Security
เอเจนต์ด้านการรักษาความปลอดภัยทางไซเบอร์คือความสามารถที่ขับเคลื่อนโดย AI ซึ่งออกแบบมาเพื่อช่วยทีมรักษาความปลอดภัยได้อย่างอัตโนมัติ AI แบบเอเจนต์ในการรักษาความปลอดภัยทางไซเบอร์หมายถึงการนำเอเจนต์เหล่านี้มาใช้โดยเฉพาะเพื่อตรวจหา ตรวจสอบ และตอบสนองต่อภัยคุกคามทางไซเบอร์
เมื่อผู้ดำเนินการภัยคุกคามใช้ระบบอัตโนมัติมากขึ้นเพื่อเร่งการโจมตีทางไซเบอร์ ทีมรักษาความปลอดภัยจึงเริ่มนำเอเจนต์ไปใช้ในสถานการณ์หลากหลาย เพื่อช่วยให้ตอบสนองได้เร็วขึ้นและก้าวนำความเสี่ยงที่กำลังเกิดขึ้น
AI แบบเอเจนต์แตกต่างจากโมเดลการเรียนรู้ของเครื่องแบบดั้งเดิม, AI สร้างสรรค์ และเครื่องมือระบบอัตโนมัติ เพราะจะมุ่งบรรลุเป้าหมายและปรับตัวต่อสภาวะที่เปลี่ยนไปได้ด้วยตัวเอง AI แบบเอเจนต์แตกต่างจากโมเดลการเรียนรู้ของเครื่องแบบดั้งเดิม โดยหลักๆ จะวิเคราะห์ข้อมูลและคาดการณ์ แต่ไม่ได้ลงมือทำตามข้อมูลเชิงลึกเหล่านั้น AI สร้างสรรค์จะสร้างเนื้อหาตอบสนองต่ออินพุตแบบเชิงสนทนา แต่ผู้ใช้ต้องคอยป้อนพร้อมท์ให้เพื่อปรับแต่งผลลัพธ์ และเครื่องมือระบบอัตโนมัติ เช่น คู่มือการวางแผนกลยุทธ์ของการตอบสนองอัตโนมัติของการทำงานประสานกันสำหรับการรักษาความปลอดภัย (SOAR) จะทำงานตามเวิร์กโฟลว์และกฎที่กำหนดไว้ล่วงหน้า ในทางตรงกันข้าม AI แบบเอเจนต์จะดำเนินงานหลายขั้นตอนโดยมีการแทรกแซงจากมนุษย์เพียงเล็กน้อย
AI แบบเอเจนต์มีคุณสมบัติหลักหลายอย่าง ได้แก่
ระบบ AI แบบเอเจนต์มักได้รับการออกแบบให้มีการกำกับดูแลจากมนุษย์ภายในตัว เพื่อสร้างสมดุลระหว่างความสามารถในการทำงานได้ด้วยตัวเองกับการควบคุมดูแล
ในแนวทางของ Microsoft ต่อ AI แบบเอเจนต์สำหรับการรักษาความปลอดภัยทางไซเบอร์ ระบบนี้ถูกออกแบบให้เป็นโมเดลการทำงานร่วมกัน ซึ่งผู้ปฏิบัติงานที่เป็นมนุษย์สามารถตรวจสอบและกำกับพฤติกรรมของระบบได้
ตัวอย่างทั่วไปได้แก่:
AI แบบเอเจนต์สามารถตอบสนองต่อสภาวะที่เปลี่ยนไปได้อย่างยืดหยุ่นและปรับพฤติกรรมตามบริบทได้ เนื่องจากมีกระบวนการที่เรียกว่าลูปเอเจนต์ ซึ่งเป็นลำดับขั้นตอนที่เอเจนต์ทำซ้ำไปเรื่อยๆ จนกว่าจะบรรลุเป้าหมาย
รับรู้ → ใช้เหตุผล → วางแผน → ดำเนินการ → เรียนรู้
