เสริมความปลอดภัยระบบ Cybersecurity ของธนาคาร สามารถ Forensic ข้อมูลมหาศาลได้ในหลักวินาที
Challenge:
ระบบป้องกันภัยคุกคามไซเบอร์ที่ทำงานได้รวดเร็ว คือสิ่งสำคัญของการทำธุรกิจยุคดิจิทัล
หนึ่งในลูกค้าของ Blendata ซึ่งคือธนาคารชั้นนำของประเทศไทย ต้องการยกระดับการป้องกันภัยคุกคามทางไซเบอร์ ด้วยระบบ Cybersecurity ซึ่งถือเป็นระบบที่มีความจำเป็นอย่างมากสำหรับอุตสาหกรรมธนาคาร เนื่องจากภัยไซเบอร์ในปัจจุบันมีวิธีการโจมตีที่ซับซ้อนและทวีความรุนแรงมากขึ้น ซึ่งเครื่องมือการจัดเก็บข้อมูลแบบเดิม เช่น การจัดเก็บข้อมูลบน Logger มีข้อจำกัดในการรองรับข้อมูลจำนวนมหาศาล ทำให้ผู้ใช้งานไม่สามารถ Forensic ข้อมูลย้อนหลังได้ทันที ส่งผลให้เกิดความล่าช้าในการวิเคราะห์ข้อมูลมหาศาลและไม่สามารถแก้ไขปัญหาที่เกิดขึ้นได้อย่างทันท่วงที
How Blendata helps businesses:
รวบรวมข้อมูลจากทุกแหล่ง ให้พร้อมเข้าสู่กระบวนการ Forensic ข้อมูลได้ทันท่วงที
Blendata ทำการรวบรวมข้อมูลที่เกี่ยวข้องจากทุกอุปกรณ์ ไม่ว่าจะเป็น Security device, Network, Device, Infrastructure หรือแม้กระทั่ง Application data มาจัดเก็บไว้ในที่เดียว เพื่อให้นักวิเคราะห์ข้อมูลทำการ Forensic ข้อมูลและวิเคราะห์ข้อมูลย้อนหลังที่มีจำนวนมหาศาลได้ทันที ซึ่งทำให้แก้ปัญหาที่เกิดขึ้นได้อย่างรวดเร็ว นอกจากนี้ Blendata ยังนำฟังก์ชันต่าง ๆ เข้าไปประยุกต์กับความต้องการของลูกค้า ไม่ว่าจะเป็นฟังก์ชันในการวิเคราะห์ข้อมูล เช่น Simple query, Visualization, Dashboard หรือการแจ้งเตือนด้วยฟังก์ชัน Notification พร้อมทั้งรองรับการต่อยอดการทำ AI/ML บน Notebook interface เพื่อให้นักวิเคราะห์ข้อมูลสามารถปรับปรุงเฟรมเวิร์กและสร้างโมเดลทำนายภัยคุกคามทางไซเบอร์ เช่น การตรวจจับความผิดปกติและการวิเคราะห์พฤติกรรมได้อีกด้วย
Outcome:
เพิ่มความแข็งแกร่งให้กับกรอบการป้องกันความปลอดภัยทางไซเบอร์ขององค์กร
จากระบบเดิมที่นักวิเคราะห์ข้อมูลด้านความปลอดภัยไม่สามารถ Forensic ข้อมูลและวิเคราะห์ข้อมูลย้อนหลังที่ถูกจัดเก็บเป็นเวลานานได้ เมื่อเปลี่ยนมาใช้ Blendata Enterprise นักวิเคราะห์ข้อมูลด้านความปลอดภัยสามารถทำการ Forensic ข้อมูลด้วยความรวดเร็วแม้เป็นข้อมูลย้อนหลังจำนวนมหาศาลและวิเคราะห์ข้อมูลได้อย่างอิสระ ไม่ถูกจำกัดการใช้งานตามข้อกำหนด ไม่ว่าจะเป็นจำนวน Report หรือจำนวนฟิลด์ในการเก็บข้อมูล โดยสามารถสร้างขึ้นเท่าไหร่ก็ได้ตามความต้องการ อีกทั้งเมื่อมีข้อมูลเกี่ยวกับพฤติกรรม (Behavior) ของลูกค้าขนาดใหญ่อยู่ในมือแล้ว นักวิเคราะห์ข้อมูลด้านความปลอดภัยสามารถสร้างโมเดลการทำนายภัยคุกคามได้ ซึ่งเป็นอีกเทคนิคที่จะช่วยเพิ่มความปลอดภัยให้กับระบบโครงสร้างสารสนเทศของทางธนาคาร เพื่อรักษาความปลอดภัยของข้อมูลลูกค้าได้ดียิ่งขึ้น
Customers Success
