Baru-baru ini, seorang CISO dari perusahaan besar menanyakan berapa banyak rule (aturan) yang dimiliki oleh New-Scale Security Operations Platform. Pertanyaan ini sebenarnya wajar, tetapi terasa agak ketinggalan zaman. Ibarat bertanya kapan terakhir kali kita melakukan defrag pada PC — dulu penting, sekarang tidak lagi relevan.
Selama bertahun-tahun, jumlah rule sering dijadikan ukuran kinerja SIEM (Security Information and Event Management). Semakin banyak rule, dianggap semakin baik perlindungannya. Padahal kenyataannya, pendekatan ini sering menyebabkan duplikasi aturan, kelelahan akibat terlalu banyak alert (alert fatigue), dan pemborosan waktu.
Industri keamanan kini mulai beralih dari aturan statis berbasis tanda tangan (signature) ke pendekatan yang lebih cerdas, seperti heuristik dan machine learning. Perubahan ini juga terjadi di dunia SIEM, di mana analitik perilaku, penilaian risiko adaptif, dan timeline ancaman otomatis mulai menggantikan ketergantungan berlebihan pada rule.
Rule Masih Penting, Tetapi Perannya Berubah
Rule tetap dibutuhkan, namun fungsinya sudah berkembang. Inilah alasan mengapa Exabeam membangun New-Scale Analytics, mesin deteksi berbasis UEBA (User and Entity Behavior Analytics) yang diperbarui dan dilengkapi dengan Exabeam Nova, sistem AI agentic yang tertanam di dalamnya.
Mesin ini menggunakan machine learning untuk:
-
Mendeteksi ancaman,
-
Memberikan skor risiko,
-
Beradaptasi dengan lingkungan yang dilindungi.
Alih-alih memperbanyak jumlah rule, sistem ini lebih mengutamakan ketepatan (precision). Dengan jumlah rule yang lebih sedikit, cakupan deteksi bisa tetap luas dan bahkan lebih akurat.
Contohnya, sistem lama mungkin membutuhkan rule terpisah untuk masing-masing penyedia cloud. Dengan pendekatan baru, satu rule berbasis perilaku dapat memodelkan aktivitas di berbagai lingkungan cloud sekaligus. Hasilnya lebih sederhana, tetapi cakupannya lebih luas.
Dari 1.100 Rule Menjadi Deteksi yang Lebih Cerdas
Untuk menggambarkan perubahannya:
-
Sistem lama menggunakan lebih dari 1.100 rule deteksi anomali.
-
New-Scale Analytics hanya menggunakan 342 rule anomali, tetapi tetap memiliki cakupan setara dengan framework MITRE ATT&CK®.
-
Rule berbasis fakta juga berkurang dari 681 menjadi 395.
Apa yang membuatnya berbeda? Machine learning.
New-Scale Analytics mengevaluasi kinerja rule dalam lingkungan Anda sendiri. Sistem ini memberi skor pada setiap event berdasarkan pola dan konteks, bukan hanya berdasarkan angka tetap.
Selain itu, sistem membangun baseline perilaku pada level entitas (user, perangkat, sistem), bukan hanya pada nama pengguna atau field tertentu. Dengan begitu, sistem dapat membedakan aktivitas normal dan aktivitas berisiko tinggi dengan lebih akurat.
Hasilnya:
-
False positive berkurang.
-
Analis mendapatkan informasi yang lebih jelas dan bisa langsung ditindaklanjuti.
Lebih Sedikit Tuning, Lebih Banyak Respons
Dengan jumlah rule yang lebih sedikit, beban kerja tim keamanan juga berkurang. Mereka tidak perlu lagi terus-menerus menyetel dan memperbarui ratusan aturan.
Sebaliknya, mereka bisa fokus pada:
-
Investigasi insiden nyata,
-
Respons terhadap ancaman,
-
Peningkatan strategi keamanan.
Fitur seperti timeline ancaman otomatis, skor risiko adaptif, dan baseline perilaku membantu tim memprioritaskan event yang benar-benar penting, bukan tenggelam dalam ribuan alert yang tidak relevan.
Hasil akhirnya:
-
Operasional lebih efisien,
-
Respons lebih cepat,
-
Cakupan deteksi tetap terjaga.
Jika Bukan Jumlah Rule, Lalu KPI Apa yang Tepat?
Jika jumlah rule bukan lagi indikator utama, apa yang seharusnya diukur?
Beberapa metrik yang lebih relevan antara lain:
-
Cakupan terhadap framework MITRE ATT&CK.
-
Waktu yang dibutuhkan analis untuk melakukan investigasi.
-
Tingkat akurasi alert (alert fidelity).
-
Seberapa cepat tim mendeteksi dan merespons ancaman.
Inilah hasil nyata yang menunjukkan apakah SIEM bekerja dengan baik atau tidak.
Cara berpikir tentang deteksi sudah berubah, dan cara mengukurnya juga harus ikut berubah. New-Scale Analytics dirancang untuk realitas baru ini.
Bukan soal berapa banyak rule yang dimiliki, tetapi seberapa efektif rule tersebut dalam:
-
Meningkatkan kualitas deteksi,
-
Mengurangi noise,
-
Mempercepat respons.
Jadi, jika ada vendor yang membanggakan jumlah rule yang besar, pertanyaan yang lebih penting adalah: Apakah rule tersebut benar-benar meningkatkan keamanan?
Lihat Perbedaannya
New-Scale Analytics adalah mesin deteksi ancaman orang dalam di dalam platform New-Scale Fusion. Teknologi ini juga dapat digunakan di atas SIEM yang sudah ada untuk meningkatkan kualitas deteksi.
Beberapa pelanggan melaporkan:
-
Pengurangan alert hingga 60%.
-
Waktu investigasi turun 80%.
-
Waktu respons insiden berkurang 50%.
Angka-angka ini menunjukkan peningkatan nyata dalam operasi keamanan.
Melangkah Lebih Jauh dari Rule Statis
Dunia ancaman siber semakin kompleks. Mengandalkan logika deteksi statis dan jumlah rule yang besar tidak lagi cukup.
Pendekatan modern menggunakan analitik perilaku dan machine learning untuk mendeteksi ancaman kompleks, termasuk insider threat dan penyalahgunaan kredensial.
Bagi pemula, sederhananya begini:
Dulu, sistem keamanan seperti daftar aturan lalu lintas yang tetap.
Sekarang, sistem keamanan seperti asisten pintar yang belajar dari kebiasaan dan bisa mengenali perilaku mencurigakan meskipun belum pernah melihatnya sebelumnya.
Keamanan modern bukan tentang memiliki aturan paling banyak, tetapi tentang memiliki deteksi yang paling 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!