เพื่อให้ AI แบบเอเจนต์ทำงานได้อย่างมีประสิทธิภาพ ทีมต่างๆ ยังต้องตัดสินใจด้วยว่าต้องการใช้ระบบแบบเอเจนต์เดียวหรือแบบหลายเอเจนต์ ระบบแบบเอเจนต์เดียวอาศัยเอเจนต์หนึ่งตัวในการจัดการงานและการตัดสินใจ ซึ่งเหมาะเมื่อเวิร์กโฟลว์มีขอบเขตค่อนข้างชัดเจนและการตัดสินใจรวมศูนย์ หากเวิร์กโฟลว์มีความซับซ้อนหรือต้องใช้ความเชี่ยวชาญที่แตกต่างกัน องค์กรก็มักจะตั้งระบบแบบหลายเอเจนต์ ซึ่งใช้เอเจนต์ AI เฉพาะทางหลายตัวสำหรับการรักษาความปลอดภัยทางไซเบอร์ที่ทำงานร่วมกันเพื่อบรรลุเป้าหมายร่วมกัน
แม้จะมีความสามารถแบบอัตโนมัติ แต่การกำกับดูแลจากผู้คนก็ยังคงสำคัญ หลายองค์กรใช้จุดตรวจแบบมีมนุษย์เกี่ยวข้องและด่านอนุมัติสำหรับการดำเนินการที่ละเอียดอ่อนหรือมีความเสี่ยงสูง เพื่อช่วยรักษาการกำกับดูแล ความรับผิดชอบ และการควบคุมการปฏิบัติงาน
ความแตกต่างระหว่างระบบอัตโนมัติแบบดั้งเดิม, AI สร้างสรรค์ และ AI แบบเอเจนต์ จะเห็นได้ชัดยิ่งขึ้นเมื่อเปรียบเทียบกันในหลายมิติหลักๆ
| มิติ | ML แบบดั้งเดิม / SOAR | AI สร้างสรรค์ | AI แบบเอเจนต์ |
| ความสามารถในการทำงานได้ด้วยตัวเอง | อิงตามกฎ สคริปต์ไว้ล่วงหน้า | ตอบสนองต่อพร้อมท์ | ดำเนินการได้ด้วยตัวเองเพื่อมุ่งสู่เป้าหมายที่กำหนดไว้ |
| การตัดสินใจ | ตรรกะที่กำหนดไว้ล่วงหน้า | สร้างคำตอบและเนื้อหา | วางแผน ใช้เหตุผล และดำเนินการ |
| การเรียนรู้ | โมเดลแบบคงที่ มีการฝึกใหม่เป็นระยะ | อาศัยตามบริบทเท่านั้น ไม่มีการเรียนรู้อย่างต่อเนื่อง | ปรับตัวอย่างต่อเนื่อง โดยคำนึงถึงบริบท |
| การมีส่วนร่วมของมนุษย์ | มนุษย์ดำเนินเวิร์กโฟลว์ | มนุษย์ป้อนพร้อมท์และตรวจทานผลลัพธ์ | มนุษย์กำหนดเป้าหมายและแนวทางป้องกัน |
| การใช้งานทั่วไปใน SOC | การตรวจหาลายเซ็นและคู่มือการวางแผนกลยุทธ์ของ SOAR | การถาม/ตอบจากนักวิเคราะห์และการสรุปข้อมูล | การคัดกรอง การไล่ล่า และการตอบสนองแบบครบวงจร |
น่าเสียดายที่ธุรกิจและรัฐบาลไม่ใช่เพียงกลุ่มเดียวที่นำ AI มาใช้อย่างรวดเร็ว ผู้ดำเนินการภัยคุกคามกำลังใช้ระบบเอเจนต์เพื่อเพิ่มความเร็วและขนาดของการโจมตีทางไซเบอร์ ซึ่งกำลังก่อให้เกิดหรือซ้ำเติมความท้าทายด้านการรักษาความปลอดภัยทางไซเบอร์หลายประการ ได้แก่
AI แบบเอเจนต์ในการรักษาความปลอดภัยทางไซเบอร์ช่วยให้ทีมรักษาความปลอดภัยทำงานได้อย่างมีประสิทธิภาพมากขึ้นในสภาพแวดล้อมที่ซับซ้อน เปลี่ยนแปลงรวดเร็ว และเชื่อมโยงถึงกันมากเกินกว่าจะพึ่งพาการดำเนินการรักษาความปลอดภัย (SecOps) ด้วยตนเองได้ทั้งหมด ซึ่งแตกต่างจากการรักษาความปลอดภัยด้วย AI แบบเอเจนต์ในวงกว้าง โดยมุ่งเน้นการปกป้องระบบ AI เอง
