SIEM وXDR
الاستخدام الحقيقي
كشف الشذوذ (إحصائي + تعلّم آلة)، وتحليلات سلوك الكيانات، وربط التنبيهات، وتلخيص الفرز آليًا، وترجمة اللغة الطبيعية إلى استعلامات (من اللغة الطبيعية إلى KQL وSPL وUDM). أما المساعدة في كتابة قواعد الكشف — حيث يصف المحلّل قاعدة الكشف بلغة عادية فيصوغ النظام مسودتها — فقد أصبحت ميزة قياسية في المنصات الكبرى لأنظمة إدارة المعلومات والأحداث الأمنية (SIEM).
تنبيه من المبالغة: نسخة SIEM/XDR
ثلاثة ادعاءات يجب التحقق منها: (1) «الربط المدعوم بالذكاء الاصطناعي (AI)» يعني غالبًا تقييم القواعد بالتتابع مع درجات شذوذ من تعلّم الآلة كإضافة — اسأل أي خطوات الربط تعتمد على نماذج متعلّمة وأيها على قواعد مكتوبة. (2) «من اللغة الطبيعية إلى الاستعلام» قدرة حقيقية، لكن العروض التوضيحية للمورّدين تستخدم مخططات بيانات أعدّها المورّد نفسه؛ اختبرها دائمًا على أسماء الحقول ومصادر السجلات لديك قبل أن تفترض الأداء نفسه. (3) «خفض التنبيهات بالذكاء الاصطناعي» — اطلب منهجية الخفض: هل هو كبت، أم إزالة تكرار، أم فرز حقيقي بتعلّم الآلة؟ لكل منها مستوى مختلف جدًا من خطر الإنذار الفائت (False negative).
إطار التقييم
عند تقييم ادعاءات الذكاء الاصطناعي في SIEM وXDR، استخدم هذا الإطار: (1) أرني قاعدة كشف كتبتموها بمساعدة الذكاء الاصطناعي وأخرى بدونها — ما الفرق في الوقت؟ (2) اشرحوا لي آخر إنذار فائت لم تلتقطه قواعدكم — هل كانت طبقة تعلّم الآلة ستكتشفه؟ (3) ما عملية وسم البيانات لنماذج تعلّم الآلة لديكم، وكم مرة يُعاد تدريبها؟ هذه الأسئلة تميّز المنصات التي استثمرت فعلًا في تعلّم الآلة عن تلك التي تضع علامة تعلّم الآلة على محرّكات قواعد.