О проекте
Tessian разрабатывает продукт позволяющий блокировать сложные почтовые угрозы — BEC, ATO и атаки на выдачу себя за другого (impression), которые используют современные тактики и процедуры, обходящие традиционные средства защиты электронной почты. Блокировки удается достичь благодаря использованию поведенческого анализа и AI.
Угрозы, связанные с электронной почтой, занимают первое место в списке проблем, волнующих руководителей служб безопасности:
- 250,000+ инцидентов, связанные с BEC, о которых было сообщено ФБР с 2013 года
- $4.5M средняя стоимость одного нарушения в результате фишинговых и BEC-атак (по данным IBM)
- 65% IP, PII и PHI уязвимостей связанно с электронной почтой (Ponemon Institute)
Задача
Глобально инфраструктуру работы Tessian можно разделить на следующие блоки:
- Tessian AI Explained. Обнаружение угроз на основе искусственного интеллекта. Благодаря анализу поведения, контента и сети угроз, искусственный интеллект Tessian автоматически подстраивается под потребности клиентов.
- Content Analysis. Анализ содержимого писем. Машинное обучение Tessian выявляет угрозы в тексте на основе изображений, QR-кодах, URL-адресах, заголовках тем, основном тексте и внутри вложений электронной почты. Сотни точек данных в каждом письме используются для определения того, является ли письмо безопасным, вредоносным или требует пересмотра.
- Threat Network Analysis. Анализ цепочки связей. Платформа Tessian использует глобальную библиотеку угроз для повышения безопасности всей сети, затем Tessian ограничивает вредоносные домены, адреса, IP-адреса, адреса почты и хэши файлов, чтобы предотвратить атаки для всех пользователей.
Каждый из разделов требует глубокого анализа и своевременной реакции. Цена ошибки администратора очень велика, а массив данных для обработки очень большой. Необходимо было сформировать грамотное логически и визуально решение удовлетворяющее пользователей и в тоже время требующего допустимого времени обучения.
Решение
На основании множественных интервью пользователей на каждом этапе взаимодействия с системой, анализа сводных данных поведения и формирования CJM для каждой категории пользователей, система была разбита на сервисы по типу модели и роли взаимодействия:
- Defender. Защита от атак по входящей электронной почте
- Protector. Защита от потери конфиденциальных данных
- Responer. Система реакций на инциденты
- Coach. Система обучения конечных пользователей электронной почты
