Ylittämällä ylös/alas: On olemassa parempi tapa määritellä “normaali” monimutkaisessa infrastruktuurissa

Olemme edenneet pitkälle ylös/alas-seurannasta. Tehtaalta moderniin yritysinfrastruktuuriin, IT-hallintaa tarvitaan nyt merkittävästi enemmän tietoa kuin yksinkertainen tarkistus voidakseen määritellä, onko verkkosivu tai sovellus käytettävissä käyttäjille. Toki on hyödyllistä nähdä perustein “ylös” tai “alas” -tila, mutta tämä ei kerro koko tarinaa siitä, miten teknologia toimittaa odotettua liiketoimintaa. Lisäksi, kun IT- ja OT-ympäristöt yhdistyvät ja ekosysteemit muuttuvat dynaamisemmiksi ja lyhytaikaisemmiksi, nämä hälytykset eivät tarkalleen määritä tai heijasta perusarvoja.

Ymmärtäminen siitä, mikä on normaalia, oppiminen suorituskykymalleista ja kalliiden katkojen estäminen ovat elintärkeitä toimintoja tänään monimutkaisessa infrastruktuurissa. Tämä on erityisen totta, kun uhka-aktöörit käyttävät yhä monimutkaisempia työkaluja ja moderni, toisiinsa kytketty infrastruktuuri luo uusia haavoittuvuuksia.

Tässä maisemassa AI-vetoinen seuranta muuttaa infrastruktuurin hallintaa tarjoamalla tietoa siitä, mikä on ja mikä ei ole normaalia käyttäytymistä, poistamalla huonot perusarvot ja hälytysväsymyksen. Tutustumme siihen, miten tämä siirtyminen reaktiivisesta sammuttamisesta proaktiiviseen ehkäisyyn merkitsee tarpeellista seurannan evoluutiota.

Löytäminen uusi normaali

Mitä on normaalia? Tämä on kysymys, jonka infrastruktuuritiimit, jotka valvovat palvelimia, verkkolaitteita, sovelluksia ja tietokantoja, ovat kysyneet vuosikymmenien ajan. Miksi? Koska “normaalin” määrittely on monimutkaista ja altis virheille dynaamisissa ja yhä enenevissä määrin jakautuneissa ympäristöissä, joissa on monia järjestelmiä seurattavaksi. Vastaus riippuu liiketoimintamalleistasi ja teknologioistasi. Lisäksi se riippuu seurantatekniikastasi ja konfiguraatiostasi, koska staattisten kynnysten asettaminen ei havaitse monia ongelmia. Sen sijaan se antaa hyvän käsityksen siitä, kun tapahtuu jotain, mitä odotat, mutta ei auta havaitsemaan ongelmia, joita et odota, johtaa väärään positiivisuuteen, hälytysväsymykseen ja näkyvyyden aukkoihin.

Otetaan esimerkiksi valmistuslaitos, jossa liikenne äkkiä kasvaa kello 14 tiistaina. Perinteinen seuranta voi laukaista hälytyksen, koska se ylittää ennalta määrätyn kynnyksen, mutta onko tämä todella ongelma? Tätä ei voi tietää ilman syvempää dataa ja diagnostiikkaa. Kasvu voi olla legitiimi liiketoimintatoiminta, kuten uusi työvuorotaulu tai lisääntynyt tuotanto tavoitteiden saavuttamiseksi. Vaihtoehtoisesti se voi olla vakava turvallisuusuhka, kuten tietojen vuotaminen tai vaarantunut järjestelmä, joka lähettää signaaleja komentosolmujärjestelmille.

Tässä poikkeamisen havaitseminen parantaa infrastruktuurin seurannan älykkyyttä. Tämä uusi menetelmä analysoi jatkuvasti historiallista dataa luodakseen älykkäitä perusarvoja, jotka sopeutuvat automaattisesti muuttuviin olosuhteisiin. Tämä lähestymistapa mahdollistaa proaktiivisemman hälyttämisen, joka antaa IT-hallinnolle ja DevOps-tiimille enemmän aikaa puuttua ongelmaan ennen suuria vaikutuksia.

Verkkoliikenteen seuranta on hyvä esimerkki tästä toiminnasta. Infrastruktuurin seurantajärjestelmät keräävät erilaisia signaaleja, kuten lokit ja mittaukset. Lokit ovat tapahtumia, jotka järjestelmä luo, kun taas mittaukset ovat mitattuja arvoja. Ajan myötä nämä arvot kerätään ja esitetään aikasarjana, samoin kuin lämpötilan mittaus päivän aikana. Kerätty data verkkoliikenteen seurantaan sisältää mittauksia, kuten saapuvien ja lähtevien lähetyssignaaleiden määrää, hylkäysten ja virheiden määrää sekä kokonaista liikenteen määrää. Jos jokin poikkeaa normaalista suorituskyvystä, älykäs seuranta voi varmistaa, että oikeat hälytykset laukaistaan ja vältetään väärät positiiviset tulokset.

Tämän seurauksena infrastruktuuritiimit voivat keskittyä liiketoiminnan arvon toimittamiseen sen sijaan, että jatkuvasti säätävät hälytysasetuksia ja sammuttavat ongelmia, jotka saattavat olla olemassa.

