Découvrez la nouvelle plateforme de posture de sécurité alimentée par l'IA de LinkedIn, conçue pour améliorer cybersécurité mesures, s’adaptant à l’évolution des menaces et protégeant les données des utilisateurs.
Que se passe-t-il lorsque le paysage de la cybersécurité devient de plus en plus complexe, à mesure que les menaces évoluent et gagnent en sophistication ? La nécessité de solutions innovantes devient impérative, alors que les organisations s'efforcent de protéger leurs informations et leurs actifs. LinkedIn a reconnu ce besoin urgent et a pris des mesures décisives pour protéger son infrastructure et sa vaste base d'utilisateurs en développant une plateforme de posture de sécurité (SPP) alimentée par l'IA.
La nécessité de solutions de cybersécurité robustes
À l’heure où les interactions numériques dominent le paysage professionnel, les menaces de cybersécurité se multiplient, affectant aussi bien les entreprises que les particuliers. Chaque organisation est une cible potentielle pour les cybercriminels, c’est pourquoi LinkedIn s’est engagé à renforcer ses mesures de cybersécurité.
La triste réalité montre que les applications d’IA existantes manquent souvent de précision ou de personnalisation nécessaires aux besoins organisationnels spécifiques. LinkedIn s’est donc lancé dans une démarche visant à développer une solution sur mesure capable de traiter de manière proactive les vulnérabilités, d’améliorer les temps de réponse et de s’adapter à l’évolution des menaces.
Montée des menaces de cybersécurité
L’urgence d’une approche robuste en matière de cybersécurité découle des facteurs suivants :
- Augmentation de la fréquence des attaques: Avec l'essor des ransomwareLa fréquence des attaques s'est accrue avec l'apparition de la fraude, de l'hameçonnage et des atteintes à la protection des données. Les cybercriminels développent sans cesse de nouvelles méthodes pour exploiter les faiblesses.
- Volume croissant de données:Les organisations collectent et stockent des données plus sensibles que jamais, constituant ainsi une cible tentante pour les acteurs malveillants.
- Conformité réglementaire:Conformité avec règlements exige que les organisations démontrent des mesures de sécurité robustes pour protéger les données des utilisateurs.
Ces défis démontrent la nécessité d’une plateforme dédiée qui évolue en tandem avec les menaces émergentes, garantissant la sécurité de la vaste infrastructure numérique de LinkedIn.
Approche DIY de la cybersécurité
Contrairement à de nombreuses organisations qui dépendent de solutions tierces, LinkedIn a reconnu que les outils d’IA existants ne répondaient pas à ses besoins spécifiques. Par conséquent, une approche « Do-it-Yourself » (DIY) a été adoptée pour créer une plateforme de posture de sécurité efficace.
Solutions personnalisées plutôt que produits prêts à l'emploi
La décision de LinkedIn de construire sa plateforme en interne a été motivée par plusieurs facteurs :
- Besoins spécifiques en matière de sécurité:Les outils prêts à l’emploi peuvent ne pas répondre aux exigences spécifiques du paysage opérationnel de LinkedIn.
- Un meilleur contrôle:Une solution sur mesure permet à LinkedIn d'avoir un contrôle total sur les fonctionnalités de la plateforme.
- Flexibilité et évolutivité:Une solution interne peut être plus facilement adaptée et mise à l’échelle pour répondre aux exigences et aux menaces de sécurité changeantes.
Ce besoin de spécificité et de personnalisation a finalement ouvert la voie au développement d’une solution de sécurité pionnière adaptée à son écosystème vaste et dynamique.
Introduction au graphique des connaissances de sécurité
La première étape importante de la création du SPP a été le développement d'un graphique de connaissances de sécurité. Cette innovation sert de base à la consolidation de diverses sources de données dans un référentiel unique.
Qu'est-ce qu'un graphique de connaissances de sécurité ?
Un graphique de connaissances de sécurité est une représentation structurée des relations entre divers actifs numériques, vulnérabilités et protocoles de sécurité. Il agit comme une source unique de vérité pour la sécurité et la gestion des risques.
Avantages d'un graphique de connaissances de sécurité
- Vision holistique:Il fournit un aperçu complet des relations entre les actifs, ce qui est essentiel pour l’évaluation et la gestion des menaces.
- Données centralisées:Avec toutes les informations pertinentes en un seul endroit, les équipes de sécurité peuvent accéder aux données et les analyser plus efficacement, réduisant ainsi les temps de réponse.
