Innen cybersikkerhet er det mange ulike begreper \u00e5 forst\u00e5 og vi har f\u00f8rst tenkt \u00e5 g\u00e5 gjennom disse slik at du kan velge de beste l\u00f8sningene. Er du allerede kjent med disse begrepene kan du hoppe over denne delen.<\/p>\n\n\n\n
Defence in Depth<\/strong> Industriell brannmur<\/strong> Intrusion Detection System (IDS)<\/strong> Intrusion Prevention System (IPS)<\/strong> Deep Packet Inspection (DPI)<\/strong> Malware<\/strong> Denial-of-Service (DoS)<\/strong> I digitaliseringens tidsalder er cybersikkerhet grunnleggende for et velfungerende arbeidsmilj\u00f8. Det beskytter data fra sabotasje, tap eller andre avvik. Vi blir mer og mer tilkoblet, noe som gj\u00f8r arbeidet med \u00e5 overv\u00e5ke og spore potensielle cyberangrep mer vanskelig, og da spesielt for analytikere som m\u00e5 kjempe mot angrep fra AI. <\/p>\n\n\n\n Disse angrepene koster penger og f\u00f8rer til \u00f8deleggelse Derfor utvikles maskiner og enheter for \u00e5 forhindre og spore potensielle nettverksangrep. De analyserer potensielle farer i sanntid og er med p\u00e5 \u00e5 gj\u00f8re cyberanalytikerne mer effektive.<\/p>\n\n\n\n Cybersikkerhet er ikke lenger et problem mennesker m\u00e5 takle alene. N\u00e5r det gjelder identifikasjon av m\u00f8nster som indikerer farlig programvare og farlig aktivitet er AI og ML er mer n\u00f8yaktige enn mennesker og tradisjonell programvare. De kan analysere millioner av hendelser og raskt identifsere trusler som viruser og zero-day-angrep. Zero-day er et begrep som brukes da hackere utnytter en feil i systemet som utvikleren ikke er klar over og som man har «zero days» \u00e5 rette opp i.<\/p>\n\n\n\n If\u00f8lge en rapport fra Capgemini<\/a>, mer enn halvparten av alle organisasjoner (56%) hevder at deres cyberanalytikere er overarbeidet, og 23% sier at de ikke har mulighet til \u00e5 grundig g\u00e5 gjennom alle hendelser som har blitt rapportert.<\/p>\n\n\n\n 69% av bedriftsansvarlige sier de ikke kunne tatt h\u00e5nd om cyberangrep hadde det ikke v\u00e6rt for AI. 80% av telekomselskaper og 79% av produsenter av forbruksvarer sier at de er avhengige av AI for \u00e5 identifisere trusler og stoppe angrep.<\/p>\n\n\n\n Sammenlignet med menneskelige analytikere er ML mer effektiv n\u00e5r det gjelder \u00e5 oppdage trusler.<\/p>\n\n\n\n I en rapport fra Carbonite og Webroot mellom mars og april 2021<\/em><\/a> sa mer enn 57% at de var ofre fra alvorlige cyberangrep i 2020. 65% av de spurte sa ogs\u00e5 at bedrifter i dag er mer forberedt p\u00e5 \u00e5 h\u00e5ndtere slike angrep fordi de bruker AI\/ML-verkt\u00f8y.<\/p>\n\n\n\n I dag bruker ogs\u00e5 hackere AI p\u00e5 en effektiv m\u00e5te. Kunstig intelligens er mye raskere enn mennesker og kan svare mer n\u00f8yaktig mot angrep fra andre intelligente programvarer. Implementasjonen av AI og ML er derfor ikke til \u00e5 unng\u00e5 og er grunnleggende for \u00e5 bekjempe cyberangrep.<\/p>\n\n\n\n For \u00e5 best h\u00e5ndtere slike trusler m\u00e5 man begynne med \u00e5 analysere store mengder data og utf\u00f8re omfattende operasjoner for \u00e5 sjekke mistenkelig eller uvanlig atferd.