Независимый отчет показывает, что функция приоритезации оповещений о безопасности, разработанная Agentic AI, возвращает аналитикам один день в неделю, позволяя им обрабатывать больше дел за смену, улучшать среднее время обнаружения и восстановления после сбоев, а также сосредоточиться на превентивном управлении рисками, при этом справляясь с годовой рабочей нагрузкой, эквивалентной 1.5 штатным аналитикам.
Инструменты на основе искусственного интеллекта значительно упростили злоумышленникам разработку крайне убедительных фишинговых атак и атак с использованием программ-вымогателей. В ответ на это организации усилили меры по повышению осведомленности о безопасности и обучению персонала, что привело к резкому увеличению числа сообщений о потенциальных угрозах. Всемирный экономический форум сообщает о значительном росте потенциальных угроз безопасности за последние два года: количество атак с использованием программ-вымогателей увеличилось на 48% в годовом исчислении, а число фишинговых попыток выросло на 1200% с конца 2022 года. Эта эскалация в значительной степени обусловлена тактикой, усовершенствованной с помощью GenAI. Система автоматической сортировки (Automatic Triage), работающая на базе Agentic AI, уравнивает шансы аналитиков безопасности, автоматически обрабатывая, сопоставляя, анализируя и расставляя приоритеты для подозрительных событий в среде пользователя.
Вывод №1: Автоматическая сортировка запросов занимает 19 минут каждый час, что означает повышение производительности на 1 день в неделю.
В ходе испытаний система автоматической сортировки позволила аналитикам сэкономить примерно 19 минут рабочего времени, направив их на более ценную работу, включая обработку большего количества дел за смену и уделение большего времени управлению рисками заражения. предвидение поведения противника и устранение уязвимостей. На этот раз. Это означает примерно один день в неделю на одного аналитика, или эквивалент 1.5 штатных аналитиков, возвращаемых на работу ежегодно. Закрывая ложные срабатывания и выявляя реальные угрозы до того, как человек начнет их обрабатывать, Auto Triage снижает уровень шума, помогает командам перейти от режима, ориентированного на оповещения, к режиму управления инцидентами и трансформирует работу аналитика по безопасности. Этот сдвиг помогает улучшить среднее время обнаружения и восстановления (MTTD и MTTR), давая аналитикам время мыслить как злоумышленники, предвидеть вероятные пути атаки и закрывать видимые уязвимости до того, как они будут использованы.
«Операции по обеспечению безопасности достигли критической точки. Объём и сложность оповещений просто выходят за рамки возможностей аналитиков-людей», — сказал он. Aimei Wei«Это исследование, проведенное в реальных условиях, доказывает, что наш подход, сочетающий анализ со скоростью работы машины и человеческое суждение, — это правильный путь. Результаты показывают, как это выглядит на практике: ИИ выполняет работу по оповещению в больших масштабах, аналитик сохраняет контроль, и они почти всегда приходят к согласию, освобождая аналитиков для управления большим количеством дел и опережая возникающие риски».
Вывод №2: 64% ложных срабатываний были закрыты; 15% истинных срабатываний привели к эскалации проблемы.
Используя модели машинного обучения, обученные на реальных фишинговых шаблонах, платформа за считанные секунды выдает надежные и действенные заключения. Система автоматической сортировки принимает решение по каждому оповещению на основе проверки сигнала вердикта с помощью ИИ, при участии человека и в рамках замкнутого цикла обучения, который повышает точность с течением времени.
В ходе испытаний система проанализировала 138 475 оповещений, отклонив 64% из них как достоверные ложноположительные результаты. Система автоматической сортировки передала 15% оповещений в качестве истинноположительных результатов для анализа человеком, а остальные направила как информационные, устраняя информационный шум до того, как он достигнет человека.
