MDR (Managed Detection and Response) und XDR (Extended Detection and Response) werden von vielen Anbietern als fortschrittliche Lösungen zur umfassenden Abwehr von Cyberangriffen angepriesen. Beide Ansätze in Kombination beinhalten ein rund um die Uhr verfügbares Security Operations Center (SOC), die Software des Anbieters zur erweiterten Datensammlung und Bedrohungserkennung sowie die Anbindung weiterer Datenquellen.
Jedoch stoßen viele MDR- und XDR-Lösungen an ihre Grenzen, da die Software des Anbieters entweder nicht alle Bereiche zuverlässig abdeckt oder erhebliche Konfigurationsanforderungen stellt, um Datenquellen anzubinden. Dies erfordert ständige Anpassungen in Zusammenarbeit mit dem Anbieter.
Der Anbindungsprozess stellt eine Schwachstelle dar, da das System nur mit den Daten arbeiten kann, die ihm zur Verfügung gestellt werden. Wenn externe Datenquellen wie Firewalls, Cloud usw. nicht eingebunden sind, werden Bedrohungen oft übersehen.
In der Welt der Cybersicherheit geht es nicht nur um schnelle Reaktionszeiten, wie sie in vielen MDR- und XDR-Services durch SLAs garantiert werden. Viel wichtiger ist die individuelle, situationsabhängige Beurteilung und die Umsetzung geeigneter Maßnahmen. KI und Machine Learning können viele Aufgaben in Maschinengeschwindigkeit erledigen. Wenn jedoch ein Analyst eingreifen muss, ist es manchmal ratsam, nicht sofort Maßnahmen zu ergreifen, sondern zunächst den Umfang des Angriffs vollständig aufzuklären, um den Angreifer nachhaltig aus dem Netzwerk zu entfernen. Eine überhastete Reaktion könnte mehr Schaden anrichten. Standardisierte SLAs könnten in solchen Fällen kontraproduktiv sein. Die maßgeschneiderte Reaktion auf den konkreten Fall ist der Schlüssel zur langfristigen Cybersicherheit.