Serangan siber saat ini semakin canggih, cepat, dan bahkan banyak yang dibuat dengan bantuan AI. Jika Anda masih mengandalkan sistem SIEM (Security Information and Event Management) yang bekerja berdasarkan aturan statis, batas angka tetap (threshold), dan pencocokan tanda tangan (signature), maka tim keamanan Anda bisa kewalahan.
Aturan lama tidak cukup lagi. Yang dibutuhkan sekarang adalah sistem deteksi yang bisa belajar sendiri.
Inilah peran Exabeam melalui teknologi Exabeam New-Scale Analytics.
New-Scale Analytics adalah mesin analitik perilaku generasi terbaru yang dirancang khusus untuk mendeteksi ancaman kompleks secara real-time, terutama serangan berbasis kredensial (password dicuri) dan ancaman dari orang dalam (insider threat). Teknologi ini menjadi inti strategi deteksi modern.
Mengapa Aturan Tradisional Tidak Lagi Cukup?
Tahap 1: Aturan Berbasis Tanda Tangan (Signature-Based Rules)
Pada awalnya, SIEM bekerja dengan mendeteksi indikator serangan yang sudah dikenal (IoC), misalnya:
-
“Berikan peringatan jika ada 5 kali login gagal.”
-
“Tandai file yang cocok dengan hash malware tertentu.”
Cara ini efektif untuk ancaman yang sudah dikenal. Namun, jika muncul serangan baru atau teknik yang lebih halus, aturan ini sering gagal mendeteksinya.
Tahap 2: Aturan Berbasis Perilaku Sederhana
Kemudian berkembang aturan berbasis anomali, misalnya:
-
“Tandai jika pengguna login dari lokasi tidak biasa dan mengakses file sensitif.”
Ini lebih baik, tetapi tetap memerlukan tim keamanan untuk menentukan apa yang dianggap “tidak biasa”. Padahal perilaku normal setiap pengguna bisa berbeda-beda dan berubah seiring waktu.
Tahap 3: Pemodelan Perilaku dengan Machine Learning
New-Scale Analytics mengotomatisasi seluruh proses ini. Sistem ini:
-
Mempelajari pola normal setiap pengguna, perangkat, dan sistem.
-
Menetapkan baseline perilaku secara otomatis.
-
Memberikan skor risiko secara dinamis.
-
Menghubungkan berbagai aktivitas mencurigakan dalam satu alur waktu serangan.
Tidak ada lagi threshold statis atau penyetelan manual terus-menerus.
Mengapa Aturan Saja Tidak Bisa Diskalakan?
1. Volume Data Terus Meningkat
Diperkirakan jumlah data global mencapai 175 zettabyte pada 2025. Bagi tim keamanan, ini berarti:
-
Lebih banyak log.
-
Lebih banyak alert.
-
Lebih banyak kebisingan (noise).
Aturan korelasi justru bisa menambah kebisingan. Machine learning membantu menemukan sinyal penting di tengah banyaknya data.
2. Teknik Serangan Terus Berkembang
Penyerang kini menggunakan:
-
Pencurian kredensial.
-
Teknik “living-off-the-land” (menggunakan tools bawaan sistem agar tidak terdeteksi).
-
Payload yang dibuat oleh AI.
Serangan seperti ini sering terlihat seperti aktivitas normal. Sistem berbasis aturan sulit mendeteksinya, tetapi analitik perilaku bisa melihat perbedaan kecil yang mencurigakan.
3. Kelelahan Tim Keamanan
Terlalu banyak false positive (peringatan palsu) membuat analis keamanan menghabiskan waktu berjam-jam untuk menyelidiki hal yang sebenarnya tidak berbahaya. Ini menyebabkan kelelahan dan menurunkan fokus terhadap ancaman nyata.
4. Penyetelan Manual Tidak Efisien
Setiap aturan SIEM harus:
-
Ditulis.
-
Disesuaikan.
-
Dipelihara.
Jika ada ratusan aturan, beban kerja menjadi sangat besar. Sistem dengan penilaian risiko otomatis jauh lebih efisien.
Bagaimana New-Scale Analytics Membantu?
1. Belajar Otomatis
Sistem secara otomatis membangun baseline perilaku tanpa perlu tebakan manual atau aturan tetap.
2. Mendeteksi Serangan Berbasis Kredensial
Tahun ini, 22% pelanggaran keamanan dimulai dari kredensial yang dicuri. Karena login terlihat sah, serangan ini sering lolos dari sistem berbasis aturan.
New-Scale Analytics mendeteksi hal-hal seperti:
-
Login yang tidak biasa.
-
Akses data yang tidak wajar.
-
Pergerakan lateral dalam jaringan.
3. Mengurangi Noise dan Memprioritaskan Ancaman Nyata
Dengan sistem UEBA (User and Entity Behavior Analytics), risiko dinilai secara dinamis dan bisa disesuaikan dengan konteks bisnis. Hasilnya, false positive berkurang dan tim fokus pada risiko paling kritis.
4. Memberikan Konteks Serangan Lengkap
Sistem menyajikan:
-
Skor risiko yang mudah dipahami.
-
Penjelasan anomali.
-
Hubungan antar entitas.
-
Timeline otomatis yang menunjukkan bagaimana serangan terjadi.
Ini membantu analis mengambil keputusan lebih cepat.
Perlukah Aturan Lama Dibuang?
Tidak sepenuhnya.
Aturan SIEM masih berguna untuk:
-
Mendeteksi malware yang sudah dikenal.
-
Memenuhi kebutuhan audit dan kepatuhan.
-
Logika deterministik tertentu.
Namun, aturan saja tidak cukup.
Gabungan antara SIEM tradisional dan New-Scale Analytics menciptakan sistem deteksi yang lebih kuat.
Contohnya:
-
Malware dikenal → Aturan efektif
-
Audit kepatuhan → Aturan wajib
-
Ancaman baru → Perlu analitik perilaku
-
Ancaman orang dalam → Lebih cocok dengan pemodelan perilaku
-
Penyalahgunaan login → Machine learning lebih efektif
-
Prioritas alert → Risiko dinamis lebih baik daripada threshold statis
Menuju SOC Modern Berbasis Model
SOC (Security Operations Center) modern akan beralih dari aturan manual ke sistem berbasis model.
Manfaatnya:
-
Lebih sedikit false positive.
-
Investigasi lebih cepat.
-
Sistem belajar dan menyesuaikan diri sendiri.
-
Cakupan ancaman lebih luas.
-
Analisis berbasis AI.
-
Waktu deteksi dan respons lebih singkat.
Kesimpulan
Serangan siber semakin pintar dan cepat. Jika sistem keamanan masih bergantung sepenuhnya pada aturan lama, maka risiko akan semakin besar.
New-Scale Analytics dirancang untuk masa depan: terintegrasi dengan SIEM, otomatis, transparan, dan siap digunakan.
Bagi pemula, sederhananya begini:
Aturan lama hanya bisa menangkap ancaman yang sudah dikenal.
Sistem berbasis perilaku bisa mendeteksi ancaman baru yang belum pernah terlihat sebelumnya.
Jika aturan SIEM Anda sudah tidak mampu mengikuti perkembangan ancaman, mungkin sudah waktunya beralih ke mesin deteksi yang lebih cerdas dan adaptif.
Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan exabeam indonesia, merupakan bagian dari PT. iLogo Indonesia, yang merupakan mitra terpercaya dalam solusi Infrastruktur IT dan Cybersecurity terbaik di Indonesia.
Hubungi kami sekarang atau kunjungi exabeam.ilogoindonesia.com untuk informasi lebih lanjut!