인간에서 하이브리드까지: Exabeam의 2025년 AI 연료 내부 위험 보고서 내부

위험은 내부로 전환되었고, 이는 아키텍처를 변경합니다

주된 위협이 내부라면, “더 많은 방화벽”은 답이 아닙니다. 그것은 身分, 접근, 행동입니다. 계속해서誰가 무엇을 하는지, 어떤 데이터를 사용하는지, 그리고 그 패턴이 정상인지 확인하는 것입니다. 지역적으로, 대부분의 시장은 이미 내부자를 주요 우려 사항으로 간주합니다. 주요 예외는 APJ(아시아-태평양 및 일본)입니다. 여기서 많은 사람들이 여전히 외부 공격자들을 더 두려워합니다. 리더들에게 실질적인 번역은 다음과 같은 방향으로 지출을 전환하는 것입니다.

• 강력한 身分 제어(지속적인 인증, 위험 기반 접근, 최소 특권)를 구현합니다.
• SaaS, 엔드포인트, 저장소, 이메일에서 비정상적인 데이터 이동을 감지할 수 있는 데이터 인식 모니터링을 구현합니다.
• 개인, 팀, 시스템의 정상적인 행동 패턴을 학습하여 의미 있는 편차를 경고하는 행동 분석을 구현합니다.

조직적인 의미는 보안과 데이터 소유자가 함께 일해야 한다는 것입니다. 만약 “누가 이 주에 어떤 민감한 데이터를 접촉했는지”라는 질문에 답할 수 없다면, 현대의 침해 경로(탈취된 계정 → 조용한 데이터 준비 → 빠른 데이터 유출)에 대한 블라인드 상태입니다.

AI는 “내부자”의 정의를 재정의했습니다

그림자 AI는 새로운 그림자 IT입니다. 직원들은 코드, 계약, 고객 목록, 또는 민감한 컨텍스트가 포함된 프롬프트를 승인되지 않은 모델에 붙여넣습니다. đó가 76%라는 숫자가 중요한 이유입니다. 그것은 이 문제가 니치 문제가 아니라는 것을 의미합니다. 제네럴 AI를 특권 접근과 같은 것으로 취급하십시오. 승인된 도구를 승인하고, 합법적인 경우 사용을 로깅하고, 보호된 데이터 클래스(규제된 개인정보, 영업비밀)를 제3자 모델에 들어가지 않도록 방지하십시오. 정책을 활성화와 함께 제공하십시오. 사람들에게 승인된 AI 옵션을 제공하여 사람들이 불법적으로 가지 않도록 하십시오.

또한 내부에 새로운 배우가 있습니다. AI 에이전트. 팀은 실제 자격증명과 API 키를 사용하여 워크플로에 에이전트를 연결합니다. 이것들은 “비인간 내부자”입니다. 그들은疲れ하지 않으며, 거의 불평하지 않습니다. 그러나 그들은漂移할 수 있습니다. 그것은 두 가지 제어가 필요합니다.

• 범위: 각 에이전트는 소유자, 명확한 작업, 최소한의 권한이 필요합니다.
• 관찰 가능성: 각 에이전트는 인간과 동일한 감사 추적과 이상 감지를 받습니다.

UEBA (사용자 및 엔티티 행동 분석)는 서명이 아닌 행동에 초점을 맞춘 감지입니다. 그것은 사용자 또는 엔티티(봇, 서비스 계정, 에이전트 포함)에 대한 기준선을 구축하여 다음을 학습합니다.

• 시간 시리즈 규범: 일반적인 로그인 시간, 데이터 볼륨 또는 목적지.
• 피어 그룹 컨텍스트: 재무 분석가가 다른 재무 분석가와 어떻게 행동하는지.
• 시퀀스 패턴: 비정상적인 순서(예: 첫 번째 VPN 로그인 → 즉시 권한 변경 → 대량 다운로드).

분석 격차와 문화 격차를 닫습니다

실제 노출은 다음과 같습니다. 내부 위험이 지금 가장 큰 문제임에도 불구하고, 44%의 조직만이 UEBA를 사용합니다.同時에, 74%의 실무자는 최고 경영진이 내부 위협을 과소평가한다고 말합니다. 이러한 문화 격차는 채용, 도구, 정책을 늦추게 합니다. 두 격차를 닫는 것은 다음과 같습니다.

행동을 1등급 신호로 만듭니다. 身分, 엔드포인트, SaaS 관리자, 이메일, 데이터 이동 로그를 통합하여 한 사람(또는 에이전트)이 시스템 전반에 걸쳐 하나의 이야기를 가지도록 합니다. 대시보드 이전에 상관관계에 투자합니다. SOC가 도구 간 身分을 연결할 수 없으면, 조용한 남용과 느린 속도의 데이터 유출을 놓칠 것입니다.

검출과 함께 개인 정보를 균형합니다. 내부 프로그램에 대한 가장 일반적인 장애물은 개인 정보 저항입니다. 이를 목적 제한 분석, 역할 기반의 텔레메트리 접근, 명확한 보존 기간, 분석하는 내용과 이유에 대한 투명한 문서화로 해결합니다. 올바르게 수행되면, 개인 정보 가드레일은 더 강력한 감지를 가능하게 합니다. 왜냐하면 필요한 데이터 흐름을 팀에게 제공하기 때문입니다.

결과를 측정하십시오, 도구 수를 측정하지 마십시오. 최고 경영진은 매월 세 가지 숫자를 물어보아야 합니다.

1. 비정상적인 행동을 감지하는 시간
2. 내부 사고를 포함하는 시간
3. 행동 분석에 의해 감지된 사고의 百分比

예산을 이러한 지표의 개선을 위해 할당하십시오. 도구의 수는 아니라, 이러한 지표의 개선입니다.

제네럴 AI를 생산 시스템으로 취급하십시오. 승인 목록, 데이터 범주, 합법적인 경우 프롬프트와 출력에 대한 로깅을 설정합니다. 제품과 법률 담당자를 테이블에 앉혀서 “빠르게 이동”이란 데이터를 블랙 박스에 뿌리지는 않도록 합니다.

모두를 기준으로 합니다. 사람, 서비스 계정, RPA 스크립트, AI 에이전트 각각이 자신의 기준선을 갖습니다. 새로운 데이터를 접촉하거나, 비정상적인 시간, 이상한 목적지 또는 작업과 일치하지 않는 순서를 찾고 있습니다.

요약

Exabeam의 인간에서 하이브리드까지: AI와 분석 격차가 내부 위험을 가중시키는 방법은 오늘날의 위험을 단순히 촬영한 것이 아니라, 보안이 어디로 가야 하는지에 대한 미리 보기입니다. AI가 증폭된 내부 위협은 더 이상 예외가 아니라 기준입니다. CISO와 최고 경영진을 위한 앞으로의 길은 周辺 방어에서 身分 중심 전략으로 전환하는 것입니다. 제네럴 AI를 특권 접근과 같은 것으로 취급하고, 인간과 AI 에이전트 모두에게 행동 기준선을 제공하는 것입니다. 성공하는 조직은 텔레메트리를 통일하고, 결과 중심 지표를 채택하며, 최고 경영진과 운영을 일치시킵니다. 이러한 의미에서 Exabeam의 보고서는 경고가 아니라 AI 정의된 미래에서 회복력을 구축하기 위한 플레이북입니다.