Laporan tentang Singapura menyebut 47% organisasi baru mengetahui kebocoran setelah penyerang mengekfiltrasi data perusahaan.[4] Alat yang berjalan sendiri sendiri dapat membuat sinyal keamanan terpecah, sementara peringatan menumpuk dan sebagian tidak ditindaklanjuti.[15] AI bukan solusi instan: kualitas data, keje...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian

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
Menambah produk keamanan siber belum tentu membuat serangan lebih cepat terdeteksi. Laporan Singapore Business Review menyebut 47% organisasi di Singapura baru mengetahui kebocoran setelah penyerang mengekfiltrasi data perusahaan.4 Laporan itu juga menyoroti lingkungan teknologi yang terfragmentasi, tata kelola yang lemah, dan adopsi AI yang lambat sebagai faktor yang memberi penyerang lebih banyak waktu berada di dalam jaringan.
Jadi, persoalannya bukan sekadar berapa banyak alat yang dimiliki perusahaan. Yang lebih penting adalah apakah alat dan tim yang mengoperasikannya mampu menyatukan sinyal yang relevan, memahami kejadian, lalu menyelidikinya tepat waktu.
Ketika produk keamanan bekerja dalam silo, masing-masing mungkin hanya memperlihatkan sebagian dari sebuah insiden. Tim harus mencocokkan peringatan dan sumber data yang terpisah untuk memahami rangkaian kejadian. ExtraHop menggambarkan masalah serupa: analis bisa kewalahan oleh deteksi yang diabaikan atau tidak pernah diselidiki, sementara silo informasi menciptakan titik buta.15
Akibatnya, ada jarak antara menghasilkan peringatan dan benar-benar mendeteksi kebocoran. Banyaknya peringatan tidak otomatis membuat pertahanan lebih efektif jika tim kekurangan konteks, waktu, atau proses untuk menentukan mana yang perlu segera ditangani.
Mencegah akses tanpa izin tetap penting. Namun, tim keamanan juga perlu mengenali aktivitas mencurigakan yang terjadi di dalam lingkungan perusahaan. Itu membutuhkan sinyal yang relevan, terlihat, dan dapat dipahami di berbagai sistem yang dipantau.
Jika visibilitas terpecah-pecah, tim pertahanan bisa kesulitan membedakan kejadian tunggal dari rangkaian aktivitas yang patut diselidiki. Peringatan dari laporan Singapura adalah bahwa penambahan alat keamanan saja belum menutup kesenjangan visibilitas tersebut.4 Karena itu, koordinasi dan kapasitas investigasi sama pentingnya dengan perangkat yang digunakan.
Operasi keamanan membutuhkan pembagian tanggung jawab yang jelas: siapa yang meninjau peringatan, mengeskalasi dugaan ancaman, dan mengoordinasikan respons. Tata kelola yang lemah dapat mengaburkan pembagian tugas tersebut. Sementara itu, data yang tidak terhubung atau mutunya buruk membuat bukti lebih sulit digunakan. Keterbatasan personel juga bisa membatasi jumlah kasus yang dapat diselidiki tim.
Kelemahan operasional ini tidak otomatis selesai dengan membeli produk lain. Uraian ExtraHop tentang penumpukan alat menunjukkan risikonya: deteksi bisa luput dari penyelidikan ketika analis menghadapi banjir peringatan dan silo informasi.15
AI berpotensi membantu tim keamanan menangani informasi dalam jumlah besar. Namun, menambahkan AI ke proses yang sudah ada tidak serta-merta memperbaiki masalah visibilitas atau investigasi. ExtraHop menilai bahwa menyisipkan AI ke dalam alur operasi keamanan lama saja tidak cukup untuk menutup kesenjangan tersebut.8
Langkah yang lebih masuk akal adalah memperbaiki mutu dan keterhubungan data keamanan, memperjelas siapa yang bertanggung jawab atas investigasi dan respons, serta mengurangi beban peringatan yang tidak tertangani. Dengan begitu, AI dapat mendukung proses yang memiliki masukan lebih baik dan tanggung jawab yang lebih jelas—bukan sekadar menambah keluaran baru yang harus dikelola tim.
Kutipan laporan yang tersedia mendukung satu angka spesifik: 47% organisasi di Singapura baru mengetahui kebocoran setelah data diekfiltrasi.4 Sumber yang disediakan tidak menguatkan angka lain yang muncul dalam pembahasan, termasuk perkiraan tentang penemuan serangan melalui catatan tebusan, peringatan yang tidak diselidiki, kelelahan akibat peringatan, atau tingkat adopsi maupun kinerja AI. Karena itu, angka-angka tersebut tidak dapat dianggap terverifikasi secara independen berdasarkan bukti yang tersedia di sini.
Meski begitu, temuan yang didukung sumber menunjukkan satu kesimpulan: membeli lebih banyak produk keamanan saja tidak cukup. Visibilitas yang saling terhubung, data yang dapat digunakan, tata kelola yang jelas, dan waktu untuk menyelidiki insiden dibutuhkan agar sinyal keamanan dapat membantu mendeteksi serangan lebih awal.
