Boston, May 8, 2019 –脅威の検知にパターン・マッチングを用いる「ホスト侵入検知システム」や「ネットワーク侵入検知システム」は転機を迎えている。機械学習を用いた分析技術でネットワーク脅威を検知する新しいタイプのソリューションがそれに置き換わりつつある。Darktraceが提供する「パターン・オブ・ライフ分析」は、他の機械学習ベースのネットワーク脅威分析ソリューションとも異なるアプローチであり、興味深い。

本レポートでは、Darktraceソリューションの調査結果（実装方法/検出の仕組み/自動応答/料金体系/アーキテクチャー/通信トラフィックの方向性の把握など）を報告する。執筆にあたっては、ベンダーから直接説明を受けたほか、2019年3月にDarktraceの顧客である金融機関（マサチューセッツ州在）に対してインタビューを実施した。

本インパクトノートは6つの図と4つの表を含みます（全20ページ）。アイテ・グループのCybersecurityセグメントをご契約のお客様は、本レポート、チャートおよびエグゼクティブ・インパクト・デッキをダウンロードいただけます。

本レポートはCambridge University, Cylance, Darktrace, Esri, Intruvert, Internet Security Systems, KnowBe4, Lawrence Livermore National Laboratory, Haystack Labs, National Security Agency, Naval Surface Warfare Center, Snort, Sourcefire, SuricataおよびTop Layerに言及している。