Hvordan detektering af afvigelser bidrager til at sikre IoT

Det er afgørende at beskytte IoT-enheder mod sikkerhedsrisici, men det første skridt er at opdage potentielle trusler. Hvis enhederne ikke overvåges løbende, kan der opstå betydelig skade, inden et sikkerhedsbrud opdages. Her kommer afvigelsesdetektering ind i billedet; den er en del af en helhedsorienteret tilgang til IoT-sikkerhed, der giver virksomhederne mulighed for at beskytte sig, opdage og reagere på cybertrusler.

Hvad er afvigelsesdetektering, og hvorfor er det vigtigt?

Detektion af afvigelser identificerer aktivitet, der afviger fra det, der betragtes som normalt for en IoT-enhed. Det kan være usædvanlig høj eller hyppigere datatransmission. Hvis en temperatursensor for eksempel er programmeret til at rapportere to gange om dagen og pludselig begynder at sende data hver time, er der sandsynligvis noget galt.

I dette eksempel er IoT-enheden måske ikke blevet hacket, men har blot en funktionsfejl. Uanset hvad vil du gerne vide det så hurtigt som muligt. Hvis der er sket et sikkerhedsbrud, skal du identificere og isolere det for at forhindre yderligere skade.

IoT-sikkerhed starter med at beskytte enheder, netværk og systemer, men den er ufuldstændig uden evnen til at opdage alt, der afviger fra det normale, og reagere, når det sker.

En enhed, der pludselig ser ud til at kommunikere fra et andet land, ville være en anden afvigelse, der kunne tyde på problemer. Hvis du ikke har overblik over dine IoT-enheder og deres trafik, ville du ikke vide, om de er blevet kompromitteret. Hackere kunne bruge de enheder, de får adgang til, til at iværksætte angreb på andre tilsluttede mål eller til at overtage  kontrollen over din IoT-enhed.

Husk, at IoT-enheder generelt befinder sig uden for din virksomheds perimeter, i ubemandede miljøer, hvor de kan være betydeligt mere sårbare. For en cyberkriminel kan de udgøre et indgangssted til din virksomheds systemer med henblik på datatyveri eller for at iværksætte et ransomware-angreb. Af alle disse og flere andre grunde skal IoT-enheder sikres og overvåges.

Hvordan fungerer afvigelsesdetektering i IoT?

Alle virksomheder står over for it-sikkerhedsrisici, de skal imødegå. Virksomhederne skal erkende, at kriminelle grupper er organiserede forbrydersyndikater, der investerer massivt i kunstig intelligens og maskinlæring.  De bruger de samme værktøjer, som din organisation selv bruger.

På trods af den skade, der kan forvoldes, rapporterede IBM Security/Ponemon Institute, at det i gennemsnit tager hele 212 dage at opdage et databrud.

For at vende denne situation skal virksomhederne overvåge deres tilsluttede enheder og vide, hvordan »normalt« ser ud, så de kan spotte alt, der kunne tyde på problemer. Når en svaghed først er blevet afsløret, kan den udnyttes yderligere. Det kræver konstant årvågenhed.

Detektion af afvigelser giver dig indsigt i dine IoT-enheder og -løsninger og markerer enhver aktivitet, der kræver undersøgelse. Du kan derefter handle i overensstemmelse hermed, for eksempel ved at begrænse båndbredden for at forhindre den mistænkelige enhed i at kommunikere med netværket eller ved at isolere enheden i en afgrænset zone.

Afvigelsesdetekteringen er enhedsneutral og drives af et AI-baseret program, der analyserer datafeedet og vurderer potentielle trusler. Da programmet er AI-baseret, »lærer«  det, hvad der er normalt, i henhold til de tærskelværdier, der er fastsat af de forretningsregler, som styrer programmet.

Hvad der sker derefter, kan automatiseres eller ej, igen i henhold til forretningsreglerne.  Der kan udløses en direkte handling for eksempelvis at isolere en formodet trussel.  Alternativt kan det sendes til gennemgang; denne fleksibilitet kan være nødvendig, da et SIM-kort kan øge eller indstille kommunikationen af helt legitime årsager.

AI-motoren kan også analysere identificerede afvigelser for at identificere angrebstyper. Disse kan være distribuerede denial-of-service-angreb (DDoS), man-in-the-middle-angreb (MiTM) eller overtagelse af enheder. Da det er servicebaseret, er afvigelses- og trusselsdetektering fuldt skalerbar, så den passer til størrelsen og omfanget af din IoT-løsning.

Hvordan afvigelsesdetektering passer ind i 360-graders IoT-sikkerhed

Du bør overveje afvigelsesdetektering allerede i produkt- eller løsningsdesignfasen. Alt for ofte bliver IoT-sikkerhed en eftertanke, når løsningerne allerede er taget i brug.

Det er en fejl, for de bedste resultater opnås, når virksomhederne er forberedte –  både med hensyn til at forebygge angreb og til at opdage og reagere på dem, hvis de skulle finde sted.

At indbygge automatisering i din løsnings sikkerhedsforanstaltninger hjælper dig også med omkostningsstyring og reaktionstid ved at mindske afhængigheden af arbejdskrævende manuelle opgaver.

Detektion af afvigelser er en del af det samlede billede af IoT-sikkerhed, som Wireless Logic beskriver gennem sit Security Framework. Dette blev introduceret som en 360-graders model, der består af en række teknologiske muligheder, standarder og bedste praksis, som arbejder sammen om at forsvare, opdage og reagere på cybertrusler.

For mere information om sikring af IoT-enheder og -løsninger, herunder afsløring af afvigelser, kan du læse vores løsningsvejledning til Security Management Framework. Du kan også kontakte os for at drøfte emnet nærmere.

Om forfatteren

Pritam har over 17 års erfaring inden for IT-netværk, sikkerhed og Internet of Things (IoT). Han har arbejdet for flere anerkendte virksomheder, herunder Cisco som Product Manager for Smart Cities and Communities (sikkerhed, Smart Mobility og parkering), D-Link som Product Engineering Lead og DIGISOL som Product Manager for Surveillance-divisionen.

I sin nuværende rolle som Product Manager for Value Added Services hos Wireless Logic forklarer han vigtigheden af anomalidetektion for at reducere sikkerhedsrisici inden for IoT.

Pritam Shiravadekar
Product Manager