Detección de anomalías
Identificar actividades anómalas que puedan indicar un evento de seguridad.
Detección de anomalías se define por los resultados de NIST CSF 2.0 DE.AE-02 (Potentially adverse events are analyzed to better understand associated activities); DE.AE-04 (The estimated impact and scope of adverse events are understood); DE.CM-09 (Computing hardware and software, runtime environments, and their data are monitored to find potentially adverse events). Correspondencia Con correspondencia a través de un crosswalk publicado en ISO 27001, CIS v8.1, CMMC, 800-53 y NIS2. Editorial Con correspondencia editorial en SOC 2, PCI DSS, Essential Eight y DORA. Solo relación tangencial en HIPAA. Sin correspondencia en nuestros datos Sin correspondencia en nuestros datos para GDPR, CPS 234 y Cyber Essentials.
| Marco | Requisito | Título | Vínculo | Fuente / motivo |
|---|---|---|---|---|
| NIST CSF 2.0 | DE.AE-02DE.AE-04DE.CM-09 | Potentially adverse events are analyzed to better understand associated activities; The estimated impact and scope of adverse events are understood; Computing hardware and software, runtime environments, and their data are monitored to find potentially adverse events | Definición del tema | DE.AE-02 DE.AE-04 DE.CM-09 |
| ISO 27001 | A.8.16 | Monitoring activities | Correspondencia | A.8.16: via DE.CM-09; NIST 800-53 map: SI-4 |
| CIS v8.1 | CIS 8.11 | Conduct Audit Log Reviews | Correspondencia | CIS 8.11: via DE.AE-02 |
| SOC 2 | CC7.2 | Monitoring system components for anomalies | Editorial | CC7.2: AICPA's TSC mappings are not openly licensed; ControlMapping editorial mapping (criterion summaries are ours, not AICPA text). |
| PCI DSS | 10.4.1.1 | Automated mechanisms for log review | Editorial | 10.4.1.1: Automated mechanisms for audit log review; omitted from NIST's PCI references. |
| CMMC | SI.L2-3.14.7 | Identify Unauthorized Use | Correspondencia | SI.L2-3.14.7: via 800-171r3 03.14.06 ↔ DE.AE-02, DE.CM-09 → SI-4; 800-171r2 Appendix D → SI-4 |
| 800-53 | AU-6SI-4 | Audit Record Review, Analysis, and Reporting; System Monitoring | Correspondencia | AU-6: via DE.AE-02 SI-4: via DE.AE-02; DE.CM-09 |
| HIPAA | §164.308(a)(1)(ii)(D)§164.308(a)(5)(ii)(C)§164.308(a)(6)§164.308(a)(6)(ii)§164.308(a)(8)§164.312(b) | No asignado a este tema | Estos requisitos solo comparten los resultados de CSF de este tema (DE.AE-02, DE.AE-04, DE.CM-09) mediante crosswalks publicados: conviene revisarlos, pero no es una correspondencia. | |
| GDPR | — | Sin requisito | Sin correspondencia en nuestros datos | Ningún requisito de GDPR está asignado a este tema en nuestros datos. |
| NIS2 | 3.4 | Event assessment and classification | Correspondencia | 3.4: via DE.AE-04 |
| Essential Eight | ISM-1228 | Cyber security events are analysed in a timely manner to identify cyber security incidents | Editorial | ISM-1228: ASD assigns these ISM controls to the Essential Eight; ASD publishes no crosswalk to NIST or ISO, so linking them to topics is ControlMapping editorial. |
| DORA | Art.10(1) | Detection | Editorial | Art.10(1): Promptly detect anomalous activities, including ICT network performance issues. |
| CPS 234 | — | Sin requisito | Sin correspondencia en nuestros datos | Ningún requisito de CPS 234 está asignado a este tema en nuestros datos. |
| Cyber Essentials | — | Sin requisito | Sin correspondencia en nuestros datos | Ningún requisito de Cyber Essentials está asignado a este tema en nuestros datos. |
Definición del tema Resultados de CSF 2.0 que definen este tema · Correspondencia al menos una selección respaldada por una tabla de correspondencias publicada · Editorial Criterio editorial de ControlMapping, con el motivo · no asignado; solo comparte los resultados CSF de este tema · Sin correspondencia en nuestros datos no hay nada asignado en nuestros datos; a menudo es trabajo nuevo, pero revisa las notas de cobertura. Metodología.
Los identificadores y títulos de los requisitos se muestran tal como los publica cada marco, en inglés.
¿Asignación incorrecta o que falta? Notificarlo
Acerca de Detección de anomalías
La detección de anomalías utiliza perfiles de comportamiento de referencia y algoritmos de aprendizaje automático para identificar desviaciones respecto de los patrones normales en la actividad de los usuarios, el tráfico de red y las operaciones de los sistemas que puedan indicar un compromiso o amenazas internas. A diferencia de la detección basada en firmas, la detección de anomalías puede identificar ataques nuevos y exploits de día cero al marcar transferencias de datos inusuales, horarios de inicio de sesión anómalos, patrones de acceso atípicos o ejecuciones de procesos inesperadas. Una implementación eficaz requiere establecer líneas base precisas, ajustar los umbrales de sensibilidad para equilibrar las tasas de detección con el volumen de falsos positivos e integrar los hallazgos en el flujo de trabajo de clasificación de incidentes.