6 comportements liés aux menaces internes que votre solution doit détecter

De nos jours, les menaces internes ne se limitent pas à des actes malveillants dont l'intention est manifeste. Même des collaborateurs et des partenaires bien intentionnés peuvent exposer des données sensibles en divulguant trop d'informations, en utilisant à mauvais escient des outils d'IA générative, ainsi qu'en recourant à des applications non approuvées et à des pratiques de sécurité insuffisantes. Le vol intentionnel reste un phénomène à surveiller de près, mais ce n'est pas le seul.

Les abus liés à l'accès et aux transferts de données constituent les principales sources de risque pour votre entreprise. Les données montrent que les menaces internes sont plus difficiles à détecter que les attaques externes, mais seules 23% des entreprises ont pleinement confiance en leur capacité à identifier ces menaces avant qu'elles ne causent des dommages importants. 

De la prolifération des solutions SaaS (Software-as-a-Service) et de la collaboration dans le cloud à l'accélération du roulement du personnel et des changements de poste, les menaces internes peuvent se présenter sous une forme totalement différente de celles auxquelles vous avez été confrontés jusqu'à présent. Sans compter que les outils de productivité basés sur l'IA continuent de brouiller les frontières entre ce qui relève du travail normal et ce qui relève d'un comportement à risque. 

Vous ne pouvez pas vous contenter de règles statiques ou de défenses périmétriques. C'est la capacité à identifier les principaux signaux comportementaux indiquant un risque potentiel avant que des données ne soient extraites ou perdues qui est à l'origine des stratégies de protection. 

Poursuivez votre lecture pour découvrir le rôle que joue l'intelligence artificielle (IA) dans l'augmentation du risque lié aux menaces internes, ainsi que six comportements à surveiller en matière de données et les mesures à prendre pour y remédier. 

Télécharger : 6 comportements inhabituels des données qui indiquent une menace interne 

Comment l'IA redéfinit les menaces internes

Les outils d'IA générative facilitent le vol de données à grande échelle par des personnes internes. Voici comment procéder :

• Amélioration de la productivité : l'IAest capable de passer rapidement au crible d'énormes quantités d'informations afin d'identifier celles qui présentent le plus d'intérêt, et de fournir ainsi des rapports, des synthèses et des résumés aux utilisateurs.
• Transformation rapide : les fichierspeuvent être modifiés ou dissimulés pour échapper à la détection, et les données générées par les outils d'IA générative peuvent ne pas être identifiées par les outils DLP traditionnels.
• Des obstacles réduits : ce qui nécessitait autrefois une expertise technique ne demande désormais qu'un effort minime, et les utilisateurs ont le choix parmi des centaines d'outils d'IA.

L'IA a réduit les obstacles à la commission d'actes malveillants par des initiés en accélérant chaque étape du processus de vol de données.

Au-delà du vol délibéré, l'IA accroît également le risque de divulgation accidentelle de données. Les employés peuvent importer des informations sensibles dans des outils d'IA sans comprendre les politiques de conservation des données ni les droits de propriété. L'utilisation de l'IA « au noir », c'est-à-dire lorsque le personnel utilise des comptes personnels ou des outils non autorisés qui ne sont pas prévus dans les politiques d'utilisation acceptable, aggrave ce risque.

Les systèmes traditionnels de prévention des pertes de données (DLP) ne parviennent plus à suivre le rythme. Elles sont réactives et axées sur les incidents, et peinent à gérer le volume, la rapidité et le contexte des menaces actuelles. Pour anticiper les risques liés aux initiés, vous avez besoin d'une solution qui analyse les schémas de comportement et les intentions, et pas seulement les violations des règles.

6 comportements inhabituels liés aux données à surveiller

Ce sont les êtres humains qui sont à l'origine de la plupart des risques organisationnels, et une minorité d'entre eux a un impact démesuré. En moyenne, seulement 8% des employés sont à l'origine de 80% des incidents, ce qui signifie qu'une single menace interne peut causer des dommages considérables.

La bonne nouvelle, c'est que la technologie peut vous aider à identifier les comportements à risque avant qu'ils ne débouchent sur des violations de sécurité. Les six comportements suivants ne constituent pas une preuve irréfutable de l'existence de menaces internes, mais ils constituent des signes avant-coureurs qu'il convient de surveiller.

À lire également : Mimecast Incydr : 5 témoignages de clients ayant obtenu un retour sur investissement avéré en moins de 6 mois

1. Les « sosies » du cloud : l'angle mort insoupçonné 

Si les employés transfèrent des fichiers vers un espace de stockage cloud personnel qui ressemble à s'y méprendre à des outils approuvés, les transferts de données à risque risquent fort de passer inaperçus. Ce qui peut sembler être une collaboration courante pourrait en réalité correspondre à une fuite de données sensibles hors de votre organisation. L'IA accélère considérablement la vitesse à laquelle les fichiers peuvent être regroupés, synthétisés et mis en ligne, ce qui rend pratiquement impossible pour les systèmes de surveillance traditionnels de suivre le rythme. 

