પગલું જે અપડેટ કરવામાં આવશે, (4) નવો સંદર્ભ જે AI ને આપવામાં આવશે. ઇવેન્ટ/એલાર્મ સારાંશ: [પેસ્ટ]

સામાન્ય ભૂલો

• ઉચ્ચ-જોખમના પગલાને સ્વચાલિત કરવું. સર્વર આઇસોલેશન, પ્રોડક્શન પેચિંગ, ઓફિશિયલ નોટિફિકેશન જેવા ઉલટાવી શકાય તેવા પગલાં માનવ દરવાજામાંથી દૂર કરવામાં આવતાં નથી.
• પુનઃપ્રાપ્તિ માટેનો માર્ગ ઘડી રહ્યો નથી. કોઈપણ સ્વચાલિત ક્રિયા માટે ખોટી રીતે ટ્રિગર થવું શક્ય છે; પૂર્વવત્ અને પુષ્ટિકરણના બિંદુ વિના ઓટોમેશન જોખમી છે.
• સેટ કરો અને ભૂલી જાઓ. પર્યાવરણ બદલાતાની સાથે AI પ્રદર્શન બદલાય છે; નિયમિત સ્વ-નિરીક્ષણ અને માપન વિના, મૌન ચોરીઓ એકઠા થાય છે.
• ફક્ત ખોટા હકારાત્મકને ટ્રૅક કરવું. ખોટા નકારાત્મક (વાસ્તવિક ખતરો જે ચૂકી ગયો છે) વધુ ખતરનાક છે પરંતુ તે જોવાનું મુશ્કેલ છે; તેને ખાનગીમાં જુઓ.
• પ્રતિસાદની અવગણના. જો શોધાયેલ ઘટનાઓ નવા નિયમમાં ફેરવાતી નથી અને નિષ્ફળ એલાર્મ અપવાદમાં ફેરવાતા નથી, તો ઓપરેશન શીખતું નથી અને તે જ ભૂલનું પુનરાવર્તન કરે છે.

સંકેત: ઓટોમેશન નિર્ણયમાં સુવર્ણ પ્રશ્ન: "જો આ ક્રિયા ખોટી રીતે ટ્રિગર થઈ હોય તો તેને પૂર્વવત્ કરી શકાય છે અને વ્યવસાયની અસર શું છે?" જો જવાબ "સરળતાથી પૂર્વવત્, ઓછી અસર," સ્વચાલિત છે; જો "ઉલટાવી શકાય તેવું અથવા ઉચ્ચ અસર" માનવ દરવાજા પર રાખો.

સાવધાન: ઓટોમેશન જવાબદારીને દૂર કરતું નથી, તે માત્ર તેને ઝડપી બનાવે છે. ખોટી કલ્પના કરાયેલ સ્વચાલિત ક્રિયા માનવી કરી શકે તે કરતાં વધુ ઝડપથી અને વધુ વ્યાપક રીતે નુકસાન પહોંચાડે છે. દરેક ઓટોમેશન સાંકડા માપદંડો, રોલબેક પાથ અને નિયમિત નિરીક્ષણથી ઘેરાયેલું છે; અંતિમ જવાબદારી હંમેશા મનુષ્યની રહે છે.

સારાંશમાં

આ યુનિટે મોડ્યુલના તમામ ભાગોને એન્ડ-ટુ-એન્ડ SOC વર્કફ્લોમાં જોડ્યા: સંગ્રહ, શોધ, ટ્રાયજ, તપાસ, પ્રતિભાવ, ઉપાય, રિપોર્ટિંગ અને પ્રતિસાદ. AI દરેક કડીમાં સામેલ છે, પરંતુ તે માનવ છે જે સાંકળને પકડી રાખે છે અને દરેક નિર્ણાયક દરવાજા પર નિર્ણય લે છે. ઓટોમેશન (SOAR + AI) શક્તિ વધારે છે; નિયમ સ્પષ્ટ છે: ઓછા જોખમવાળા, ઉલટાવી શકાય તેવા, પુનરાવર્તિત પગલાં સ્વયંસંચાલિત બને છે, ઉચ્ચ જોખમવાળા, બદલી ન શકાય તેવા પગલાં માનવ દરવાજામાંથી પસાર થાય છે, અને દરેક ઓટોમેશનને પૂર્વવત્ કરવાની રીત હોય છે. છેલ્લે, AI-સંચાલિત સુરક્ષા કાર્યક્રમ જીવંત છે: ખોટા હકારાત્મક/નકારાત્મક, MTTD/MTTR, આઉટપુટ ચોકસાઈ અને પેટર્ન ડ્રિફ્ટ નિયમિતપણે માપવામાં આવે છે; જે મળે છે તે ફીડબેક લૂપમાં નિયમો અને પ્લેબુકમાં ફેરવાય છે. ઓટોમેશન જવાબદારીને વેગ આપે છે, તેને દૂર કરતું નથી; સ્વ-નિયંત્રણ સુરક્ષાને જીવંત રાખે છે.

