02/02/2017 di Redazione

Hpe acquista la sicurezza comportamentale di Niara

Hewlett Packard Enterprise ha annunciato l’acquisizione di un'azienda californiana specializzata in analytics comportamentali e intelligenza artificiale applicata alla sicurezza. La tecnologia sarà integrata nell'offerta Aruba Networks.

immagine.jpg

Hpe guadagna un tassello software, andando a rafforzare la propria offerta di sicurezza a marchio Aruba. L'ultimo acquisto di Hewlett Packard Enterprise si chiama Niara ed è una società di Sunnyvale, California, specializzata in “user and entity behavior analytics” (Ueba), cioè in analitiche comportamentali applicate alle persone e agli oggetti connessi. Secondo la definizione di Gartner, la tecnologia Ueba permette di indviduare anomalie e dunque possibili rischi correlando e analizzando dati; la finalità è quella di aiutare le aziende a proteggere i propri sistemi e i propri dati da accessi non autorizzati o malevoli provenienti, dell'interno e dall'esterno del perimetro It dell'organizzazione.

Si tratta di tecnologie di sicurezza innovative, che sfruttano l'intelligenza artificiale ovvero gli algoritmi di machine learning. Un campo promettente, a giudicare dall'interesse di Hpe (società che pure negli ultimi mesi si è liberata di buona parte delle proprie attività software). L'obiettivo è ora quello di proporsi con più forza come fornitore di sicurezza per le reti Internet of Things dal momento che la tecnologia di Niara sarà integrata all'interno dell'offerta Aruba ClearPass, cioè dell'offerta di sicurezza di rete, per il monitoraggio e il rilevamento degli attacchi su reti cablate e wireless, che Hpe aveva portato in casa acquisendo Aruba Networks.

L'integrazione con la tecnologia ClearPass di Aruba”, ha sottolineato Sriram Ramachandran, Ceo e cofondatore di Niara, “permetterà di mettere a punto una soluzione completa in grado di garantire visibilità real time e analisi predittiva dei potenziali rischi che possono insorgere in un ambiente enterprise”.

 

 

La tecnologia di Niara può analizzare dati di diverso tipo (log, procedure di autenticazione, accesso remoto, scambio di dati peer-to-peer, utilizzo del cloud, navigazione Web e altro ancora) provenienti da una molteplicità di fonti. Applicando il machine learning a questi dati si possono derivare modelli comportamentali che definiscono la “normalità”, e dunque diventa più semplice notare anomalie, potenziali malfunzionamenti o attacchi.


 

ARTICOLI CORRELATI