แทนที่จะมาแทนที่ทีมรักษาความปลอดภัย AI แบบเอเจนต์จะทำหน้าที่เป็นตัวคูณกำลังให้กับการปฏิบัติงานด้านการรักษาความปลอดภัยทางไซเบอร์ ซึ่งนำไปสู่ประโยชน์ต่างๆ เช่น
รูปแบบการใช้ทั้งหลายแสดงให้เห็นว่าผู้คนและเอเจนต์สามารถทำงานร่วมกันเพื่อเสริมความแข็งแกร่งด้านความปลอดภัยได้อย่างไร
ทีมรักษาความปลอดภัยมักเผชิญการแจ้งเตือนมากกว่าที่จะตรวจสอบได้ด้วยตนเองได้ จึงทำให้ต้องมีการจัดลำดับความสำคัญเพื่อการตอบสนองที่มีประสิทธิภาพ
บทบาทของเอเจนต์:
บทบาทของนักวิเคราะห์:
ทีมรักษาความปลอดภัยต้องพึ่งพาข้อมูลภัยคุกคามจำนวนมาก ทำให้ยากที่จะดึงข้อมูลเชิงลึกที่เกี่ยวข้องและนำไปใช้ได้จริงออกมาได้อย่างรวดเร็ว
บทบาทของเอเจนต์:
บทบาทของนักวิเคราะห์:
การระบุภัยคุกคามที่ซ่อนอยู่หรือเกิดขึ้นใหม่ต้องอาศัยการวิเคราะห์อย่างต่อเนื่องในชุดข้อมูลขนาดใหญ่และซับซ้อน
บทบาทของเอเจนต์:
บทบาทของนักวิเคราะห์:
การตอบสนองต่อเหตุการณ์ด้านความปลอดภัยต้องมีการประสานงานที่รวดเร็วระหว่างกิจกรรมการตรวจหา การตรวจสอบ และการกักกัน
บทบาทของเอเจนต์:
บทบาทของนักวิเคราะห์:
องค์กรต้องระบุและจัดลำดับความสำคัญของจุดอ่อนด้านความปลอดภัยก่อนที่ผู้ไม่หวังดีจะนำไปใช้ประโยชน์
บทบาทของเอเจนต์:
บทบาทของนักวิเคราะห์:
การเฝ้าติดตามกิจกรรมด้านข้อมูลประจำตัวเป็นสิ่งสำคัญต่อการตรวจหาการเข้าถึงโดยไม่ได้รับอนุญาตและป้องกันการใช้สิทธิ์ในทางที่ผิด
บทบาทของเอเจนต์:
บทบาทของผู้ดูแลข้อมูลประจำตัวและการเข้าถึง:
ทีมรักษาความปลอดภัยต้องสร้างและปรับปรุงตรรกะการตรวจหาอย่างต่อเนื่อง เพื่อให้ทันกับภัยคุกคามที่เปลี่ยนแปลงอยู่เสมอ
บทบาทของเอเจนต์:
บทบาทของนักวิเคราะห์:
การปกป้องข้อมูลที่ละเอียดอ่อนต้องอาศัยการเฝ้าติดตาม การจัดประเภท และการบังคับใช้นโยบายความปลอดภัยอย่างต่อเนื่อง
บทบาทของเอเจนต์:
บทบาทของผู้ดูแลระบบรักษาความปลอดภัยข้อมูล:
AI แบบเอเจนต์ในการรักษาความปลอดภัยทางไซเบอร์จะสร้างคุณค่าได้มากที่สุดเมื่อช่วยให้ทีมวิเคราะห์ข้อมูล เพิ่มบริบทให้การแจ้งเตือน และตอบสนองต่อช่องโหว่และภัยคุกคามทั่วทั้งสภาพแวดล้อม เพื่อบรรลุเป้าหมายนี้ หลายองค์กรใช้ API เพื่อเชื่อมต่อเอเจนต์รักษาความปลอดภัยเข้ากับเครื่องมือที่ใช้อยู่แล้ว เช่น การตอบสนองอัตโนมัติของการทำงานประสานกันสำหรับการรักษาความปลอดภัย (SOAR), การตรวจหาและการตอบสนองแบบขยาย (XDR), การจัดการเสถียรภาพการรักษาความปลอดภัยในคลาวด์ (CSPM), ระบบบริหารจัดการตัวตนและการเข้าถึงทรัพยากร (IAM), Security Information and Event Management (SIEM), การตรวจหาและการตอบสนองปลายทาง (EDR) รวมถึงโซลูชันต่างๆ สำหรับจัดการตั๋วปัญหา ช่วยให้ระบบ AI แบบเอเจนต์ดึงข้อมูล ประสานเวิร์กโฟลว์ ทริกเกอร์การดำเนินการ และอัปเดตระบบได้ในเวลาจริง