એપ્લિકેશન કાર્ય

તમારી પોતાની સંસ્થા (અથવા SOC ના નમૂના) ઘટના જીવનચક્ર લખો. દરેક પગલાને "ઓટોમેશન રિસ્ક સેપરેશન" ટેમ્પલેટ સાથે A/B/C તરીકે વર્ગીકૃત કરો અને ઓછામાં ઓછા એક "ઉચ્ચ પ્રભાવ" પગલા માટે "રોલબેક ડિઝાઇન" ટેમ્પલેટ સાથે સુરક્ષિત ઓટોમેશન ડિઝાઇન મેળવો. પછી "સેલ્ફ-ઓડિટ ચેકલિસ્ટ" ટેમ્પલેટ સાથે ત્રિમાસિક ચેકલિસ્ટ બનાવો અને નક્કી કરો કે તમે તમારા પર્યાવરણમાં દરેક મેટ્રિકને કેવી રીતે માપશો.

ચેકલિસ્ટ

• [ ] મેં ઘટના જીવનચક્રના દરેક પગલાને A/B/C જોખમ વર્ગમાં વિભાજિત કર્યા છે.
• [ ] મેં માનવ દરવાજે ઉચ્ચ જોખમ ધરાવતા, બદલી ન શકાય તેવા પગલાં રાખ્યા.
• [ ] મેં દરેક સ્વચાલિત ક્રિયા માટે સાંકડા માપદંડ અને પૂર્વવત્ પાથ ડિઝાઇન કર્યા છે.
• [ ] મેં ખોટા સકારાત્મક અને ખાસ કરીને ખોટા નકારાત્મકના દર પર નજર રાખવાનું આયોજન કર્યું છે.
• [ ] મેં MTTD/MTTR અને AI આઉટપુટ ચોકસાઈને નિયમિતપણે માપવાનું આયોજન કર્યું.
• [ ] મેં પેટર્ન ડ્રિફ્ટ માટે ત્રિમાસિક સ્વ-નિરીક્ષણ ચેકલિસ્ટની સ્થાપના કરી છે.
• [ ] મેં મળેલી ઘટનાઓને કનેક્ટ કરી અને પ્રતિસાદ લૂપ પર એલાર્મ ફેંક્યા.

મોડ્યુલ પરીક્ષા

1. SIEM ટ્રાયેજ AI એ એલાર્મને 'નીચી પ્રાધાન્યતા, સંભવિત ખોટા હકારાત્મક' તરીકે ફ્લેગ કર્યું અને તેને સૂચિના તળિયે ધકેલ્યું. વિશ્લેષકે આ એલાર્મ વિશે શું કરવું જોઈએ?

• A) હજુ પણ સ્વતંત્ર રીતે એલાર્મ તપાસે છે અને તેને કાચા પુરાવા સાથે ચકાસે છે; વિશ્લેષક બંધ કરવાનો નિર્ણય લે છે અને તેને રેકોર્ડ કરે છે ✔
• B) આર્ટિફિશિયલ ઇન્ટેલિજન્સ તેની તપાસ કર્યા વિના આપમેળે એલાર્મ બંધ કરે છે કારણ કે તે કહે છે કે તે ઓછી પ્રાથમિકતા છે.
• C) એલાર્મને આગલી શિફ્ટમાં જેમ છે તેમ સ્થાનાંતરિત કરે છે.
• ડી) ફક્ત આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા આપવામાં આવેલ સારાંશને જુઓ અને રિપોર્ટ પાસ કરો

સમજૂતી: AI પ્રાથમિકતા એ ભલામણ છે, નિદાન નથી; 'નીચી પ્રાધાન્યતા' ધ્વજ વાસ્તવિક હુમલા (ખોટા નકારાત્મક)ને આવરી શકે છે. વિશ્લેષકે હજુ પણ સ્વતંત્ર રીતે ચેતવણી તપાસવી જોઈએ, તેને કાચા પુરાવા સાથે ચકાસવી જોઈએ અને તેને બંધ કરવાનો નિર્ણય પોતે લેવો જોઈએ. નેગેટિવ AI આઉટપુટ 'કોઈ ધમકી નહીં'ની ગેરંટી નથી.