<\/p>\n\n\n\n Bedrifter og produsenter ser n\u00e5 til nye innovasjoner for \u00e5 forbedre sine arbeidsplasser. Fra smartproduksjon, Industry 4.0 og 5.0<\/a> til industrielle tings internett (IIoT) og digitale tvillinger<\/a>. Den industrielle verden blir stadig mer tilkoblet og overv\u00e5kes stadig p\u00e5 nye m\u00e5ter, og derfor er det s\u00e5 viktig at man har l\u00f8sningene klare for \u00e5 h\u00e5ndtere hva en slik hverdag inneb\u00e6rer.<\/p>\n\n\n\n Siemens<\/a> bekjemper cyberangrep ved \u00e5 dele omfattende informasjon p\u00e5 sine nettsider<\/a>, i form av studier og rapporter<\/a>. De har ogs\u00e5 podcaster<\/a> og videoer du kan se nedenfor.<\/p>\n\n\n\n
Dette konseptet er basert p\u00e5 mange lag av sikkerhetsfunksjoner som forbedrer sysystems totale sikkerhet. Hvis en av funksjonene ikke er effektiv, fungerer de andre som en backup for \u00e5 holde nettverket trygt.<\/p>\n\n\n\n
Brannmurer forhindrer uautorisert adgang og de overv\u00e5ker og blokkerer trafikk til eller fra nettverk, som industrielle PCer og kontrollsystemer. <\/p>\n\n\n\n
En industriell IDS er et verkt\u00f8y eller system som overv\u00e5ker nettverkstrafikk for mistenkelig aktivitet og sender ut varsler. All mistenkelig akvitetet registerers sentralt ved \u00e5 bruke et h\u00e5ndteringsystem for sikkerhetsinformasjon og som s\u00e5 sendes videre til en administrator.<\/p>\n\n\n\n
En industriell IPS er et verkt\u00f8y som oppdager farlig aktivitet, logger informajoner, rapporterer den og pr\u00f8ver deretter \u00e5 blokkere eller stoppe det ved hjelp av kontinuerlig skanning. Dette kan enten v\u00e6re maskinvare eller programvare.<\/p>\n\n\n\n
DPI er en form for databehandling som gransker informasjonen som overf\u00f8res p\u00e5 et datanettverk og som kan ta n\u00f8dvendige grep, som varsling, blokkering, omdirigering eller innlogging. Dette er et verkt\u00f8y som brukes for \u00e5 overv\u00e5ke applikasjonsatferd, nettverkstrafikk, diagnosere nettverksproblemer, s\u00f8rger for at dataen er i riktig format og ser etter farlige koder, tyvlytting og sensurering.<\/p>\n\n\n\n
Dette er et begrep man bruker for programvarerelaterte trusler som skader maskin, server, klient eller nettverk. Disse kommer ofte i form av viruser, worms, trojans, spyware, rootkits, adware, ekstern adgang og ransomware.<\/p>\n\n\n\n
DoS er et angrep som er ment \u00e5 sl\u00e5 av maskinnen eller nettverket, slik at det ikke er mulig \u00e5 bruke. For \u00e5 forhindre at gjerningspersonen mottar eller sender informasjon kan man utf\u00f8re distributed-denial-of-serivce-angrep (DDoS) ved \u00e5 oversv\u00f8mme m\u00e5let med trafikk fra flere verter.<\/p>\n\n\n\nHvorfor er cyber- og industriell nettverkssikkerhet s\u00e5 viktig?<\/h2>\n\n\n\n
![\"\"](\"https:\/\/knowhow.distrelec.com\/wp-content\/uploads\/2022\/11\/cyber-risk.png\")
Kunstig intelligens i cybersikkherhet – bedre enn mennesker?<\/h2>\n\n\n\n
Hva brukes maskinl\u00e6ring til?<\/h3>\n\n\n\n
Cybersikkerhet for digitale virksomheter – Siemens<\/h2>\n\n\n\n
![\"\"](\"https:\/\/knowhow.distrelec.com\/wp-content\/uploads\/2022\/11\/Moxa-firewalls-1024x545.png\")