「機械学習」「ビッグデータ」が変えるセキュリティ対策【第3回】

「役に立たないSIEM」という“壮大な勘違い”はなぜ起こるのか（1/3 ページ）

歴史の浅さや宣伝の曖昧さから、実力を正しく評価されない傾向がある「SIEM」。過大評価や過小評価に陥らないために、SIEMの現状をあらためて把握しよう。

　大量のデータを投入することで脅威を見つけ出す「SIEM」。その効果を正しく理解できている企業は、実はそれほど多くない。その責任の一端はベンダー側にもある。実際、耳に聞こえのいい営業トークが世間を賑わしているのも事実ではなかろうか。

　SIEMに関して次のような説明を受けた企業もあるだろう。「今まで見つけることができなかった脅威が見つかる」「たくさんのデータを投入すれば自動的に相関分析し、あらゆるサイバー攻撃を検出する」「どこからどこへ不正な通信が流され、マルウェアがどのデータに接触し、データがどれくらい搾取されたかをレポートしてくれる」――。

　これらは確かに表面的には事実ではあるが、思わぬ誤解を招く可能性は否定できない。

SIEMにまつわる「期待」と「現実」

「機械学習」「ビッグデータ」が変えるセキュリティ対策

「ビッグデータ」「機械学習」といった技術の活用で、セキュリティ対策の在り方はどう変わるのか。技術や製品分野の変遷を振り返りながら、その実像を探る。

この連載の記事をもっと見る

この記事の著者

関連記事

• 

  「ビッグデータ」を制する者がセキュリティを制する時代へ

• 

  データ駆動型セキュリティの鍵、「SIEM」を見極める3つのポイント

• 

  セキュリティの新常識「SIEM」の食わず嫌いはもったいない

• 

  犯罪の兆候をあぶり出す「SIEM」を攻撃者から守る5つの対策

• 

  標的型攻撃の被害を防ぐ“特効薬”は「ログ管理」

新着ホワイトペーパー PR

• 製品資料
  [NTTPCコミュニケーションズ株式会社] 「回線速度不足」だけが原因ではない？　Web会議の遅延を解決する方法とは
• 製品資料
  [東京エレクトロン デバイス株式会社] 工場の可用性向上に重要な「7つの領域」と対策　OTセキュリティ強化の基礎知識
• 製品資料
  [リコージャパン株式会社] 問い合わせ対応で本来の業務が進まない、総務や情シスの負担をどう減らす？
• 製品資料
  [リコージャパン株式会社] 自社データから高精度な回答を生成、簡単に生成AIチャットボットを構築する方法
• 技術文書・技術解説
  [アトラシアン株式会社] IT運用や従業員サポートは生成AIでどう変わる？　使い方や導入の流れは？