UEBA

利用者だけでなく、サーバや端末などの実体（エンティティ）も含めた振る舞いを機械学習で学習し、平常時との差異から異常を検知する技術。定義ファイルに頼らないため、内部不正や未知の攻撃の兆候を捉えやすい。

利用者や機器の通常の行動パターンを学習し、そこから逸脱した異常な振る舞いを検知するセキュリティ技術。内部不正や不正アクセスの兆候を、従来のルールベースでは検出困難なケースでも機械学習により検知できる。

システムやネットワークがサイバー攻撃により侵害された可能性を示す技術的な痕跡や指標。C&Cサーバとの通信履歴、不審なファイルハッシュ値、マルウェアの通信先IPアドレスなどが含まれ、脅威インテリジェンスの共有やインシデント対応に活用される。

PCやサーバなどのエンドポイントにおける不審な活動をリアルタイムに監視・検知し、インシデント対応を支援するセキュリティソリューション。プロセスの挙動、ファイル操作、ネットワーク通信などを記録し、脅威の検知・調査・封じ込め・復旧を効率化する。

EDRの概念を拡張し、エンドポイントだけでなくネットワーク、メール、クラウドなど複数のセキュリティレイヤのデータを統合的に収集・相関分析するソリューション。組織全体を横断した脅威の可視化と、より正確なインシデント検知・対応を実現する。

マルウェア定義ファイルに登録された既知の特徴的なコード列と検査対象を照合して検出する手法。既知のマルウェアは確実に検出できるが、未知のものや暗号化・難読化されたものは検出できない。

プログラムを実行し、その振る舞い（レジストリの改変、大量のファイル暗号化、外部への不審な通信など）を監視して不正を判定する検出手法。振る舞い検知とも呼ばれ、未知のマルウェアやファイルレスマルウェアの検知に有効。

犯行の機会そのものを減らすことで不正を防ぐという考え方。労力の増加、リスクの増加、報酬の減少、言い訳の排除などの観点から対策を設計する。内部不正防止では、アクセス制限や監視の可視化がこれに当たる。