2. AI વાસ્તવિક હુમલાને 'સામાન્ય' તરીકે લેબલ કરે છે અને વિશ્લેષક તેના પર વિશ્વાસ કરે છે અને પોતાના વિશ્લેષણમાં આરામ કરે છે તે જોખમોનું કયું સંયોજન છે?

• A) માત્ર ખોટા હકારાત્મક અને એલાર્મ થાક
• B) ખોટા નકારાત્મક અને ઓટોમેશન પૂર્વગ્રહ (AI પર વધુ પડતી નિર્ભરતા) ✔
• સી) માત્ર લોગ સ્ત્રોતનો અભાવ
• ડી) માત્ર SIEM નિયમ ભૂલ

સમજૂતી: જો મોડેલ વાસ્તવિક ખતરો ચૂકી જાય તો તે ખોટી નકારાત્મક છે; જ્યારે વિશ્લેષક કૃત્રિમ બુદ્ધિ પર વધુ વિશ્વાસ કરે છે અને સ્વતંત્ર સમીક્ષા છોડી દે છે ત્યારે ઓટોમેશન પૂર્વગ્રહ છે. જ્યારે બંને ભેગા થાય છે, ત્યારે માનવીય નિયંત્રણનો રેઇઝન ડીએટ્રી અદૃશ્ય થઈ જાય છે અને હુમલાને સંપૂર્ણપણે બાયપાસ કરી શકાય છે. તેથી જ આર્ટિફિશિયલ ઈન્ટેલિજન્સ જે વિસ્તારોને 'સ્વચ્છ' કહે છે તેની પણ તપાસ કરવામાં આવે છે.

3. AI એ ટ્રાયજ દરમિયાન 'CVE-2024-88888, CVSS 9.8, તરત જ પેચ' કહ્યું. વિશ્લેષકે પ્રથમ શું કરવું જોઈએ?

• A) CVE ને વિશ્વાસપાત્ર માને છે અને તરત જ પેચિંગ પ્લાન શરૂ કરે છે
• B) CVSS 9.8 હોવાને કારણે, તે અન્ય કોઈપણ નબળાઈઓને જોયા વિના તેને પ્રથમ સ્થાન આપે છે
• C) NVD/વેન્ડર રેકોર્ડમાં CVE નંબર અને સ્કોર ચકાસે છે; ✔ જો ત્યાં કોઈ રેકોર્ડ નથી, તો તે નકલી હોઈ શકે છે તે જાણીને તેને સૂચિબદ્ધ કરવામાં આવશે નહીં.
• D) CVE ની ચકાસણી કર્યા વિના, એડમિનિસ્ટ્રેટર તેને રિપોર્ટમાં 'ક્રિટીકલ ધમકી' તરીકે લખે છે.

વર્ણન: ભાષા મૉડલ્સ અવિદ્યમાન CVE નંબર અને સ્કોર (આભાસ) સાથે અસ્ખલિત રીતે ફિટ થઈ શકે છે. વિશ્લેષકે NVD/વેન્ડર લોગમાં CVE ચકાસવું જોઈએ અને પેચિંગ શેડ્યૂલ માટે પ્રતિબદ્ધતા પહેલાં તેની અધિકૃતતા અને સ્કોરની પુષ્ટિ કરવી જોઈએ. એક વણચકાસાયેલ CVE પ્રથમ સંસાધન સાથે જોડાય છે; નહિંતર, ટીમ એવા પેચનો પીછો કરવામાં સમય બગાડશે જે અસ્તિત્વમાં નથી.

4. ઘટનાની તપાસને ઝડપી બનાવવા માટે, એક નિષ્ણાત સાર્વજનિક રીતે ઉપલબ્ધ AI ટૂલમાં વાસ્તવિક આંતરિક IP, વપરાશકર્તાનામો અને VPN સર્વર નામો સાથે કાચો ફાયરવોલ લોગ પેસ્ટ કરે છે. અહીં મુખ્ય સમસ્યા શું છે?

