資料來源／Gartner，2015年9月
在企業的資安防禦方式中，以往比較偏向事前的阻絕，然而，現在不少人發現，這樣的防禦手法百密必有一疏，難以防範日新月異的攻擊手法。而且，疏於事中與事後的察覺、追蹤，一旦資安事件爆發，又很難追查源頭，以及發生過程，使得同樣類型的問題，周而復始不斷上演。
加上近期不少人聞之色變的威脅層出不窮，例如加密勒索軟體，往往經由使用者點選來路不明的附件而發作，再加上內部員工資料外洩事件頻傳，都和使用者的行為脫離不了關係。
分析使用者的存取行為，當然更能有效掌握威脅的脈絡。但在過去，這必須耗費很多力氣，所幸現在終於有廠商推出專屬的套裝產品，或在既有的產品中，擴充此類功能。
不過，這裡提到的使用者，並非只有人員，也包含了會運用這種帳號身分的程式，例如在APT攻擊中，駭客所使用的惡意程式，往往會透過冒用帳號，甚至取得管理員的權限，以利作業，由於是合法使用者，因此能夠回避某些防禦機制的偵測，神不知鬼不覺的進行。所以，我們也可以說，只要系統的執行或存取過程中，會用到帳號進行身分驗證，無論是人還是惡意程式，都屬於這類進階分析定義的使用者範圍。
以使用者為中心，重新定義企業資訊安全
Gartner對於使用者與實體（Entity）設備之間行為分析（UEBA）的定義，主要以使用者為核心，分析與端點電腦、應用程式和網路之間的關聯，並將發現的威脅以重要性排序，甚至做出回應。UEBA也會與資料湖或是其他企業內部的資訊系統，加以互動。（資料來源／Gartner，2015年9月）
針對內部使用者的行為分析，重點不只是人，而是更加強調人與實體之間的關聯性
在去年9月，市場研究機構Gartner針對這個議題提出分析報告，並以User and Entity Behavior Analytics（UEBA）一詞，稱呼針對內部使用者存取行為的進階資安分析機制，而他們在前年，則稱為User Behavior Analytics（UBA）。UEBA與UBA這兩個名稱的差異，在於前者更加強調使用者與其接觸的實體（Entity）之間的關聯，以求能夠更精確找到異常事件。因此，目前這兩種名稱都有人使用，但實際上現在的分析工具中，大多已經將這個「實體」做為分析中重要的一環。
這裡所謂的實體，不只包含一般使用者接觸到的電腦，也涵蓋了應用程式與網路等面向。各家廠商的說法很多，但我們覺得BalaBit公司提出的解釋最為貼切：透過使用者所採用的設備等屬性的收集，像是作業系統與螢幕解析度，都是UEBA系統採集數位足跡，判斷行為異常與否的重要依據。
由於UEBA著重在使用者與存取的實體之間的互動關係，想要從監控的中繼資料裡，即時分析疑似為企業內部帶來資安威脅的行為，但這個命名對很多人來說仍然相當陌生，因此，我們在此稱呼具有這種分析功能的產品，為「內部存取行為監控系統」。
從大量數據中替企業找出使用者的異常行為，並以圖像化呈現
值得留意的是，這種能為企業從存取記錄之中，找到應該要處理的事件的威脅分析系統，它們扮演的角色往往是輔助現有的資安機制，包含像是SIEM、DLP、特權帳號管理系統，以及資料存取防護系統等等。例如，從大數據分析發展出SIEM平臺的Splunk，他們的UEBA產品Splunk User Behavior Analytics（UBA），主要就是與Splunk Enterprise Security這套SIEM系統，搭配使用；而提供內部使用者行為側錄監控的ObserveIT，增加對於使用者的異常行為分析，其相關功能，也是基於主要的側錄監控而延伸，讓管理者更快找到有問題的使用者帳號與行為。
雖然幾乎都是在現有的產品線上，提供進階發現可疑使用者存取行為的功能，但是大多數具有UEBA功能的解決方案，幾乎都支援與其他廠牌的SIEM介接，然後在這些平臺上顯示UEBA分析的結果。
當然，對於已經擁有這類型資安控管平臺的企業而言，管理者仍然能在現有SIEM的儀表板上，得知疑似異常的使用者，以及他們曾經執行的高風險行為，只是並非每一套SIEM系統都能接收這些分析資料。
而在支援將分析傳送至其他資安平臺之餘，這些使用者存取行為監控系統也有提供專屬儀表板，讓管理者能夠快速檢視。在強調易於判讀的前提之下，各家產品提供的分析畫面，有相當大的不同，有些以疑似異常的「使用者」為主要呈現的出發點，而也有訴求以可疑「事件」為焦點的產品，當然，將兩種資訊並列的產品也不少。
論及圖像化，在許多資安產品，像是網管軟體、企業級防毒軟體等等，它們的儀表板中，常見的就是採用大量圖形化呈現。
而值得一提的是，也有採用像社群網站動態布告欄的手法，提供管理者最新的異常事件資訊，甚至，考量到這些人員可能沒有IT技術背景，在每個事件使用圖解的方法呈現，去年微軟推出的Advanced Threat Analytics（ATA）就是相當典型的例子，這是目前資安產品相當少見，卻非常平易近人的表現方式。
而UEBA產品能夠以簡單扼要的方式，呈現分析的結果，最重要的推手，其實是這些產品多半採用了機器學習或深度學習的技術，比對出使用者異於尋常的舉動。
導入使用者行為分析系統，要注意控管彈性與系統需求
以往像SIEM平臺，雖然提供了豐富的報表，但是想要透過人工的方式，比對出異常行為的記錄，相當耗時費力，更別說要在這堆報表之中，找出可能潛藏在企業內部、尚未引爆的威脅。
雖然，UEBA解決方案並不完美，最終，很可能還是需要透過人加以輔助，判斷結果的正確性。
而這個部分，各家廠商提出了相當多元的做法，有些軟體提供讓管理者能夠直接標示為正常事件的功能，但也有比較特殊的做法，像我們這次採購特輯測試的Sailpoint SecurityIQ，這套資料存取控管系統，採用邀請在指定資料夾中，10位使用程度最高的用戶，透過表決的方式，決定保留或封鎖可能不應具有存取權限的帳號，而非完全倚賴特定的管理者，或許可以避免一些人為因素產生的弊端。
由於UEBA產品必須接收並分析大量的資料，列出事件處理的重要順序，甚至做出回應，因此，部署的硬體需求相當高，像Splunk UBA就要求高達16個處理器起跳，而微軟ATA、CyberArk Privileged Threat Analytics（PTA）、ObserveIT、Sailpoint SecurityIQ等產品，則是採用應用程式伺服器與資料庫主機分層的架構，藉由多臺伺服器分散運算，因此不論是那一種架構，都反應出資料分析必須使用大量的運算資源。
但是，這些情況，都不能抹滅UEBA內部存取行為監控的做法，突破以往無法從接收下來的記錄中，分析並找到可能的問題，並針對異常行為歸納出有意義的資訊。
將潛在威脅的所有面向加以彙整
針對資料存取行為分析，UEBA的產品試圖為企業找出所有關連。其中，Splunk UBA在一個頁面中，提供豐富的統合性資訊，包含與相關的行為記錄，受影響的使用者帳號與裝置，管理者能藉此得知最為完整的情報。
【相關報導請參考「內部存取行為監控系統」採購大特輯】