Pour anticiper ce risque, vous devez savoir où les données sont transmises et ce qu'elles contiennent. Les solutions DLP basées sur le comportement et la détection des anomalies dans le cloud peuvent vous aider à identifier les destinations inhabituelles, ce qui vous permet d'empêcher toute perte de données avant qu'elle ne se produise. 

2. Les pics d'activité avant le départ : un signal d'alerte en matière de vol de données 

Lorsqu'un salarié s'apprête à quitter l'entreprise, son activité en matière de données connaît souvent un pic. Les utilisateurs qui quittent l'entreprise conserveront un accès légitime aux systèmes de l'entreprise ; par conséquent, tout comportement s'écartant de cette règle et contournant les contrôles traditionnels doit être considéré comme un signal d'alerte. 

Pour réduire les risques, établissez un lien entre les comportements des utilisateurs et les événements liés au cycle de vie, tels que les préavis de démission. Les outils de gestion des risques internes et l'analyse comportementale permettent de détecter les mouvements de données anormaux et de mettre en place des contrôles préventifs pour les données destinées à des sources non fiables, ce qui vous permet de protéger vos données en temps réel. 

3. Fichiers déguisés : lorsque les extensions ne correspondent pas au contenu

Les extensions de fichiers qui ne correspondent pas au contenu réel indiquent souvent une tentative de dissimulation d'informations sensibles. Il s'agit d'une tactique couramment utilisée pour contourner les contrôles de sécurité ou faire transiter des données par des canaux autorisés sans être détecté. L'IA facilite cette tâche en convertissant et en masquant rapidement les fichiers, ce qui accroît le risque d'utilisation abusive.

Mettez en place des mesures de sécurité permettant de contrôler à la fois les étiquettes des fichiers, leur contenu et les modifications qui y sont apportées. Les solutions avancées de sécurité des données permettent de détecter ces anomalies et de signaler toute activité suspecte avant que les données ne soient exposées.

4. Modèles d'action : l'augmentation progressive du risque lié aux initiés

Les menaces internes ne se manifestent pas toutes par une seule et même single action. Le risque se manifeste souvent à travers une série d'étapes en apparence normales, telles que l'accès à des fichiers, le chiffrement des données, puis leur partage avec des tiers. Prise isolément, chaque action semble inoffensive. Mais pris dans leur ensemble, ils révèlent une tendance suspecte.

Les flux de travail pilotés par l'IA accélèrent ces comportements en plusieurs étapes, ce qui les rend plus difficiles à détecter. Vous avez besoin d'une vue d'ensemble couvrant toutes les périodes et tous les outils pour faire le lien entre les différents éléments. L'analyse comportementale et les moteurs de corrélation basés sur l'IA permettent d'identifier ces schémas, d'examiner les détails au niveau des fichiers et de vous aider à intervenir avant que les données ne vous échappent.

5. Risques liés au télétravail : téléchargements sur des appareils non gérés

Dans les environnements de travail à distance et hybrides, les collaborateurs accèdent souvent aux données à partir d'appareils personnels ou non gérés. Cela crée des angles morts lorsque des informations sensibles quittent les systèmes gérés. Les outils d'IA fonctionnant en local (ou même les extensions de navigateur dédiées à l'IA) peuvent analyser et réutiliser ces données à votre insu.

Surveillez les activités de téléchargement inhabituelles et identifiez le contexte de l'appareil. Les solutions DLP tenant compte des terminaux et les contrôles de l'état des appareils permettent de concilier flexibilité et sécurité, tout en protégeant les données à mesure que les environnements de travail continuent d'évoluer.

6. Partage excessif des autorisations : des portes grandes ouvertes sur des données sensibles 

Modifier les droits d'accès d'un fichier pour que « tout le monde puisse le modifier » est un moyen rapide de partager l'accès, mais ce n'est pas une solution sécurisée. Le risque d'exposer des données sensibles à des publics non visés est élevé, et dès que l'accès est ouvert, les outils d'IA et les extensions peuvent rapidement détecter et extraire ce contenu.

Luttez contre le partage excessif grâce à une visibilité en temps réel sur les modifications des autorisations et les accès partagés. Surveillez les mises à jour d'autorisations présentant un risque, en particulier pour les données de grande valeur, et, si nécessaire, mettez en place des mesures de blocage préventives pour protéger les atouts les plus précieux de votre organisation. Des connecteurs cloud dédiés aux principaux outils de partage en ligne offrent une visibilité approfondie sur l'activité liée aux fichiers dans le cloud, ainsi que des contrôles relatifs au partage des données.

À lire également : Les 4 profils de risques humains qui compromettent votre cybersécurité

Restez proactif grâce à une protection basée sur l'IA

Vous ne pouvez pas empêcher toutes les actions à risque, mais vous pouvez détecter les menaces plus tôt, mener vos enquêtes de manière plus efficace et réagir plus rapidement. Une protection basée sur l'IA et s'appuyant sur les données permet de réduire les faux positifs et d'améliorer la hiérarchisation des priorités, renforçant ainsi la résilience de votre organisation.

Votre approche technologique doit passer de contrôles réactifs à des stratégies proactives et à des contrôles préventifs fondés sur l'intelligence comportementale.

Pour identifier et prévenir plus efficacement les pertes de données liées à des menaces internes, découvrez dès aujourd'hui le produit Mimecast Incydr.