• A) AI લોગ ફોર્મેટ વાંચી શકતું નથી, તેથી વિશ્લેષણ નકામું છે
• બી) જો લોગ ખૂબ લાંબો હોય, તો તે મોડેલને ધીમું કરે છે.
• C) ફાયરવોલ લોગ કોઈપણ રીતે વિશ્લેષણ માટે યોગ્ય નથી
• ડી) વાસ્તવિક IP, વપરાશકર્તા અને સર્વર નામો અનામી વિના શેર કરવામાં આવે છે; આ KVKK નું ઉલ્લંઘન અને સંસ્થાના નેટવર્ક નકશાનું લિકેજ બંને છે ✔

વર્ણન: સુરક્ષા ડેટા એ વ્યક્તિગત ડેટા (વપરાશકર્તા, IP) અને કોર્પોરેટ ઇન્ટેલિજન્સ બંને છે જે સંસ્થાના હુમલાની સપાટી (નેટવર્ક ટોપોલોજી, સર્વરના નામ) દર્શાવે છે. તેને અનામી રાખ્યા વિના બાહ્ય સાધનને આપવી એ બંને KVKK નું ઉલ્લંઘન છે અને તે નેટવર્ક નકશો દર્શાવે છે જે હુમલાખોરને ઉપયોગી થશે. પ્રથમ, વાસ્તવિક મૂલ્યો સુસંગત પ્લેસહોલ્ડર્સ સાથે ઢંકાયેલ છે.

5. સારી રીતે રચાયેલ ગણાતી ધમકીની શોધને શું બનાવે છે?

• એ) તે એક નક્કર, પરીક્ષણ કરી શકાય તેવી પૂર્વધારણાથી શરૂ થાય છે અને મળેલા ટ્રેસની પુષ્ટિ કાચા પુરાવા દ્વારા થાય છે ✔
• B) તે કૃત્રિમ બુદ્ધિમત્તાને 'મારા નેટવર્કમાં કોઈ હુમલાખોર છે કે નહીં તે શોધો' કહેવાથી શરૂ થાય છે.
• C) દરેક અસામાન્ય/દુર્લભ ઘટનાને હુમલા તરીકે આપમેળે જાહેર કરે છે
• ડી) જ્યારે એલાર્મ આવે ત્યારે જ તે કામ કરે છે, તે સક્રિય નથી

સમજૂતી: સારી ધમકીની શોધ એલાર્મથી નહીં, પરંતુ એક નક્કર અને પરીક્ષણ કરી શકાય તેવી પૂર્વધારણા સાથે શરૂ થાય છે જે સાચી હોઈ શકે કે ન પણ હોઈ શકે (દા.ત. 'શું એકાઉન્ટ X બિન-વ્યાપારી કલાકો દરમિયાન 50 કરતાં વધુ આંતરિક IP સાથે કનેક્ટ થયું'). 'શું મારા નેટવર્ક પર કંઈક ખરાબ છે' જેવા અસ્પષ્ટ પ્રશ્નનું પરીક્ષણ કરી શકાતું નથી અને એઆઈને અનુમાન લગાવવાનું છોડી દે છે. મળેલા ટ્રેસને જ્યાં સુધી કાચા પુરાવા સાથે ચકાસવામાં ન આવે ત્યાં સુધી તેને ખતરો ગણવામાં આવતો નથી.

6. આંતરિક નેટવર્ક પર એક અલગ પરીક્ષણ સર્વર પર નબળાઈનો CVSS સ્કોર 9.1 છે; સમાન સૂચિમાં, ઇન્ટરનેટ માટે ખુલ્લા સર્વર પર CVSS 7.5, પરંતુ KEV સૂચિમાં બીજી નબળાઈ છે (જેનું ખરેખર શોષણ કરવામાં આવ્યું છે). સાચી પ્રાથમિકતા શું છે?

