En rapport om Singapore viser, at 47 % af organisationerne først opdager databrud, efter at angribere har hentet virksomhedens data. Flere sikkerhedsværktøjer kan skabe et virvar af usammenhængende alarmer, hvis data, ansvar og undersøgelsesarbejde ikke hænger sammen.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: Why are Singapore organisations’ expanding cybersecurity stacks failing to improve breach detection, according to ExtraHop’s Darren Chen and. Article summary: The central problem is that more security tools do not necessarily produce a coherent view of an attack: fragmented environments, weak governance and slow defensive AI adoption can leave attackers undetected for longer.[. Topic tags: general. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbna
Flere cybersikkerhedsprodukter giver ikke automatisk sikkerhedsteams et klart billede af et angreb – eller mulighed for at undersøge det i tide. Ifølge Singapore Business Review opdager 47 % af organisationerne først et databrud, efter at angriberne har hentet virksomhedens data. Rapporten peger også på fragmenterede it-miljøer, svag styring og langsom indførelse af AI som forhold, der kan give angribere længere tid i netværket.4
Udfordringen handler altså ikke kun om, hvor mange værktøjer en organisation har købt. Det afgørende er, om værktøjerne og medarbejderne kan samle relevante signaler til et sammenhængende hændelsesforløb, som kan undersøges og håndteres.
Når sikkerhedsprodukter arbejder hver for sig, viser hvert system måske kun en lille del af et angreb. Medarbejderne skal så sammenholde alarmer og data fra forskellige kilder for at forstå, hvad der er sket. ExtraHop beskriver et lignende problem med for mange værktøjer: Analytikere kan blive overvældet af alarmer, som bliver overset eller aldrig undersøgt, mens informationssiloer skaber blinde vinkler.15
Dermed opstår der et gab mellem at generere alarmer og faktisk opdage et databrud. Flere alarmer er ikke nødvendigvis en hjælp, hvis teamet mangler kontekst, tid eller klare procedurer til at afgøre, hvilke der kræver handling.
Det er vigtigt at forhindre uvedkommende i at komme ind. Men sikkerhedsteams skal også kunne genkende mistænkelig aktivitet, når nogen først er inde i it-miljøet. Det kræver, at relevante signaler kan ses og forstås på tværs af de systemer, der overvåges. Er indsigten fragmenteret, kan det være svært at skelne en enkeltstående hændelse fra et mønster, der bør undersøges.
Den bredere advarsel i rapporten fra Singapore er, at flere sikkerhedsværktøjer ikke i sig selv har lukket hullet i organisationernes indsigt.4 Samarbejde og kapacitet til at undersøge hændelser er derfor lige så vigtigt som selve teknologien.
Sikkerhedsarbejdet kræver klare aftaler om, hvem der gennemgår alarmer, sender bekymringer videre og koordinerer en reaktion. Svag styring kan gøre ansvarsfordelingen uklar, mens data af dårlig kvalitet eller fra systemer, der ikke hænger sammen, kan gøre bevismaterialet vanskeligt at bruge. Begrænset bemanding kan samtidig sætte en grænse for, hvor mange alarmer teamet kan undersøge grundigt.
Det er driftsmæssige svagheder, som ikke løses ved blot at købe endnu et produkt. ExtraHop beskriver, hvordan værktøjsophobning kan føre til, at alarmer ikke bliver undersøgt, mens analytikere kæmper med alarmmængden og informationssiloer.15
AI kan måske hjælpe sikkerhedsteams med at håndtere store datamængder. Men AI i de eksisterende arbejdsgange lukker ikke automatisk huller i indsigt eller undersøgelsesarbejde. ExtraHop argumenterer for, at det ikke i sig selv løser problemet at føje AI til en ældre kæde af sikkerhedsprocesser.8
En mere brugbar rækkefølge er at forbedre kvaliteten og sammenhængen i sikkerhedsdata, tydeliggøre, hvem der har ansvaret for undersøgelser og reaktioner, og få styr på alarmmængden. Så kan AI understøtte en proces med bedre data og klarere ansvar i stedet for blot at skabe endnu flere resultater, som medarbejderne skal håndtere.
Det tilgængelige uddrag af rapporten understøtter ét konkret tal: 47 % af organisationerne i Singapore opdager først databrud, efter at data er blevet hentet af angribere.4 De øvrige tal, der blev nævnt i den oprindelige diskussion – blandt andet om opdagelse via løsesumsbeskeder, alarmer, der ikke undersøges, alarmtræthed eller AI-adoption og -effektivitet – kan ikke bekræftes ud fra de tilgængelige kilder. De bør derfor ikke betragtes som uafhængigt verificerede her.
Det dokumenterede grundlag peger stadig på en klar konklusion: Det er ikke nok at købe flere sikkerhedsprodukter. Organisationer har brug for bedre sammenhæng i overvågningen, data der kan bruges, tydelig ansvarsfordeling og tid til at undersøge hændelser, hvis sikkerhedssignaler skal føre til tidligere opdagelse.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
En rapport om Singapore viser, at 47 % af organisationerne først opdager databrud, efter at angribere har hentet virksomhedens data.
En rapport om Singapore viser, at 47 % af organisationerne først opdager databrud, efter at angribere har hentet virksomhedens data. Flere sikkerhedsværktøjer kan skabe et virvar af usammenhængende alarmer, hvis data, ansvar og undersøgelsesarbejde ikke hænger sammen.
AI kan støtte cybersikkerhedsarbejdet, men løser ikke i sig selv problemer med manglende indsigt, datakvalitet eller uklare arbejdsgange.
