2020年后,网络安全将发生四大变化

来源 :计算机世界 | 被引量 : 0次 | 上传用户:loveme2001
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  随着2019年的结束,许多像我一样的安全分析师倾向于汇编出一份行业预测清单。不过,目前我的工作是汇总出一份综合清单,我相信我们会看到企业安全技术正在发生前所未有的变化。这些变化已经悄然发生,但是它们将在2020年及以后变得更加明显。
  发生了什么?
  网络安全已成为关键业务,其属于一个动态的且可大规模扩展的高度专业化学科,但是我们仍然在使用一些传统工具和手动流程,同时还面临着人手不足的问题。这显然是不合逻辑的。
  在接下来的几年中,这些传统策略将会变得过时。大型企业将会转而依靠基于以下内容的网络安全技术基础架构:
  1.紧密耦合的网络安全技术平台。首席信息安全官将放弃他们以往偏爱的传统安全工具,转而使用具有五个紧密耦合组件的网络安全平台:端点/云工作负载安全性、网络安全性、文件引爆沙盒、威胁情报以及将所有功能整合在一起的高级分析。尽管有可能会出现将各种不同的工具整合在一起的标准,但许多大型企业还是会为整个企业选择单一的供应商平台。紧密集成、供应商合作伙伴关系和简化操作所带来的整体优势将远远超过单个工具所具有的优势。
  2.可分布式操作的基于云的中央管理。随着不同的安全“服务”在基于云的管理层面上融合在一起,网络安全技术平台的概念也将会大大扩展。弹性云网关的概念就是这一新兴技术趋势中的一个例子。管理层面将监督配置管理、策略管理、监视等活动。实际的安全控制将分布在本地、网络边缘和公有云中,并且能够针对单个应用程序、服务器、用户等自定义精细的策略实施规则。在这种情况下,安全技术的“大脑”将转移到云端,而基于硬件和软件的实际安全控制将转变为高性能的安全交换机。

  3.大规模的SOAPA引擎。安全信息和事件管理(SIEM)和其他的安全分析工具也将成为大规模可扩展的安全操作和分析平台体系结构(SOAPA)的一部分。除了架构之外,我们还将看到安全运营中心(SOC)的范围和用途呈指数级变化。机器数据的收集和处理将呈爆炸式增长。威胁和漏洞数据的关联性会得到改善,这使得我们可以根据漏洞和弱点更加容易地做出安全决策。风险管理数据也将变得更加具有可见性和可访问性,并最终将业务和网络风险联系在一起。当然,机器学习算法将显著改进并串联在一起,以形成相互补充的嵌套算法,从而提高准确性。最后,SOC工具将开始受益于对可视化分析的多年研究。用户界面可针对不同的技能以及使用的VR设备、大型等离子屏幕和各种移动设备进行定制。
  4.自动化和服务将融入产品中。大多数典型的日常安全操作中的繁琐工作将会实现自动化,从而使安全团队能够腾出时间来保护业务资产/流程,并专注于高优先级事件。其中,策略自动化的实现将基于用户、位置、网络流量或资产的业务价值。尽管用户和设备需要通过强大的多因素身份验证才能获得访问权限,但是系统仍然会建议和/或强制执行最低权限/零信任关系,以减少攻击面。尽管企业可以从网络安全人员那里获得一些关于最佳实践的建议,但是高度智能化的“助手应用程序”仍将会得到广泛应用。
  未来的架构并不是一个秘密。我一直跟踪它们的发展,将它们作为SOAPA的一个演进,不过我的同事Dave Gruber则将其称为XDR。虽然在开发和零件方面略有差异,但是它们整体上是相同的。美国国防部/美国國土安全部和约翰霍普金斯大学的集成式自适应网络防御(IACD)也提出了类似的愿景。
  这些发展不会一蹴而就。大型网络安全厂商,例如Check Point、思科、火眼、Forcepoint、Fortinet、IBM、迈克菲、微软、Palo Alto Networks、Rapid7、赛门铁克和趋势科技等公司将具有明显的优势。到2022年,其中一家或几家将淘汰其他公司,并成为身价50亿美元的网络安全供应商。像亚马逊和谷歌这样的云计算供应商可能仍会遥遥领先,只有很少一部分有远见的小型公司,例如CrowdStrike、Cybereason、Zscaler等公司可能会发展壮大起来。
  在这种情况下,网络安全技术将成为重中之重。初创企业可能只有一个有限的窗口期来证明自己的价值,与行业巨头合作,然后要么被收购要么破产。
  这些变化需要一段时间才能融合在一起,但是未来技术和市场变化的速度将比过去快得多。与此同时,新型威胁、大规模数据泄露和关键基础设施中断都将会刺激首席信息安全官打破思维禁锢,加快向大型架构的过渡速度。变革即将到来,它们将比大多数人想象的更快且更猛烈。明年以及接下来的十年应该非常有趣。
  本文作者Jon Oltsik为企业战略集团(ESG)的高级首席分析师,同时也是该集团网络安全服务的创始人。
  原文网址