• A) સૌથી વધુ CVSS (9.1) ધરાવનારને હંમેશા પહેલા પેચ કરવામાં આવે છે
• બી) ઈન્ટરનેટ અને KEV યાદી પર 7.5 ની નબળાઈને આગળ લઈ જવામાં આવે છે; CVSS એ એકમાત્ર માપદંડ નથી, એક્સપોઝર અને વાસ્તવિક દુરુપયોગ નિર્ણાયક છે ✔
• સી) બંને એક જ સમયે અને સમાન અગ્રતા સાથે પેચ કરવામાં આવે છે, ભેદ બિનજરૂરી છે
• ડી) ટેસ્ટ સર્વરમાં નબળાઈ હોવાને કારણે તેમાંથી કોઈ પણ પેચ કરેલ નથી

સમજૂતી: CVSS એકલા અગ્રતા નક્કી કરતું નથી; વાસ્તવિક જોખમ EPSS (શોષણની સંભાવના), KEV (વાસ્તવિક શોષણ) અને સંસ્થાકીય સંદર્ભ (એક્સપોઝર, જટિલતા, વળતર નિયંત્રણ) દ્વારા નક્કી કરવામાં આવે છે. ઈન્ટરનેટ-પ્રદર્શિત અને વાસ્તવમાં શોષિત (KEV) નબળાઈ અલગ અને ઓછી-સંભવિત ઉચ્ચ-CVSS નબળાઈને અટકાવે છે.

7. ઘટનાના પ્રતિભાવમાં, આર્ટિફિશિયલ ઇન્ટેલિજન્સ કહે છે કે 'IC_HOST_7 માંથી નીકળતો ટ્રાફિક શંકાસ્પદ છે, આ સર્વરને અલગ કરો'. IC_HOST_7 એ સંસ્થાનું મુખ્ય પ્રમાણીકરણ સર્વર છે. વિશ્લેષકે શું કરવું જોઈએ?

• A) કૃત્રિમ બુદ્ધિ તરત જ સર્વરને અલગ પાડે છે કારણ કે તે આવું કહે છે
• બી) અલગતાનો નિર્ણય સંપૂર્ણપણે કૃત્રિમ બુદ્ધિ પર છોડી દે છે
• સી) પ્રથમ વ્યવસાયની અસર અને ટ્રાફિકના કારણનું મૂલ્યાંકન કરો; તે તેની અસરને માપ્યા વિના જટિલ ઈન્ફ્રાસ્ટ્રક્ચરને અલગ પાડતું નથી અને વિશ્લેષક તરીકે નિર્ણય લે છે ✔
• ડી) સર્વરને અલગ કરે છે અને પછી બધા લોગ કાઢી નાખે છે

વર્ણન: આઇસોલેશન એ એક મહત્વપૂર્ણ નિર્ણય છે જેને ઉલટાવવો મુશ્કેલ છે અને તે વ્યવસાયમાં વિક્ષેપ તરફ દોરી શકે છે; આર્ટિફિશિયલ ઇન્ટેલિજન્સ પર ટ્રાન્સફર કરી શકાતું નથી. ઓથેન્ટિકેશન સર્વરને અલગ કરવાથી તમામ કર્મચારીઓને લૉગ ઇન કરવાથી રોકી શકાય છે. વિશ્લેષકે પહેલા વ્યવસાયની અસર અને ટ્રાફિકના કારણનું મૂલ્યાંકન કરવું જોઈએ (એક કાયદેસર વ્યવહાર હોઈ શકે છે), નિર્ણય પોતે લેવો જોઈએ; આર્ટિફિશિયલ ઈન્ટેલિજન્સનું સૂચન ઓર્ડર તરીકે અમલમાં મૂકવું જોઈએ નહીં.

8. રેન્સમવેરની ઘટનામાં, ટીમ અસરગ્રસ્ત મશીનને ઝડપથી સાફ કરવા માટે તેને ફરીથી બનાવવા માંગે છે; પરંતુ મશીન પર ફોરેન્સિક પુરાવા (મેમરી ડમ્પ, હુમલાખોર સાધનો) છે જે હજુ સુધી એકત્રિત કરવામાં આવ્યા નથી. યોગ્ય અભિગમ શું છે?

• એ) મશીન તરત જ પુનઃસ્થાપિત થાય છે; પુરાવા અપ્રસ્તુત છે
• B) કૃત્રિમ બુદ્ધિમત્તાને 'સૌથી ઝડપી સફાઈ' માટે કહેવામાં આવે છે અને સૂચનાને આંખ આડા કાન કરવામાં આવે છે.
• સી) મશીનને બંધ કરીને ફેંકી દેવામાં આવે છે કારણ કે પુરાવા પહેલેથી જ લોગમાં છે.
• ડી) પ્રથમ, ફોરેન્સિક ઇમેજ અને મેમરી ડમ્પ લેવામાં આવે છે અને પુરાવા સાચવવામાં આવે છે, પછી સફાઈ/પુનઃપ્રાપ્તિ કરવામાં આવે છે ✔