ระบบอัตโนมัติช่วยประหยัดเวลาให้ทีมได้มาก แต่การรักษาการควบคุมและความรับผิดชอบยังคงเป็นสิ่งสำคัญเพื่อหลีกเลี่ยงการดำเนินการที่ไม่ตั้งใจ โดยทั่วไปแล้ว ทีมรักษาความปลอดภัยจะกำหนดให้ นักวิเคราะห์ ทบทวนการตัดสินใจที่มีความเสี่ยงสูง ขณะเดียวกันก็เปิดให้ทำงานด้วยตัวเองมากขึ้นสำหรับการดำเนินการที่มีความเสี่ยงต่ำกว่า ไม่ว่าจะเป็นกรณีใดก็ตาม การกำหนดการกำกับดูแลข้อมูลและการควบคุมการเข้าถึงเป็นสิ่งสำคัญ เพื่อช่วยให้มั่นใจว่า AI โต้ตอบกับระบบและข้อมูลที่ได้รับอนุญาตเท่านั้น
ทีมรักษาความปลอดภัยที่ประสบความสำเร็จมากที่สุดกับ AI แบบเอเจนต์ จะติดตั้งเครื่องมือวัดผลเพื่อประเมินว่าพวกเขาบรรลุเป้าหมายได้ดีแค่ไหน ช่วยให้พวกเขามีข้อมูลที่ต้องใช้ในการปรับเปลี่ยนและปรับแต่งการใช้งานของตน
ตัวชี้วัดความสำเร็จหลักๆ ได้แก่:
ข้อมูลที่ช่วยระบุประสิทธิภาพของการดำเนินการรักษาความปลอดภัย ได้แก่
ตัวชี้วัดเหล่านี้ช่วยให้ผู้นำมองเห็นว่า AI แบบเอเจนต์มีส่วนปรับเปลี่ยนวิธีที่ทีมรักษาความปลอดภัยใช้เวลาอย่างไร
ผู้นำยังสามารถเห็นได้ว่าการปรับปรุงด้านความปลอดภัยส่งผลต่อทั้งองค์กรอย่างไรด้วยตัวชี้วัดต่างๆ เช่น
เนื่องจากระบบเอเจนต์มีระดับความสามารถในการทำงานได้ด้วยตัวเองที่แตกต่างกันไป จึงจำเป็นต้องกำกับดูแล ควบคุม และทำให้โปร่งใส เพื่อนำไปใช้อย่างปลอดภัย
เมื่อทีมรักษาความปลอดภัยปรับใช้งานและขยายAI แบบเอเจนต์สำหรับการรักษาความปลอดภัยทางไซเบอร์ทั่วทั้งองค์กร กลยุทธ์ที่รอบคอบจะช่วยยกระดับผลลัพธ์ด้านความปลอดภัย พร้อมรักษาความโปร่งใส ความรับผิดชอบ และความเชื่อมั่นในทุกทีม
โดยทั่วไปแล้ว องค์กรจะนำ AI แบบเอเจนต์มาใช้เป็นช่วงๆ ในสภาพแวดล้อมที่ควบคุมได้ เริ่มจากกรณีใช้งานที่มีความเสี่ยงต่ำและเน้นช่วยงานก่อน แล้วค่อยขยายไปสู่การดำเนินการที่มีผลกระทบสูงขึ้น นอกจากนี้ การให้ความสำคัญกับความโปร่งใสในวิธีที่เอเจนต์ด้านการรักษาความปลอดภัยตัดสินใจก็เป็นสิ่งสำคัญ
การกำหนดแนวทางป้องกันที่ชัดเจนช่วยจำกัดพฤติกรรมของเอเจนต์ให้อยู่ในขอบเขตที่ปลอดภัยและคาดการณ์ได้ เพื่อลดความเสี่ยงของพฤติกรรมที่ไม่คาดคิด ทีมต่างๆ จะกำหนดว่าเอเจนต์ AI ด้านการรักษาความปลอดภัยทางไซเบอร์สามารถทำงานใดได้โดยอัตโนมัติ จัดทำเวิร์กโฟลว์การอนุมัติสำหรับการดำเนินการที่มีผลกระทบสูงหรือมีความละเอียดอ่อน และกำหนดเกณฑ์ว่าสถานการณ์ใดที่เอเจนต์ด้านการรักษาความปลอดภัยต้องส่งต่อให้กับนักวิเคราะห์