  https://www.csoonline.com/article/3447181/4-big-changes-coming-to-cybersecurity-in-2020-and-beyond.html
其他文献
工信部近日发文称,将推动工业数据全面采集,加快工业设备互联互通,推动工业数据开放共享,助力中小企业数字化升级。   中小企业数字化升级对经济社会转型意义重大,推动中小企业的数字化升级,关键则在于数据的互联互通。工信部提出,引导工业设备企业开放数据接口,实现数据全面采集。同时持续推进工业互联网建设,推动工业数据高质量汇聚,统筹建设国家工业大数据平台,研制产业链图谱和供应链地图,服务制造业高质量发展
AWS、谷歌云平台和微软Azure这三大公有云都开始提供边缘计算功能,这可能让人感到惊讶,因为“边缘计算”一词意味着微型数据中心,通常连接到物联网设备,并部署在企业网络的边缘而不是部署在云端。  而且三大云巨头只对边缘计算诸如位置、网络和基础架构之类的关键属性拥有部分控制权。它们能真正提供边缘计算功能吗?  答案是肯定的,不过公有云提供商正通过战略合作伙伴关系开发其边缘计算服务,存在一些早期阶段的
计算、存储、网络传输,信息技术的“三驾马车”。  “随着各种应用的发展,今后可能数据中心真的没有主次的分别了。”思科大中华区资深副总裁、产品事业部总经理魏松斌说。  据市场预测,到2022年,3/4的数据将在边缘被处理,只有1/4的数据到中心、到云里去处理,这个新的趋势就是数据的边缘化。  魏松斌说数据中心将没有主次之分,其实是指,无论传统意义上的数据中心还是边缘,有数据在被处理的地方就等同于一个
新兴的网络技术非常重要,至少在它们将要颠覆基本的日常网络服务和活动之前是这样。现在是考虑如何将SDN、SD-WAN、基于意图的网络(IBN)和网络功能虚拟化(NFV)等创新技术顺利部署到位的时候了。  网络性能软件提供商LiveAction的联合创始人兼首席技术官John Smith称:“部署这些新兴技术通常会导致网络出现一些中断。避免这种情况的最好方法是使用经过验证的技术而非全新技术。你自己也从
日前,国务院印发《新时期促进集成电路产业和软件产业高质量发展的若干政策》(以下简称《若干政策》)。  《若干政策》提出,为进一步优化集成电路产业和软件产业发展环境,深化产业国际合作,提升产业创新能力和发展质量,制定出台财税、投融资、研究开发、进出口、人才、知识产权、市场应用、国际合作等八个方面政策措施。  其中,财税政策以集成电路线宽和经营期为标准,做“阶梯型”企业所得税减免,最高一档为“国家鼓励
每一个客户的旅程都是独特的,每一个客户的接触點都很重要。  如今,任何一家公司都不只是单单卖产品的公司,如何通过客户体验去卖服务,成为广大公司的转型之路。低频消费的售卖席梦思床垫的公司,向买家提供可以监测睡眠质量的App与客户保持长期交互,并且向他们提供改善睡眠质量的解决方案;巴士汽车的生产公司,通过收集巴士公司的消费者运营数据来改良巴士车的设计。  目前,中国网民人数已达7.31 亿,其中一半以
Stack Overflow报告指出,Angular和JavaScript是这一年的主流技术  无论您是IT老专家还是有抱负的新人,都面对要跟上新兴科技以及迫切需要某些技术的巨大压力。  去年,DevOps技术和开源框架在技术排名表中有所上升,而几项需求最大而且增长最快的技术今年排名基本保持不变,排名表中排名靠后的某些技术出现了令人非常激动的变化。  在本文中,参考Stack Overflow的《
我在微软最先看到了前两代应用程序模型的转变。早期的大型机和微型计算机系统是一体式的,数据存储、应用程序代码和终端服务都在一个机箱里。20世纪80年代出现了微处理器和以太网,使得成本较低的计算机能够在局域网上协同工作和通信。PC和Unix工作站开始连接到服务器,在业务应用程序上采用了一种新的多机器、客户端-服务器编程模型。客户端-服务器应用程序出现时,图形用户界面与后端SQL数据库(通常是Oracl
尽管丹麦乃至整个欧洲,以及亚马逊都对一些事情保持着沉默,但是似乎有迹象显示他们遇到了一次黑客攻击或是一次成功的拒绝服务攻击。我是在2019年10月知道的,Google自动完成功能也会提示“AWS DDoS攻擊”。这些事情实际上会经常发生。  拒绝服务攻击的历史是否与互联网的历史一样悠久我们不得而知,因为数据中心运营商或托管服务提供商缺乏坦率的态度。过去,我们是通过防止整个网络被瘫痪来保护我们自己,
预测性分析是一款功能强大的工具,但有一件事情它无法预测,那就是用户在部署和使用该技术时遇到的问题。本文提供了一些帮助。  W. Edwards Deming是最早将统计技术和预测性分析应用于业务流程的先驱人物,他很好地诠释了这一点。他曾说过:“最大的问题就是人们一开始没有意识到自己有问题。”  当涉及到预测性分析时,“最大的问题”在规划和早期部署阶段往往并不明显,只有当随着时间的推移,技术未能達到