Studio Global AI
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Laporan tentang Singapura menyebut 47% organisasi baru mengetahui kebocoran setelah penyerang mengekfiltrasi data perusahaan.[4]
Laporan tentang Singapura menyebut 47% organisasi baru mengetahui kebocoran setelah penyerang mengekfiltrasi data perusahaan.[4] Alat yang berjalan sendiri sendiri dapat membuat sinyal keamanan terpecah, sementara peringatan menumpuk dan sebagian tidak ditindaklanjuti.[15]
AI bukan solusi instan: kualitas data, kejelasan tanggung jawab, dan proses investigasi perlu dibenahi agar teknologi dapat membantu.[8]
Laporan tentang Singapura menyebut 47% organisasi baru mengetahui kebocoran setelah penyerang mengekfiltrasi data perusahaan.[4] Alat yang berjalan sendiri sendiri dapat membuat sinyal keamanan terpecah, sementara peringatan menumpuk dan sebagian tidak ditindaklanjuti.[15] AI bukan solusi instan: kualitas data, keje...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian

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
Menambah produk keamanan siber belum tentu membuat serangan lebih cepat terdeteksi. Laporan Singapore Business Review menyebut 47% organisasi di Singapura baru mengetahui kebocoran setelah penyerang mengekfiltrasi data perusahaan.4 Laporan itu juga menyoroti lingkungan teknologi yang terfragmentasi, tata kelola yang lemah, dan adopsi AI yang lambat sebagai faktor yang memberi penyerang lebih banyak waktu berada di dalam jaringan.
Jadi, persoalannya bukan sekadar berapa banyak alat yang dimiliki perusahaan. Yang lebih penting adalah apakah alat dan tim yang mengoperasikannya mampu menyatukan sinyal yang relevan, memahami kejadian, lalu menyelidikinya tepat waktu.
Ketika produk keamanan bekerja dalam silo, masing-masing mungkin hanya memperlihatkan sebagian dari sebuah insiden. Tim harus mencocokkan peringatan dan sumber data yang terpisah untuk memahami rangkaian kejadian. ExtraHop menggambarkan masalah serupa: analis bisa kewalahan oleh deteksi yang diabaikan atau tidak pernah diselidiki, sementara silo informasi menciptakan titik buta.15
Akibatnya, ada jarak antara menghasilkan peringatan dan benar-benar mendeteksi kebocoran. Banyaknya peringatan tidak otomatis membuat pertahanan lebih efektif jika tim kekurangan konteks, waktu, atau proses untuk menentukan mana yang perlu segera ditangani.
Mencegah akses tanpa izin tetap penting. Namun, tim keamanan juga perlu mengenali aktivitas mencurigakan yang terjadi di dalam lingkungan perusahaan. Itu membutuhkan sinyal yang relevan, terlihat, dan dapat dipahami di berbagai sistem yang dipantau.
Jika visibilitas terpecah-pecah, tim pertahanan bisa kesulitan membedakan kejadian tunggal dari rangkaian aktivitas yang patut diselidiki. Peringatan dari laporan Singapura adalah bahwa penambahan alat keamanan saja belum menutup kesenjangan visibilitas tersebut.4 Karena itu, koordinasi dan kapasitas investigasi sama pentingnya dengan perangkat yang digunakan.
Operasi keamanan membutuhkan pembagian tanggung jawab yang jelas: siapa yang meninjau peringatan, mengeskalasi dugaan ancaman, dan mengoordinasikan respons. Tata kelola yang lemah dapat mengaburkan pembagian tugas tersebut. Sementara itu, data yang tidak terhubung atau mutunya buruk membuat bukti lebih sulit digunakan. Keterbatasan personel juga bisa membatasi jumlah kasus yang dapat diselidiki tim.
Kelemahan operasional ini tidak otomatis selesai dengan membeli produk lain. Uraian ExtraHop tentang penumpukan alat menunjukkan risikonya: deteksi bisa luput dari penyelidikan ketika analis menghadapi banjir peringatan dan silo informasi.15
AI berpotensi membantu tim keamanan menangani informasi dalam jumlah besar. Namun, menambahkan AI ke proses yang sudah ada tidak serta-merta memperbaiki masalah visibilitas atau investigasi. ExtraHop menilai bahwa menyisipkan AI ke dalam alur operasi keamanan lama saja tidak cukup untuk menutup kesenjangan tersebut.8
Langkah yang lebih masuk akal adalah memperbaiki mutu dan keterhubungan data keamanan, memperjelas siapa yang bertanggung jawab atas investigasi dan respons, serta mengurangi beban peringatan yang tidak tertangani. Dengan begitu, AI dapat mendukung proses yang memiliki masukan lebih baik dan tanggung jawab yang lebih jelas—bukan sekadar menambah keluaran baru yang harus dikelola tim.
Kutipan laporan yang tersedia mendukung satu angka spesifik: 47% organisasi di Singapura baru mengetahui kebocoran setelah data diekfiltrasi.4 Sumber yang disediakan tidak menguatkan angka lain yang muncul dalam pembahasan, termasuk perkiraan tentang penemuan serangan melalui catatan tebusan, peringatan yang tidak diselidiki, kelelahan akibat peringatan, atau tingkat adopsi maupun kinerja AI. Karena itu, angka-angka tersebut tidak dapat dianggap terverifikasi secara independen berdasarkan bukti yang tersedia di sini.
Meski begitu, temuan yang didukung sumber menunjukkan satu kesimpulan: membeli lebih banyak produk keamanan saja tidak cukup. Visibilitas yang saling terhubung, data yang dapat digunakan, tata kelola yang jelas, dan waktu untuk menyelidiki insiden dibutuhkan agar sinyal keamanan dapat membantu mendeteksi serangan lebih awal.
Studio Global AI
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Laporan tentang Singapura menyebut 47% organisasi baru mengetahui kebocoran setelah penyerang mengekfiltrasi data perusahaan.[4]
Laporan tentang Singapura menyebut 47% organisasi baru mengetahui kebocoran setelah penyerang mengekfiltrasi data perusahaan.[4] Alat yang berjalan sendiri sendiri dapat membuat sinyal keamanan terpecah, sementara peringatan menumpuk dan sebagian tidak ditindaklanjuti.[15]
AI bukan solusi instan: kualitas data, kejelasan tanggung jawab, dan proses investigasi perlu dibenahi agar teknologi dapat membantu.[8]