Deteksi Anomali
Mengidentifikasi aktivitas anomali yang dapat mengindikasikan suatu peristiwa keamanan.
Deteksi Anomali didefinisikan oleh hasil-hasil 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). Crosswalk Dipetakan melalui crosswalk yang dipublikasikan dalam ISO 27001, CIS v8.1, CMMC, 800-53 dan NIS2. Editorial Dipetakan secara editorial dalam SOC 2, PCI DSS, Essential Eight dan DORA. Hanya terkait secara longgar dalam HIPAA. Tidak ada pemetaan dalam data kami Tidak ada pemetaan dalam data kami untuk GDPR, CPS 234 dan Cyber Essentials.
| Kerangka kerja | Persyaratan | Judul | Tautan | Sumber / alasan |
|---|---|---|---|---|
| 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 | Definisi topik | DE.AE-02 DE.AE-04 DE.CM-09 |
| ISO 27001 | A.8.16 | Monitoring activities | Crosswalk | A.8.16: via DE.CM-09; NIST 800-53 map: SI-4 |
| CIS v8.1 | CIS 8.11 | Conduct Audit Log Reviews | Crosswalk | 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 | Crosswalk | 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 | Crosswalk | 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) | Tidak dipetakan ke topik ini | Persyaratan ini hanya berbagi hasil CSF topik ini (DE.AE-02, DE.AE-04, DE.CM-09) melalui crosswalk yang diterbitkan: layak diperiksa, bukan pemetaan. | |
| GDPR | — | Tidak ada persyaratan | Tidak ada pemetaan dalam data kami | Tidak ada persyaratan GDPR yang dipetakan ke topik ini dalam data kami. |
| NIS2 | 3.4 | Event assessment and classification | Crosswalk | 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 | — | Tidak ada persyaratan | Tidak ada pemetaan dalam data kami | Tidak ada persyaratan CPS 234 yang dipetakan ke topik ini dalam data kami. |
| Cyber Essentials | — | Tidak ada persyaratan | Tidak ada pemetaan dalam data kami | Tidak ada persyaratan Cyber Essentials yang dipetakan ke topik ini dalam data kami. |
Definisi topik Hasil CSF 2.0 yang mendefinisikan topik ini · Crosswalk setidaknya satu pilihan didukung crosswalk yang dipublikasikan · Editorial Penilaian ControlMapping, beserta alasannya · belum dipetakan, hanya berbagi hasil CSF untuk topik ini · Tidak ada pemetaan dalam data kami belum ada yang dipetakan dalam data kami; sering kali pekerjaan baru, tetapi periksa catatan cakupannya. Metodologi.
ID dan judul persyaratan ditampilkan sebagaimana diterbitkan masing-masing framework, dalam bahasa Inggris.
Pemetaan salah atau belum ada? Laporkan
Tentang Deteksi Anomali
Deteksi anomali menggunakan profil perilaku dasar (baseline) dan algoritme pembelajaran mesin untuk mengidentifikasi penyimpangan dari pola normal pada aktivitas pengguna, lalu lintas jaringan, dan operasi sistem yang dapat mengindikasikan kompromi atau ancaman dari orang dalam. Berbeda dengan deteksi berbasis tanda tangan (signature), deteksi anomali dapat mengidentifikasi serangan baru dan eksploitasi zero-day dengan menandai transfer data yang tidak biasa, waktu login yang tidak wajar, pola akses yang tidak lazim, atau eksekusi proses yang tidak diharapkan. Implementasi yang efektif memerlukan penetapan baseline yang akurat, penyesuaian ambang batas sensitivitas untuk menyeimbangkan tingkat deteksi dengan jumlah false positive, serta integrasi temuan ke dalam alur kerja triase insiden.