સમજૂતી: પુનઃપ્રાપ્તિની ઝડપ પુરાવાની જાળવણીને ટાળી શકતી નથી. પુરાવા એકત્રિત કર્યા વિના મશીનને પુનઃસ્થાપિત કરવાથી કસ્ટડીની સાંકળનો નાશ થાય છે અને ન્યાયિક પ્રક્રિયાને અપંગ બનાવે છે. પ્રથમ, ફોરેન્સિક ઇમેજ અને મેમરી ડમ્પ લેવામાં આવે છે, પછી સફાઈ/પુનઃપ્રાપ્તિ કરવામાં આવે છે. ફોરેન્સિક પગલાં એઆઈને સોંપવામાં આવતાં નથી.

9. શંકાસ્પદ ફિશિંગ ઇમેઇલનું વિશ્લેષણ કરતી વખતે તકનીકી ચકાસણીના સૌથી વિશ્વસનીય સ્તરોમાંથી એક શું છે અને તેની પુષ્ટિ કેવી રીતે કરવી જોઈએ?

• A) SPF/DKIM/DMARC ઈમેલ હેડરોમાં પરિણામો; કાચા શીર્ષકમાંથી પુષ્ટિ થયેલ છે, AI ના સારાંશમાંથી નહીં ✔
• બી) ઈમેલનો રંગ અને ફોન્ટ; વિઝ્યુઅલ ડિઝાઇન દ્વારા નક્કી કરવામાં આવે છે
• સી) લાઇવ સિસ્ટમ પર શંકાસ્પદ લિંક પર ક્લિક કરો અને ખુલે છે તે પૃષ્ઠ જુઓ.
• ડી) એકલા 'ફિશિંગ' કહેતી કૃત્રિમ બુદ્ધિ પૂરતો પુરાવો છે

સમજૂતી: ઇમેઇલ હેડરમાં SPF/DKIM/DMARC પરિણામો એ મજબૂત સૂચક છે કે શું ઇમેઇલ ખરેખર તે ડોમેનમાંથી આવે છે કે જેનો તે દાવો કરે છે; જો ત્રણેય નિષ્ફળ જાય અને મોકલનાર ડોમેન સાથે છેતરપિંડી કરે, તો શંકા વધુ મજબૂત બને છે. જો કે, આની પુષ્ટિ AI ના સારાંશથી નહીં પણ કાચા શીર્ષકથી થવી જોઈએ. વધુમાં, લાઇવ સિસ્ટમ પર શંકાસ્પદ લિંક્સ ક્યારેય ક્લિક કરવામાં આવતી નથી.

10. કોડ રિવ્યુમાં, AI એ XSS નબળાઈ માટે ફિક્સ કરવાનું સૂચન કર્યું અને કહ્યું કે 'તે નબળાઈને બંધ કરે છે'. વિશ્લેષક/વિકાસકર્તાએ શું કરવું જોઈએ?

• A) ફિક્સને વિશ્વસનીય માને છે અને તેને સીધા ઉત્પાદનમાં મૂકે છે
• બી) સુધારાની સમીક્ષા કરે છે, પુષ્ટિ કરે છે કે તે વાસ્તવમાં નબળાઈને બંધ કરે છે અને નવી નબળાઈઓ/બગ્સ રજૂ કરતું નથી, અને પરીક્ષણ લખે છે; તો જ તે સ્ટોરેજમાં આવે છે ✔
• C) તેને ખાતરી ન હોવાથી, તે આખી ફાઇલને આર્ટિફિશિયલ ઇન્ટેલિજન્સ પર ફરીથી લખે છે અને તેનો ઉપયોગ કરે છે.
• ડી) ફિક્સ લાગુ કરે છે પરંતુ કોઈપણ પરીક્ષણો લખ્યા વિના પાસ થાય છે

સમજૂતી: AI દ્વારા સૂચવવામાં આવેલ ફિક્સ આપમેળે સુરક્ષિત નથી; તે નબળાઈને સંપૂર્ણપણે બંધ કરી શકશે નહીં, તે ખોટા સ્તરને સાફ કરી શકે છે, અથવા તે નવી નબળાઈ/કાર્યાત્મક ભૂલ રજૂ કરી શકે છે. દરેક પેચની સમીક્ષા કરવામાં આવે છે, મૂલ્યાંકન કરવામાં આવે છે કે શું તે વાસ્તવમાં નબળાઈને બંધ કરે છે અને શું તે નવી સમસ્યાઓ રજૂ કરે છે કે કેમ, અને હકારાત્મક અને નકારાત્મક પરીક્ષણ કેસ લખવામાં આવે છે; તે પછી જ તે વેરહાઉસમાં પ્રવેશ કરે છે.