- Collaboration améliorée:Avoir une compréhension commune du paysage de sécurité permet aux équipes de collaborer plus efficacement sur les stratégies d’atténuation des menaces.
Cette approche innovante garantit que chaque élément d’information vitale est connecté et accessible, améliorant ainsi la capacité de l’organisation à répondre efficacement aux menaces potentielles.
Utilisation générative de l'IA
L'IA générative joue un rôle crucial dans la navigation dans le graphique des connaissances de sécurité, permettant à la plateforme de répondre efficacement aux requêtes de sécurité.
Le rôle de l'IA générative
L'IA générative imite le raisonnement et la créativité humains pour interpréter des ensembles de données complexes. Dans le contexte du SPP, elle peut :
- Traiter rapidement les données:L’IA est capable d’analyser de vastes quantités de données en temps réel, fournissant des informations qu’un analyste humain mettrait beaucoup plus de temps à compiler.
- Améliorer la prise de décision:En fournissant rapidement des informations pertinentes, les équipes de sécurité peuvent prendre rapidement des décisions éclairées, ce qui est crucial lors d’un incident de sécurité.
- Prédire les vulnérabilités:En exploitant les données historiques, l’IA générative peut aider à identifier les vulnérabilités potentielles avant qu’elles ne soient activement exploitées.
En bref, l’IA générative donne plus de pouvoir aux équipes de sécurité, leur permettant de répondre de manière proactive aux menaces plutôt que de simplement y réagir.
L'API GraphQL pour des requêtes flexibles
Un autre élément essentiel du SPP de LinkedIn est la mise en œuvre d'une API GraphQL, qui permet aux ingénieurs de sécurité d'exécuter des requêtes flexibles et efficaces sur le Knowledge Graph.
Comprendre GraphQL
GraphQL est un langage de requête pour les API qui permet aux clients de demander uniquement les données dont ils ont besoin, réduisant ainsi les frais généraux et améliorant l'efficacité.
Avantages de l'utilisation de GraphQL dans la cybersécurité
- Requêtes personnalisées:Les ingénieurs de sécurité peuvent adapter leurs requêtes pour se concentrer sur des vulnérabilités ou des actifs spécifiques, ce qui permet d'obtenir des résultats plus rapides et plus pertinents.
- Charge réduite:En récupérant uniquement les données nécessaires, le système subit moins de contraintes, ce qui peut améliorer les performances.
- Adaptabilité rapide:À mesure que de nouveaux problèmes de sécurité apparaissent, GraphQL facilite les modifications rapides des requêtes et des données analysées.
En exploitant GraphQL, LinkedIn améliore la capacité de son équipe de sécurité à répondre aux menaces émergentes de manière rapide et efficace.
Mesures de sécurité pour le SPP
Alors que le développement du SPP se concentre sur l’amélioration de la gestion des vulnérabilités, les mesures de sécurité sont tout aussi essentielles pour garantir l’intégrité de la plateforme.
Limitations du contrôle d'accès
LinkedIn a mis en place des mesures de contrôle d'accès strictes pour réguler qui peut interagir avec l'IA SPP. Voici quelques stratégies clés :
- Accès basé sur les rôles:Seul le personnel autorisé peut accéder aux données ou fonctionnalités sensibles, minimisant ainsi le risque d'exposition.
- Principe du moindre privilège:Les membres du personnel ont accès uniquement aux données et aux fonctions nécessaires à leur rôle, ce qui réduit encore davantage leur vulnérabilité.
La mise en œuvre de ces mesures garantit que LinkedIn peut maintenir un contrôle strict sur son environnement de sécurité interne, permettant ainsi la protection des données des utilisateurs et l’intégrité du SPP.
Initiatives de détection des anomalies
La détection des anomalies joue un rôle crucial dans le maintien de la sécurité du SPP. En identifiant les activités suspectes, le système peut réagir rapidement aux menaces potentielles.
Caractéristiques de la détection d'anomalies
- Surveillance en temps réel:La surveillance continue permet au SPP d’identifier et de répondre instantanément aux comportements inhabituels, déjouant potentiellement les attaques avant qu’elles ne s’aggravent.
- Analyse comportementale:En étudiant les modèles de comportement typiques des utilisateurs, le système peut reconnaître les écarts et les signaler pour examen.
- Protocoles d'alerte et de réponse:Lorsque des anomalies sont détectées, le système est équipé pour déclencher de manière autonome des alertes et initier des protocoles de réponse prédéfinis.
Grâce à ces capacités, LinkedIn renforce ses défenses et maintient la vigilance sur sa posture de sécurité.
