KI im Security Operations Center (SOC): Anomalie- und Angriffserkennung mit ML

KI im Security Operations Center (SOC): Anomalie- und Angriffserkennung mit ML.

MODUL 01: KI IN DER CYBERABWEHR

• Die Grenzen signaturbasierter Erkennung
• ML-Anwendungsfelder: UEBA, Netzwerk-, Endpoint- und Log-Analyse
• Marktüberblick: KI-Funktionen in SIEM/XDR-Plattformen
• Wo KI dem Analysten den Rücken freihält
• Ihre Ausgangslage: Wo ertrinken Sie in Alarmen?

MODUL 02: ANOMALIEERKENNUNG IN SICHERHEITSDATEN

• Baseline-Bildung und Ausreißererkennung in Logs
• User and Entity Behavior Analytics (UEBA)
• Übung: Sie spüren Anomalien in Log-Daten auf
• Der Aha-Moment: das ungewöhnliche Verhalten, das kein Signatur-Alert fand
• Normal von auffällig unterscheiden

MODUL 03: ALARME INTELLIGENT VERARBEITEN

• Alert-Triage und Priorisierung mit ML
• LLM-gestützte Incident-Analyse und Anreicherung
• Die False-Positive-Flut beherrschen
• Übung: Sie bündeln und priorisieren Alarme
• Analysten entlasten statt zusätzlich belasten

MODUL 04: BETRIEB UND GRENZEN

• Modell-Drift und Angreifer, die mitlernen
• Explainability für SOC-Analysten
• Fallstudie: ML-gestützte Erkennung eines Angriffsszenarios
• Wann KI hilft – und wann sie in die Irre führt
• Ihr Fahrplan zum KI-gestützten SOC