การควบคุมการเข้าถึงตามบทบาท (RBAC) ช่วยลดความเสี่ยงของกิจกรรมที่ไม่ตั้งใจ โดยจำกัดการเข้าถึงระบบ ข้อมูล และการดำเนินการของเอเจนต์ให้เฉพาะที่จำเป็นต่อหน้าที่ของตน ด้วยเหตุนี้ ทีมด้านข้อมูลระบุตัวตนจึงใช้หลักการสิทธิ์เท่าที่จำเป็นแบบเดียวกันกับเอเจนต์เช่นเดียวกับที่ใช้กับผู้ใช้
เพื่อให้มองเห็นพฤติกรรมของเอเจนต์อยู่เสมอ ทีมรักษาความปลอดภัยจะบันทึกและตรวจสอบการดำเนินการทั้งหมดของเอเจนต์ รวมถึงการตัดสินใจ การใช้เครื่องมือ และผลลัพธ์ ช่วยให้พวกเขาตรวจสอบเหตุการณ์ ปฏิบัติตามข้อบังคับ และตรวจหาปัญหาในการใช้งานที่ต้องปรับเปลี่ยน
นักวิเคราะห์มีแนวโน้มที่จะยอมรับ AI แบบเอเจนต์มากขึ้น หากรู้สึกว่าได้รับข้อมูลและยังคงควบคุมได้ องค์กรสามารถสร้างความเชื่อมั่นได้โดยทำให้แน่ใจว่าคำแนะนำของเอเจนต์มีความชัดเจนและเข้าใจง่าย และยังประสบความสำเร็จมากขึ้นด้วยเมื่อใช้ AI เพื่อส่งเสริมการตัดสินใจของนักวิเคราะห์ ไม่ใช่มาแทนที่
ศูนย์การดำเนินการรักษาความปลอดภัย (SOC), ทีมเทคโนโลยีสารสนเทศ และทีมการปฏิบัติตามข้อบังคับ ล้วนมีบทบาทในการนำ AI แบบเอเจนต์มาใช้อย่างปลอดภัย มีประสิทธิภาพ และสอดคล้องกับระดับความเสี่ยงที่องค์กรยอมรับได้ ทีมข้ามสายงานช่วยให้องค์กรกำหนดกรณีใช้งานเชิงปฏิบัติ จัดการการผสานรวมและโครงสร้างพื้นฐาน และปฏิบัติตามข้อบังคับด้านกฎระเบียบ
การสร้างเวิร์กโฟลว์แบบเอเจนต์เต็มรูปแบบที่ทำงานข้ามโดเมนการรักษาความปลอดภัยเป็นกระบวนการหลายขั้นตอน เมื่อองค์กรมีความพร้อมด้านการดำเนินงานมากขึ้น พวกเขาต้องมีการกำกับดูแลและการตรวจสอบที่รัดกุมขึ้น
ในระยะแรกสุด องค์กรจะใช้สคริปต์และเวิร์กโฟลว์ที่กำหนดไว้ล่วงหน้า เพื่อจัดการงานด้านความปลอดภัยที่ต้องทำซ้ำๆ
ความสำเร็จมีลักษณะอย่างไร:
ตัวบ่งชี้ความพร้อม:
ในขั้นนี้ AI จะช่วยนักวิเคราะห์โดยเพิ่มการมองเห็น การสรุปข้อมูล และการตัดสินใจ แต่จะไม่ลงมือดำเนินการโดยตรง
ความสำเร็จมีลักษณะอย่างไร:
ตัวบ่งชี้ความพร้อม:
ในขั้นนี้ AI แบบเอเจนต์จะเริ่มดำเนินการได้อย่างจำกัดภายใต้แนวทางป้องกันที่กำหนดไว้ ขณะที่ผู้ใช้ยังคงมีอำนาจอนุมัติสำหรับการดำเนินการที่มีความเสี่ยงสูงกว่า
ความสำเร็จมีลักษณะอย่างไร:
