news release

Malware-Meldungen im Netzwerk richtig und effizient interpretieren

Sorry, this news release has not been published yet, check back later!

August 3, 2017

Zürich, den 03. August 2017 – In seinem neuen Leitfaden „How To Interpret Network-Based Malware Detection“ beleuchtet Vectra Networks die verschiedenen Aspekte netzwerk-basierter Malwareerkennung. Der Leitfaden analysiert die Identifikation von Malware und die Möglichkeiten aus erkannten Malware-Samples Erkenntnisse zu gewinnen, die helfen die Sicherheit im Netzwerk erhöhen.

In seinem Leitfaden kommt Vectra Networks zu dem Schluss, dass die netzwerkbasierte Erkennung von Bedrohungen in jüngster Vergangenheit weiter fortgeschritten ist und sich zu einem der effektivsten Mittel entwickelt hat, um Malware-basierte Sicherheitsvorfälle aufzudecken, die sonst weitere Angriffe auf das Netzwerk des betroffenen Unternehmens nach sich ziehen.

Da sich die Zuverlässigkeit der netzwerkbasierten Erkennungssysteme verbessert hat, haben sie sich weiter weg von dem Ziel entwickelt, die Art der Bedrohung oder die Bedrohungsfamilie zu benennen oder eine Zuordnung zu liefern. Die Beständigkeit des Infektionslebenszyklus, die Malwareanalyse-Timeline sowie die Verschiebung des Domainnamens und der IP-Timelines machen die Korrelation zwischen verschiedenen entdeckten Malware-Varianten meist sehr schwierig. Wo Korrelationen möglich sind, sind riesige Datenmengen und eine lange Liste an vergangenen Beobachtungen erforderlich.

Die effizientesten und präzisesten Erkennungsmethoden, die heute verwendet werden, arbeiten auf der Netzwerkschicht. Zukünftige Fortschritte in netzwerkbasierten Erkennungssystemen werden die Zuverlässigkeit und Abdeckung von Malware-Bedrohungen verbessern, sich aber wahrscheinlich von der Möglichkeit einer spezifischen Zuordnung weiter wegbewegen.

Der Leitfaden steht unter diesem Link zum Download bereit … https://vectra.ai/assets/interpret-network-based-malware-detection.pdf

Media contact

press@vectra.ai

Most recent news releases

Vectra Expands Cloud Services to See Attacks Moving between the Cloud, Hybrid and On-premise to Drastically Reduce the Risk of Breaches

November 18, 2020
Read news release

Vectra Appoints Garry Veale as Regional Director for the United Kingdom and Ireland

November 5, 2020
Read news release

Vectra Expands Intelligent Cyberattack Detection and Response Capabilities with CrowdStrike

October 15, 2020
Read news release

Malware-Meldungen im Netzwerk richtig und effizient interpretieren

Sorry, this news release has not been published yet, check back later!

August 3, 2017

Zürich, den 03. August 2017 – In seinem neuen Leitfaden „How To Interpret Network-Based Malware Detection“ beleuchtet Vectra Networks die verschiedenen Aspekte netzwerk-basierter Malwareerkennung. Der Leitfaden analysiert die Identifikation von Malware und die Möglichkeiten aus erkannten Malware-Samples Erkenntnisse zu gewinnen, die helfen die Sicherheit im Netzwerk erhöhen.

In seinem Leitfaden kommt Vectra Networks zu dem Schluss, dass die netzwerkbasierte Erkennung von Bedrohungen in jüngster Vergangenheit weiter fortgeschritten ist und sich zu einem der effektivsten Mittel entwickelt hat, um Malware-basierte Sicherheitsvorfälle aufzudecken, die sonst weitere Angriffe auf das Netzwerk des betroffenen Unternehmens nach sich ziehen.

Da sich die Zuverlässigkeit der netzwerkbasierten Erkennungssysteme verbessert hat, haben sie sich weiter weg von dem Ziel entwickelt, die Art der Bedrohung oder die Bedrohungsfamilie zu benennen oder eine Zuordnung zu liefern. Die Beständigkeit des Infektionslebenszyklus, die Malwareanalyse-Timeline sowie die Verschiebung des Domainnamens und der IP-Timelines machen die Korrelation zwischen verschiedenen entdeckten Malware-Varianten meist sehr schwierig. Wo Korrelationen möglich sind, sind riesige Datenmengen und eine lange Liste an vergangenen Beobachtungen erforderlich.

Die effizientesten und präzisesten Erkennungsmethoden, die heute verwendet werden, arbeiten auf der Netzwerkschicht. Zukünftige Fortschritte in netzwerkbasierten Erkennungssystemen werden die Zuverlässigkeit und Abdeckung von Malware-Bedrohungen verbessern, sich aber wahrscheinlich von der Möglichkeit einer spezifischen Zuordnung weiter wegbewegen.

Der Leitfaden steht unter diesem Link zum Download bereit … https://vectra.ai/assets/interpret-network-based-malware-detection.pdf

Media contact

press@vectra.ai