חוקי סיווג ו-False Positives
כשכלים רבים מזינים ממצאים למרכז אחד, אוטומציה שומרת על אות נקי. ASPM מספק חוקי סיווג, ניכוי כפילויות, ספריית false-positive, תבניות ממצא וקבוצות ממצא כך שממצאים מסווגים בעקביות ללא מאמץ ידני.
יתרונות עיקריים
Section titled “יתרונות עיקריים”| יתרון | יכולת | ערך עסקי |
|---|---|---|
| עקביות | חוקים מסווגים ממצאים אוטומטית | אותה בעיה מטופלת אותו דבר בכל פעם |
| פחות רעש | dedup + ספריית false-positive | אנליסטים רואים ממצאים ייחודיים ואמיתיים |
| שימוש חוזר | תבניות וקבוצות | ממצאים נפוצים נושאים הנחיות עקביות |
איך זה עובד
Section titled “איך זה עובד”חוקי סיווג
Section titled “חוקי סיווג”חוקי סיווג מתאימים ממצאים נכנסים (לפי דפוס, מקור, חומרה, תגיות) ופועלים עליהם — קביעת חומרה, הקצאה, תיוג, או סימון כ-false positive ידועים — אוטומטית עם הגעת הממצאים.
ניכוי כפילויות וספריית false-positive
Section titled “ניכוי כפילויות וספריית false-positive”ממצאים זהים או חוזרים עוברים ניכוי כפילויות כך שבעיה אחת לא נספרת פעמים רבות. ספריית ה-false-positive זוכרת false positives מאומתים כך שאותו רעש מדוכא בסריקות עתידיות.
תבניות וקבוצות ממצא
Section titled “תבניות וקבוצות ממצא”תבניות ממצא מתקננות את התיאור והתיקון לסוגי ממצא חוזרים. קבוצות ממצא מאגדות ממצאים קשורים כך שניתן לתעדף ולעקוב אחריהם יחד.
מימוש / זרימת עבודה
Section titled “מימוש / זרימת עבודה”- הגדירו חוקי סיווג לדפוסים שאתם רואים לעיתים קרובות.
- אמתו false positives פעם אחת; ספריית ה-false-positive מדכאת אותם מאז.
- השתמשו בתבניות להנחיות עקביות ובקבוצות לתיעדוף מרובה.
שיטות עבודה מומלצות
Section titled “שיטות עבודה מומלצות”- התחילו עם כמה חוקים בעלי ערך גבוה (למשל דיכוי אוטומטי של false positive ידוע של framework) והרחיבו.
- סקרו את ספריית ה-false-positive מעת לעת כך שנסיגות אמיתיות לא יוסתרו.