11. હુમલાનું વિશ્લેષણ કરતી વખતે, આર્ટિફિશિયલ ઇન્ટેલિજન્સે કહ્યું કે 'આ ચોક્કસપણે APT-ડાર્ક ઇગલ જૂથનું કામ છે'. ધમકીની બુદ્ધિના સંદર્ભમાં યોગ્ય અભિગમ શું છે?

• A) સંદર્ભ જેમ છે તેમ સ્વીકારો અને રિપોર્ટમાં તેને 'ચોક્કસ ગુનેગાર' તરીકે લખો
• બી) તે જૂથના નામ પર ક્યારેય પ્રશ્ન કર્યા વિના તે જૂથના આધારે તેનું સંપૂર્ણ સંરક્ષણ બનાવે છે.
• C) ચોક્કસ એટ્રિબ્યુશનને બદલે 'તકનીકો સાથે સુસંગત' ભાષાનો ઉપયોગ કરે છે, જાણીતા સ્ત્રોતોમાં જૂથને ચકાસે છે અને બનાવટની શક્યતાને ધ્યાનમાં લે છે ✔
• ડી) અવતરણ હંમેશા બિનજરૂરી છે, તે બિલકુલ ધ્યાનમાં લેવામાં આવતું નથી

સમજૂતી: જૂથ એટ્રિબ્યુશન એ બુદ્ધિનું સૌથી મુશ્કેલ અને સૌથી અચોક્કસ ક્ષેત્ર છે; AI એ બેન્ડનું નામ પણ બનાવી શકે છે જે અસ્તિત્વમાં નથી. ચોક્કસ સંદર્ભને બદલે, 'આ તકનીકો સાથે સુસંગત' ભાષાનો ઉપયોગ કરવામાં આવે છે અને જૂથના નામની પુષ્ટિ જાણીતા ઇન્ટેલિજન્સ સ્ત્રોતોમાં થાય છે. વધુમાં, સંરક્ષણ અલ્પજીવી IOCs પર આધારિત નથી પરંતુ કાયમી TTP શોધ પર આધારિત છે.

12. ઘટનાના ડ્રાફ્ટ રિપોર્ટમાં, AI એ વાક્ય લખ્યું હતું કે 'હુમલો કરનાર મોટે ભાગે ત્રણ અઠવાડિયા સુધી અંદર હતો અને ગ્રાહકના ડેટાને બહાર કાઢ્યો હતો'; જ્યારે આ દાવાઓને સમર્થન આપવા માટે કોઈ નિર્ણાયક લોગ પુરાવા નથી. વિશ્લેષકે શું કરવું જોઈએ?

• એ) વાક્યને જેમ છે તેમ છોડી દે છે કારણ કે તે નાટકીય અને પ્રભાવશાળી છે
• B) વાક્ય છોડે છે પરંતુ અંતે 'કૃત્રિમ બુદ્ધિમત્તા લખેલી' ઉમેરે છે
• C) સમગ્ર રિપોર્ટને આર્ટિફિશિયલ ઇન્ટેલિજન્સ પર રિપ્રિન્ટ કરે છે અને તેની ચકાસણી કર્યા વિના તેના પર સહી કરે છે.
• ડી) પુરાવાના આધારે દાવાઓને સુધારે છે; 'શક્ય/સાબિત/તપાસ હેઠળ' વચ્ચેનો તફાવત બનાવે છે અને પુરાવા વિના ચોક્કસ નિવેદન બહાર કાઢે છે ✔

ટિપ્પણી: ઔપચારિક સુરક્ષા અહેવાલમાં, દરેક દાવાને સમર્થન આપવું જોઈએ અને 'સંભવિત' ક્યારેય 'સાબિત' સાથે મૂંઝવણમાં ન આવવી જોઈએ. પુરાવા વિનાનો દાવો કાનૂની, નાણાકીય અને પ્રતિષ્ઠિત પરિણામો ધરાવે છે. વિશ્લેષકે પુરાવા અનુસાર વાક્ય સુધારવું જોઈએ (ઉદાહરણ તરીકે, ડેટા લીક માટે પ્રથમ એક્સેસ મળ્યાની તારીખ લખો અને કહો કે 'કોઈ નિર્ણાયક પુરાવા મળ્યા નથી, તપાસ ચાલુ છે').

