Les données, le moteur des organisations, sont générées à une échelle exponentielle — à tel point qu’il devient très difficile pour de nombreuses entreprises de les localiser, les classer et les analyser. Dans ce cas, notre client recevait chaque jour plus de 20 Go de journaux de sécurité provenant de 25 sources différentes. Le volume de cet afflux de données généré par ses divers systèmes de cybersécurité devait doubler pour atteindre près de 50 Go par jour au cours des trois à quatre prochains mois, même si leurs systèmes sur site ne permettaient pas d’analyser ces données de façon significative afin d’obtenir des informations utiles pour renforcer leur posture en matière de sécurité.

Notre client voulait ingérer cette énorme quantité de données pour améliorer ses systèmes de sécurité. Pour ce faire, il avait besoin d’une plateforme d’analyse de données avancée pouvant être utilisée pour segmenter les données et les analyser afin de suivre les anomalies et mieux visualiser les zones préoccupantes grâce à l’IA/l’apprentissage automatique. Google Cloud était le choix évident, avec Big Query, Looker analytics et des capacités d’IA/apprentissage automatique, car cela lui fournirait une perspective meilleure et plus complète sur la façon de renforcer le système de sécurité.

HCLTech a réalisé la transformation technologique et a permis la migration des systèmes sources et des applications sur site vers la plateforme Google Cloud. La solution comprenait l’ingestion de données en temps réel avec chargement de données par lots et de données historiques, le traitement des données et les fonctionnalités d’analyse de données. Des solutions d’IA/AA ont été conçues pour gérer et surveiller les événements à haut risque et les alertes.

Grâce à l’apprentissage automatique de la plateforme Google Cloud, des modèles d’IA/AA ont été développés pour exploiter l’analyse du comportement des utilisateurs privilégiés (PUBA) pour la détection d’anomalies. De plus, des lacs de données et des martins de données ont été conçus en tirant parti des modèles IA/AA. L’engagement, qui avait commencé par des cas d’utilisation simples, s’est rapidement étendu à des domaines plus critiques pour la mission, car la facilité de visualiser les éléments souhaités à partir des données s’est considérablement améliorée.