ตัวบ่งชี้ความพร้อม:
ในขั้นที่มีความสมบูรณ์สูงสุด AI แบบเอเจนต์จะทำงานครอบคลุมหลายภาคส่วน โดยประสานการดำเนินการโดยนักวิเคราะห์มีส่วนเกี่ยวข้องน้อยที่สุดภายในขอบเขตที่กำหนดไว้ ช่วยประสานรวมด้านการรักษาความปลอดภัยแบบครบวงจรทั่วทั้งองค์กร
ความสำเร็จมีลักษณะอย่างไร:
ตัวบ่งชี้ความพร้อม:
AI แบบเอเจนต์ยังอยู่ในช่วงเริ่มต้นของการนำมาใช้ แต่มีแนวโน้มที่ชัดเจนหลายอย่างกำลังกำหนดทิศทางการพัฒนาไปทั่วทั้งด้านความปลอดภัย
องค์กรสามารถตรวจหา ตรวจสอบ และตอบสนองต่อภัยคุกคามทั่วทั้งทรัพย์สินทางดิจิทัลของตนได้ด้วยแพลตฟอร์มรักษาความปลอดภัยที่ขับเคลื่อนโดย AI แบบครบวงจรจาก Microsoft หัวใจสำคัญคือ Microsoft Security Copilot ซึ่งเป็นโซลูชันรักษาความปลอดภัยที่ใช้ AI และใช้ภาษาธรรมชาติ ซึ่งช่วยให้นักวิเคราะห์ให้เหตุผลเกี่ยวกับเหตุการณ์ สรุปภัยคุกคาม และประสานงานการตอบสนองข้ามสภาพแวดล้อมได้ เอเจนต์ที่ฝังอยู่ช่วยขยายความสามารถเหล่านี้ไปทั่วโซลูชันต่างๆ ของ Microsoft Security ได้
ทีมรักษาความปลอดภัยมักต้องรับมือกับปริมาณการแจ้งเตือนที่มากเกินไป การคัดกรองด้วยตนเอง และการตรวจสอบที่กระจัดกระจาย AI แบบเอเจนต์ใน Microsoft Defender XDR ช่วยจัดลำดับความสำคัญของปัญหาที่มีความเสี่ยงสูง ตรวจสอบเหตุการณ์ได้เร็วขึ้น และปรับปรุงประสิทธิภาพในการตอบสนอง
เอเจนต์เหล่านี้ช่วยลดการตรวจสอบด้วยตนเองและเร่งการตอบสนองต่อเหตุการณ์ทั่วทั้งจุดสิ้นสุด ข้อมูลประจำตัว อีเมล และเวิร์กโหลดบนคลาวด์
Security Copilot ใน Microsoft Sentinel ช่วยให้นักวิเคราะห์ไม่ต้องดำเนินการตรวจสอบด้วยตนเอง แล้วเปลี่ยนไปใช้เวิร์กโฟลว์ที่ใช้ภาษาธรรมชาติและขับเคลื่อนด้วยพร้อมท์บุ๊ก นักวิเคราะห์สามารถสร้าง KQL, สรุปเหตุการณ์, เพิ่มข้อมูลให้เอนทิตี, วิเคราะห์ผู้ใช้และอุปกรณ์ และทำขั้นตอนการตรวจสอบให้เป็นอัตโนมัติผ่าน Logic Apps และพร้อมท์บุ๊ก
เอเจนต์การรายงานเหตุการณ์แบบกำหนดเองใน Sentinel สามารถดึงผลการตรวจสอบ เอนทิตี ข้อมูลเชิงลึก และขั้นตอนการแก้ไขออกจากเหตุการณ์ได้ พร้อมท์บุ๊กยังสามารถทำให้การวิเคราะห์ผู้ใช้เป็นไปโดยอัตโนมัติ และเพิ่มผลลัพธ์ลงในบันทึกกิจกรรมของเหตุการณ์ได้โดยตรง
ความสามารถเหล่านี้ช่วยลดการเขียนคิวรีด้วยตนเอง ปรับปรุงความสม่ำเสมอในการตรวจสอบ และประหยัดเวลาของนักวิเคราะห์ที่ต้องทำงานซ้ำๆ ให้กลายเป็นงานอัตโนมัติ