Améliorer la productivité des ingénieurs grâce à l'IA
L’idée reçue selon laquelle l’introduction de l’IA dans la cybersécurité entraînerait une réduction des effectifs des équipes est erronée. LinkedIn, cependant, aborde l’IA différemment.
L'IA comme outil, pas comme substitut
LinkedIn considère l'IA comme un outil d'amélioration plutôt que comme un substitut à l'expertise humaine. Cette philosophie s'articule autour des points suivants :
- Donner plus de pouvoir aux ingénieurs en sécurité:En automatisant les tâches de routine, l’IA permet aux ingénieurs de se concentrer sur des problèmes complexes qui nécessitent l’intuition et la créativité humaines.
- Améliorer les temps de réponse:Grâce à l'IA qui gère l'analyse des données, les ingénieurs peuvent recevoir des informations plus rapidement, améliorant ainsi les délais de réponse aux incidents.
- Réduire l’épuisement professionnel: Automation des tâches banales allègent la charge de travail des équipes de sécurité, favorisant un environnement de travail plus sain et réduisant le roulement du personnel.
Cette perspective garantit que l’IA contribue positivement à la productivité de l’équipe tout en préservant et en améliorant les compétences critiques des professionnels de la cybersécurité.
L'évolution de la précision des modèles d'IA
Alors que LinkedIn continue d’affiner sa plateforme basée sur l’IA, l’un des points essentiels a été d’améliorer la précision de ses modèles d’IA.
Mesures d'amélioration
La précision du modèle d'IA s'est considérablement améliorée, passant d'une plage initiale de 40%-50% à une plage impressionnante de 85%-90%. Cette amélioration est le résultat de :
- Réglages fins continus:Des mises à jour et des ajustements réguliers basés sur les commentaires et les mesures de performance contribuent à améliorer la fiabilité du modèle.
- Gestion de la qualité des données:En garantissant des entrées de données de haute qualité, la plateforme peut générer des sorties plus précises et plus significatives.
- Tests en conditions réelles:Des tests rigoureux par rapport à des scénarios de sécurité potentiels permettent aux ingénieurs d’évaluer et d’améliorer les performances de l’IA dans des conditions réelles.
Une attention aussi rigoureuse à la précision du modèle renforce l’engagement de LinkedIn envers l’excellence en matière de sécurité au sein de son SPP.
Réponses rapides et précises aux questions de sécurité
La plateforme de posture de sécurité alimentée par l'IA est remarquablement efficace, permettant rapide et des réponses précises aux questions de sécurité critiques.
Répondre aux questions de sécurité critiques
Les équipes de sécurité peuvent poser des questions essentielles liées aux vulnérabilités et aux actifs, et le SPP peut répondre avec des informations pertinentes presque instantanément.
Exemples de requêtes de sécurité
Vous trouverez ci-dessous des exemples du type de requêtes qui peuvent être rapidement résolues grâce au SPP :
| Requête | Description |
|---|---|
| Quelles sont les vulnérabilités associées à un actif spécifique ? | L'IA identifie les vulnérabilités connues liées à un actif numérique donné. |
| Qui a accédé aux données sensibles en dernier ? | La plateforme fournit un historique des événements d'accès à des fins de suivi et de responsabilisation. |
| Quelles menaces récentes ont émergé ciblant nos infrastructures ? | Le SPP informe les équipes de sécurité des derniers vecteurs d'attaque pertinents pour l'environnement de LinkedIn. |
Ces réponses rapides permettent à LinkedIn de maintenir une approche proactive de sa posture de cybersécurité, protégeant ainsi en fin de compte son infrastructure et les données des utilisateurs.
Conclusion
En réponse aux menaces croissantes en matière de cybersécurité, le développement par LinkedIn d'une plateforme de posture de sécurité basée sur l'IA marque une avancée significative dans le domaine de la sécurité numérique. De son approche DIY à la création d'un graphique de connaissances de sécurité, en passant par l'utilisation d'une IA générative et de mécanismes de requête avancés, LinkedIn a mis en place une solution complète adaptée spécifiquement à ses besoins.
Dans l'ensemble, la plateforme améliore non seulement les capacités de gestion des vulnérabilités de l'entreprise, mais renforce également les capacités de ses ingénieurs en sécurité, garantissant une défense robuste contre des menaces en constante évolution. Dans un monde où chaque instant compte, disposer d'une plateforme permettant des réponses rapides et précises n'est pas seulement bénéfique, c'est essentiel.
Français 
English 
Español