En rapport om Singapore viser, at 47 % af organisationerne først opdager databrud, efter at angribere har hentet virksomhedens data. Flere sikkerhedsværktøjer kan skabe et virvar af usammenhængende alarmer, hvis data, ansvar og undersøgelsesarbejde ikke hænger sammen.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: Why are Singapore organisations’ expanding cybersecurity stacks failing to improve breach detection, according to ExtraHop’s Darren Chen and. Article summary: The central problem is that more security tools do not necessarily produce a coherent view of an attack: fragmented environments, weak governance and slow defensive AI adoption can leave attackers undetected for longer.[. Topic tags: general. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbna
Flere cybersikkerhedsprodukter giver ikke automatisk sikkerhedsteams et klart billede af et angreb – eller mulighed for at undersøge det i tide. Ifølge Singapore Business Review opdager 47 % af organisationerne først et databrud, efter at angriberne har hentet virksomhedens data. Rapporten peger også på fragmenterede it-miljøer, svag styring og langsom indførelse af AI som forhold, der kan give angribere længere tid i netværket.4
Udfordringen handler altså ikke kun om, hvor mange værktøjer en organisation har købt. Det afgørende er, om værktøjerne og medarbejderne kan samle relevante signaler til et sammenhængende hændelsesforløb, som kan undersøges og håndteres.
Når sikkerhedsprodukter arbejder hver for sig, viser hvert system måske kun en lille del af et angreb. Medarbejderne skal så sammenholde alarmer og data fra forskellige kilder for at forstå, hvad der er sket. ExtraHop beskriver et lignende problem med for mange værktøjer: Analytikere kan blive overvældet af alarmer, som bliver overset eller aldrig undersøgt, mens informationssiloer skaber blinde vinkler.15
Dermed opstår der et gab mellem at generere alarmer og faktisk opdage et databrud. Flere alarmer er ikke nødvendigvis en hjælp, hvis teamet mangler kontekst, tid eller klare procedurer til at afgøre, hvilke der kræver handling.
Det er vigtigt at forhindre uvedkommende i at komme ind. Men sikkerhedsteams skal også kunne genkende mistænkelig aktivitet, når nogen først er inde i it-miljøet. Det kræver, at relevante signaler kan ses og forstås på tværs af de systemer, der overvåges. Er indsigten fragmenteret, kan det være svært at skelne en enkeltstående hændelse fra et mønster, der bør undersøges.
Den bredere advarsel i rapporten fra Singapore er, at flere sikkerhedsværktøjer ikke i sig selv har lukket hullet i organisationernes indsigt.4 Samarbejde og kapacitet til at undersøge hændelser er derfor lige så vigtigt som selve teknologien.
Sikkerhedsarbejdet kræver klare aftaler om, hvem der gennemgår alarmer, sender bekymringer videre og koordinerer en reaktion. Svag styring kan gøre ansvarsfordelingen uklar, mens data af dårlig kvalitet eller fra systemer, der ikke hænger sammen, kan gøre bevismaterialet vanskeligt at bruge. Begrænset bemanding kan samtidig sætte en grænse for, hvor mange alarmer teamet kan undersøge grundigt.
Det er driftsmæssige svagheder, som ikke løses ved blot at købe endnu et produkt. ExtraHop beskriver, hvordan værktøjsophobning kan føre til, at alarmer ikke bliver undersøgt, mens analytikere kæmper med alarmmængden og informationssiloer.15
AI kan måske hjælpe sikkerhedsteams med at håndtere store datamængder. Men AI i de eksisterende arbejdsgange lukker ikke automatisk huller i indsigt eller undersøgelsesarbejde. ExtraHop argumenterer for, at det ikke i sig selv løser problemet at føje AI til en ældre kæde af sikkerhedsprocesser.8
En mere brugbar rækkefølge er at forbedre kvaliteten og sammenhængen i sikkerhedsdata, tydeliggøre, hvem der har ansvaret for undersøgelser og reaktioner, og få styr på alarmmængden. Så kan AI understøtte en proces med bedre data og klarere ansvar i stedet for blot at skabe endnu flere resultater, som medarbejderne skal håndtere.
Det tilgængelige uddrag af rapporten understøtter ét konkret tal: 47 % af organisationerne i Singapore opdager først databrud, efter at data er blevet hentet af angribere.4 De øvrige tal, der blev nævnt i den oprindelige diskussion – blandt andet om opdagelse via løsesumsbeskeder, alarmer, der ikke undersøges, alarmtræthed eller AI-adoption og -effektivitet – kan ikke bekræftes ud fra de tilgængelige kilder. De bør derfor ikke betragtes som uafhængigt verificerede her.
Det dokumenterede grundlag peger stadig på en klar konklusion: Det er ikke nok at købe flere sikkerhedsprodukter. Organisationer har brug for bedre sammenhæng i overvågningen, data der kan bruges, tydelig ansvarsfordeling og tid til at undersøge hændelser, hvis sikkerhedssignaler skal føre til tidligere opdagelse.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
En rapport om Singapore viser, at 47 % af organisationerne først opdager databrud, efter at angribere har hentet virksomhedens data.
En rapport om Singapore viser, at 47 % af organisationerne først opdager databrud, efter at angribere har hentet virksomhedens data. Flere sikkerhedsværktøjer kan skabe et virvar af usammenhængende alarmer, hvis data, ansvar og undersøgelsesarbejde ikke hænger sammen.
AI kan støtte cybersikkerhedsarbejdet, men løser ikke i sig selv problemer med manglende indsigt, datakvalitet eller uklare arbejdsgange.