Välttäminen hälytyskakofoniaa

Moninkertaistaminen seurannassa voi aiheuttaa lisää haasteita luomalla enemmän hälytyksiä. Seuranta voi tulla sekavaksi ajan myötä, kun tiimit lisäävät seurantaa uusille projekteille tai luovat lisää seurantaa vianmäärityksen tai testaamisen aikana. Pian siisti ja yksinkertainen seurantajärjestelmä voi muuttua ylirasittuneeksi hälytys- ja turhien hälytysten labyrintiksi, joka peittää ongelmia sen sijaan, että valaisee niitä.

Esimerkiksi IT-tiimit saattavat saada hälytyksiä korkeasta CPU-käytöstä, hitaasta sovellusvastauksesta ja verkkokohinasta yhdestä ylikuormitetusta palvelimesta. Ilman ymmärrystä korrelaatiosta tiimit voivat tutkia kolmea erillistä ongelmaa yhden alkuperäisen syyn sijaan.

Modernit AI-teknologiat, kun ne yhdistetään seurantaan, muuttavat tämän ongelman jälleen automaattisen kaltaisten seurantakonfiguraatioiden havaitsemisen kautta. Käyttämällä tekniikoita, kuten fuzzy-matemaattista ja heuristiikkaa, tämä lähestymistapa analysoi käyttäytymismalleja ja paljastaa korrelaatioita samankaltaisen seurannan välillä, paljastaen piileviä yhteyksiä.

Tämä on tärkeää kahdesta syystä. Ensinnäkin se vähentää hälytysmelua. Sen sijaan, että tiimit saavat kolme erillistä hälytystä yhdestä ongelmasta, he saavat yhden hälytyksen, jossa on selkeä ymmärrys siitä, mitä on huomioitava ja miksi. Toiseksi se poistaa turhan seurannan. Tämä auttaa luomaan hallitumpi asetelma, joka sujuvoittaa kojut ja vähentää kognitiivista kuormitusta.

Älykkään seurannan tulevaisuus

Muita verkkoturva- ja tietoturvakehitystä tukee myös tapausta lisätä seurantaa, kun monimutkaisuus jatkuu eksponentiaalisesti kasvamista. Mitä aiemmin olivat erilliset, ilmatiivisesti eristetyt teollisuusverkkot, ovat nyt yhdistyneet yritysjärjestelmiin, luoden hybridiympäristöjä, joissa yksi verkkoongelma voi vaikuttaa sekä tuotantolinjoille että liiketoimintasovelluksiin. Ja me näemme tämän yhdistymisen modernin pinon ylitse.

Teollisuuden IoT-sensorit, reunaesikasvot ja OT-laitteet kommunikoivat nyt rinnakkain standardien IT-protokollien kanssa. Kun nämä monimuotoiset järjestelmät kokevat ongelmia, hallinnon tarvitsee seurantaa, joka ymmärtää suhteita ekosysteemin ylitse sen sijaan, että kohdeltaa jokaista erillisenä silona. Valppaus on ehdoton, koska onnistunut hyökkäys voi pysäyttää tuotantolinjat, vahingoittaa kallista laitteistoa ja aiheuttaa turvallisuusriskejä. Itse asiassa suunnittelematon keskeytys maksaa nyt Fortune Global 500 -yrityksille 11 % vuosittaisesta liikevaihdostaan, korostaen, että älykkään seurannan kustannukset ovat merkittävästi vähäisemmät kuin manuaalisen vianmäärityksen ja tuottavuuden menetyksen kustannukset.

Sillä välin on selvää, että toisella puolella tietoturvalaskelmia käytetään tätä teknologiaa hyökkäysten tuottavuuden läpimurroksi. Ilmaiset tai edulliset generatiiviset AI-kielimallit (LLM) mahdollistavat hyökkääjille hyökkäysten luomisen ja muokkaamisen vähäisillä kustannuksilla. Ja ajan myötä on selvää, että pahantahtoiset toimijat näkevät yhä enenevissä määrin AI:n pelinmuuttajana. Tänään 7 kymmenestä uskoo, että teknologia ja sen työkalut parantavat hakkerointia, kun taas vuonna 2023 vain kaksi kymmenestä uskoi.

Nykyiset poikkeamisen havaitsemisen algoritmit perustuvat matematiikkaan ja tilastoihin, jotka on vakiinnutettu vuosikymmenien ajan. Tämä teknologia toimii, mutta AI:n ja LLM:ien soveltaminen mittausseurantaan on pelinmuuttaja. Näemme joitakin ensimmäisiä aikasarjapohjaisia LLM:itä markkinoille ja voimme odottaa, että se muuttaa poikkeamisen havaitsemisen seuraavien kahden vuoden aikana. Useat näistä uusista malleista osoittavat erinomaisen tarkin ja edistyksellisen kehityksen.

Valinta on nyt IT- ja operaatiotiimien, miten he parhaiten valvovat ekosysteemejään ja torjuvat uhkia. Hyvä uutinen on, että automaattinen poikkeamisen havaitseminen ja perusarvon seuranta voi auttaa paremmin suojelemaan varoja samalla, kun se oppii, sopeutuu ja optimoi, mikä puolestaan mahdollistaa tehokkaamman kapasiteetin suunnittelun ja resurssien optimoinnin. Perus ylös/alas-tarkistukset ovat edelleen arvokkaita, mutta – kun yksittäinen ongelma voi vaikuttaa IT-, OT- ja IoT-järjestelmiin – tarvitsemme älykkään kontekstin perustana. Infrastruktuurin puolustajat voivat kohtaamalla haasteen kasvattamalla näkyvyyttään vastaavasti.