MTS Bank setzt Graph Neural Networks zur Abwehr von Cyberangriffen ein

Die MTS Bank hat Graph-Neuronale Netze zur Erkennung von Eindringlingen in ihre Infrastruktur eingeführt. Das Ensemble neuronaler Netze der Bank erkennt über 90 Prozent der Hacker-Bewegungsszenarien im Netzwerk, die für klassische Sicherheitssysteme unsichtbar sind, wie CNews berichtet. Moderne Cyberangriffe nutzen den Living-off-the-Land-Ansatz, bei dem Angreifer das Verhalten von Administratoren nachahmen und legitime Konten sowie Standardprotokolle verwenden, um Monate oder Jahre unentdeckt zu bleiben. Die Graph-basierte Lösung analysiert Beziehungen zwischen Konten, Servern und Sitzungen und deckt Angriffe durch Ketten untypischer Übergänge auf. Das Ensemble besteht aus fünf spezialisierten Modellen, die jeweils unterschiedliche Anomalien erkennen und zusammen selten versagen. Der Pilotversuch mit einem Jahr Daten erkannte mehr als 90 Prozent der Bewegungsvektoren von „weißen“ Hackern, und alle 22 Penetrationstests sowie eine Red-Team-Übung wurden während der Lateral-Bewegungsphase erfasst. Graph-Neuronale Netze ergänzen traditionelle Abwehrmaßnahmen wie Firewalls und Antivirensysteme, indem sie deren blinde Flecken füllen. Die MTS Bank plant, die Lösung auf ihre gesamte Infrastruktur auszuweiten und den Graph-Ansatz gemeinsam mit der Informationssicherheits-Community weiterzuentwickeln.