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。

不正行為が発生する3つの要因を示す理論。「機会」（不正を行える環境）、「動機」（不正を行う理由）、「正当化」（不正を許容する心理）の3要素がそろうと不正が発生しやすくなる。

ネットワークやシステムへの不正アクセスや攻撃を検知する侵入検知システム。不正な通信パターンを検出して管理者に通知するが、自動的な遮断機能は持たない。

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。