13. એક મેનેજર કર્મચારીની તમામ પ્રવૃત્તિઓને કૃત્રિમ બુદ્ધિમત્તા સાથે સુરક્ષા લોગમાંથી પ્રોફાઈલ કરવા માંગે છે જેથી તે સમજવા માટે કે તે 'વફાદાર' છે કે નહીં. સુરક્ષા વ્યાવસાયિકે શું કરવું જોઈએ?

• A) વિનંતીને નકારી કાઢે છે અને તેને યોગ્ય ચેનલ (HR/કાનૂની/વ્યાખ્યાયિત તપાસ) નો સંદર્ભ આપે છે; સુરક્ષા ડેટા વ્યક્તિગત દેખરેખનું સાધન નથી ✔
• B) પ્રોફાઇલ બનાવે છે અને પહોંચાડે છે કારણ કે મેનેજર તેની વિનંતી કરે છે
• સી) તે માત્ર કેટલાક લોગને બહાર કાઢે છે અને આંશિક પ્રોફાઇલ આપે છે
• ડી) આર્ટિફિશિયલ ઈન્ટેલિજન્સ દ્વારા પ્રોફાઈલ બનાવેલ છે કારણ કે જવાબદારી આર્ટિફિશિયલ ઈન્ટેલિજન્સ પર જાય છે

વર્ણન: સુરક્ષા ડેટા સુરક્ષા હેતુઓ માટે એકત્રિત કરવામાં આવે છે; વ્યક્તિનું ટ્રેકિંગ/પ્રોફાઈલિંગ એ દુરુપયોગ છે, વ્યક્તિગત સર્વેલન્સમાં ફેરવાય છે અને KVKKનું ઉલ્લંઘન કરે છે. નિષ્ણાતે આ વિનંતીને નકારી કાઢવી જોઈએ અને તેને યોગ્ય ચેનલ (HR, કાનૂની, નિર્ધારિત અને કાયદેસર તપાસ માળખું) નો સંદર્ભ લેવો જોઈએ. ગુડવિલ કે મેનેજરની ઈચ્છા આ મર્યાદાને યોગ્ય ઠેરવતી નથી.

14. એક SOC નક્કી કરે છે કે સુરક્ષા વર્કફ્લોના કયા પગલાં સ્વચાલિત કરવા. ઓટોમેશન માટે શ્રેષ્ઠ સિદ્ધાંત કયો છે?

• A) સૌથી વધુ જોખમના નિર્ણયો પહેલા સ્વયંસંચાલિત હોવા જોઈએ જેથી કોઈ માનવ સંડોવણી ન હોય
• બી) ઓછા જોખમ/ઉલટાવી શકાય તેવા પગલાં સ્વયંસંચાલિત છે; ઉચ્ચ જોખમ/ઉલટાવી શકાય તેવા પગલાં માનવ દરવાજા પર જ રહે છે અને દરેક ઓટોમેશનમાં પૂર્વવત્ કરવાની રીત હોય છે ✔
• C) તમામ SOC સંપૂર્ણપણે સ્વચાલિત હોવા જોઈએ અને સ્વ-ઓડિટીંગ બિનજરૂરી છે
• ડી) સ્વયંસંચાલિત ક્રિયાઓને પૂર્વવત્ કરવાની જરૂર નથી કારણ કે AI ભૂલો કરતું નથી

સમજૂતી: ઓછા જોખમ, પુનરાવર્તિત અને ઉલટાવી શકાય તેવા પગલાં (લોગ સંગ્રહ, એલાર્મ સંવર્ધન) સ્વયંસંચાલિત થઈ શકે છે; ઉચ્ચ-જોખમ, બદલી ન શકાય તેવા અને નિર્ણય-જરૂરી પગલાં (સર્વર અલગતા, ઉત્પાદન પેચિંગ, સત્તાવાર સૂચના) માનવ દરવાજામાંથી પસાર થાય છે. વધુમાં, દરેક સ્વચાલિત ક્રિયામાં સંકુચિત માપદંડ અને પૂર્વવત્ કરવાની રીત હોવી જોઈએ. ઓટોમેશન જવાબદારીને દૂર કરતું નથી, તે ફક્ત તેને ઝડપી બનાવે છે.