Security Copilot ใน Microsoft Purview ช่วยให้ทีมรักษาความปลอดภัยและกำกับดูแลข้อมูลทั่วทั้งการจัดการเสถียรภาพความปลอดภัยของข้อมูล, การป้องกันการสูญหายของข้อมูล, การจัดการความเสี่ยงภายใน, eDiscovery, การตรวจสอบ และการปฏิบัติตามข้อบังคับด้านการสื่อสาร
เอเจนต์เหล่านี้ช่วยให้ทีมรักษาความปลอดภัยลดการคัดกรองด้วยตนเอง จัดลำดับความสำคัญของความเสี่ยงสำคัญได้เร็วขึ้น และเสริมความแข็งแกร่งให้กับการรักษาความปลอดภัยของข้อมูลและการดำเนินงานด้านการปฏิบัติตามข้อบังคับ
Security Copilot ใน Microsoft Entra ช่วยให้ทีมตรวจสอบผู้ใช้ที่มีความเสี่ยง การลงชื่อเข้าใช้ที่ผิดปกติ สิทธิ์การเข้าถึงระดับสูง และภัยคุกคามข้อมูลประจำตัว Copilot สามารถสรุปบริบทของข้อมูลประจำตัว อธิบายสัญญาณความเสี่ยง และแนะนำการดำเนินการ เช่น การเพิกถอนเซสชัน การตรวจสอบสิทธิ์การเข้าถึง หรือการปรับแต่งนโยบายการเข้าถึงแบบมีเงื่อนไข
ความสามารถประกอบด้วยเอเจนต์ข้อมูลประจำตัวและการเข้าถึง รวมถึง ID เอเจนต์ของ Microsoft Entra ซึ่งช่วยให้องค์กรลงทะเบียน จัดการ และกำกับดูแลข้อมูลประจำตัวของเอเจนต์ AI ผ่านการจัดการวงจรชีวิต การกำกับดูแลการเข้าถึง และการควบคุมการปกป้องข้อมูลประจำตัว
ความสามารถเหล่านี้ช่วยให้องค์กรลดความเสี่ยงด้านข้อมูลประจำตัวและนำหลักการ Zero Trust ไปใช้กับทั้งข้อมูลประจำตัวของมนุษย์และของ AI
Security Copilot ใน Microsoft Intune ช่วยให้ทีมจุดสิ้นสุดและเทคโนโลยีสารสนเทศเข้าใจการปฏิบัติตามข้อบังคับของอุปกรณ์ ความคลาดเคลื่อนของการกำหนดค่า ความเสี่ยงจากช่องโหว่ และความจำเป็นในการแก้ไข Copilot สามารถสรุปความเสี่ยงของอุปกรณ์ อธิบายปัญหาการไม่เป็นไปตามข้อกำหนด แนะนำขั้นตอนถัดไป และช่วยให้ทีมตอบสนองได้เร็วขึ้น
เอเจนต์การจัดการจุดสิ้นสุดช่วยทำให้การตรวจสอบการปฏิบัติตามข้อบังคับเป็นไปโดยอัตโนมัติ ตรวจสอบปัญหาอุปกรณ์ และแนะนำแนวทางการแก้ไขทั่วทั้งจุดสิ้นสุดที่ได้รับการจัดการ
ความสามารถเหล่านี้ช่วยลดการตรวจสอบจุดสิ้นสุดด้วยตนเอง ปรับปรุงการดำเนินงานด้านการปฏิบัติตามข้อบังคับ และปิดช่องโหว่ของการกำหนดค่าได้เร็วขึ้น
เมื่อ Microsoft Security Copilot และเอเจนต์ที่ฝังอยู่ทำงานร่วมกันแล้ว จะช่วยให้องค์กรเปลี่ยนจากการดำเนินการรักษาความปลอดภัยแบบตอบสนองและทำด้วยตนเองไปสู่การป้องกันแบบปรับตัวตามสถานการณ์ที่มี AI ช่วยเหลือ ซึ่งช่วยปรับปรุงการปกป้อง ความรวดเร็ว และการขยายขนาดตลอดวงจรชีวิตด้านความปลอดภัย
ติดตาม Microsoft Security