«Встроенный в Auto Triage искусственный интеллект Agentic призван решить одну из самых актуальных задач, с которыми ежедневно сталкиваются аналитики безопасности: отсеивание лишней информации и сосредоточение внимания на реальных угрозах для бизнеса», — сказал Кристофер М. Стеффен, CISSP, CISA, CCZT, вице-президент по исследованиям в области информационной безопасности, управления рисками и соответствия требованиям в EMA. «Это исследование доказывает, что подход Stellar Cyber, основанный на автоматическом сборе и анализе данных, приоритизации на основе ИИ и высокоточном принятии решений, способен трансформировать методы работы аналитиков на предприятиях». SOC— «От обработки оповещений до управления случаями, переход от MTTD и MTTR к MTTN — это время, необходимое для нейтрализации, и больше времени на активное снижение риска».
Эффективные команды безопасности на предприятиях SOCПоставщики управляемых услуг безопасности (MSSP) сталкиваются с растущим объемом оповещений, но при этом не имеют бюджета на увеличение штата сотрудников. Для MSSP высвобождение аналитических ресурсов напрямую приводит к расширению охвата, улучшению обслуживания клиентов и сохранению прибыли.
«Результаты этого исследования подтверждают то, что мы наблюдали и в своей собственной жизни». SOC«Для поставщиков управляемых услуг безопасности (MSSP) расчеты, основанные на работе исключительно людей в сфере безопасности, просто не могут масштабироваться в условиях сегодняшних объемов оповещений», — сказал Чант Вартанян, генеральный директор M-Theory Group. «Автоматическая сортировка фактически возвращает производительность, эквивалентную полному рабочему дню, на каждого аналитика и успешно закрывает 64% ложных срабатываний. Эти данные действительно преобразуют организации, подобные нашей. Они позволяют нам переключить внимание нашей команды на расследование высокоэффективных угроз и управление рисками, обрабатывать больше дел за смену, что напрямую повышает нашу рентабельность и позволяет нам предоставлять более широкое и стабильное покрытие для наших клиентов без необходимости дорогостоящего расширения штата».
Функция автоматической сортировки запросов (Auto Triage) теперь доступна в рамках платформы Stellar Cyber AI-native SecOps. Полная методология тестирования и результаты доступны по ссылке. здесьКомпания Stellar Cyber представит технологию Auto Triage и результаты этого независимого исследования вживую на конференции Black Hat USA, которая пройдет с 1 по 6 августа 2026 года в Лас-Вегасе.
О Stellar Cyber
Stellar Cyber — это полнофункциональная платформа SecOps, разработанная специально для поставщиков управляемых услуг безопасности (MSSP) и небольших корпоративных команд безопасности. С 2015 года Stellar Cyber помогает организациям выявлять самые темные уголки кибербезопасности, чтобы видеть каждую угрозу, понимать, что наиболее важно, и действовать быстро и уверенно — всегда с участием человека.
Применяя правильный инструмент к правильной проблеме, Stellar Cyber сочетает машинное обучение для выявления скрытых аномалий, агентный ИИ для принятия решений в режиме реального времени и дополненную реальность принятия решений человеком там, где экспертные знания имеют решающее значение. Результат — реальный результат: производительность аналитиков повышается более чем на 80%, количество ложных срабатываний сокращается более чем на 90%, а службы безопасности могут сосредоточиться на самом важном.
Открытая платформа SecOps от Stellar Cyber объединяет SIEM, NDR/OT, ITDR/UEBAОбнаружение, расследование, сортировка, реагирование и многоуровневый искусственный интеллект™ — все это под одной лицензией. Stellar Cyber пользуется доверием одной трети из 250 ведущих мировых поставщиков управляемых услуг безопасности (MSSP) и более 14 000 организаций по всему миру.
Узнайте больше на сайте stellarcyber.ai.
Запросы Stellar Cyber Media:
Мишель Бэрри
Коллектив Chameleon для Stellar Cyber
Michelle.barry@chameleon.co
+1 (603) 809-2748
END