Accueil > Domaines > Sécurité > Lutte informatique défensive

Lutte informatique défensive

SOC, CERT et CTI, autant d'acronymes au cœur de la Lutte Informatique Défensive (LID). La LID constitue l'ensemble coordonné d’actions qui consistent à détecter, analyser, prévenir des cyberattaques, et à y réagir le cas échéant.

En quatre jours, cette formation couvre une vue d'ensemble des processus et moyens exploités par les équipes de CTI ,de SOC et de CERT pour assurer les fonctions de détection, de confinement et d'assainissement des menaces informatiques.

L'équilibre entre les aspects théoriques et pratiques de la formation assure au stagiaire l'acquisition de compétences durables qu'il saura aisément actionner pour mettre en place la posture de défense optimale de son organisation face aux cyber-menaces actuelles.

Objectifs

Comprendre l'utilité de la CTI, des SOC et des CERT/CSIRT
Connaître les outils et technologies utilisés
Savoir comment analyser et détecter une menace
Donner une vision complète des moyens de défense face aux menaces

Public

RSSI, DSI
consultants en sécurité
ingénieurs, techniciens
administrateurs systèmes & réseaux
développeurs

Prérequis

Connaissances de base en système, réseau et développement.
Connaissance de l’environnement Linux conseillée.

Programme de la formation

Introduction

CTI

Définition
Les règles
Analyser une intrusion
Partager

SOC

Contexte et besoin
Terminologie
Législation et cadre réglementaire
Les grandes étapes de la détections d’incidents
Établir une stratégie de détection d’intrusion
Capture et analyse de l’activité pour la détection d’intrusion
NIDS: Network Intrusion Detection System
HIDS: Host Intrusion Detection System
Phase de collecte et d’analyse des évènements
Exemples de SIEM

CERT

Comprendre la menace
La réponse à incidents
Organisation du SOC/CERT
L’analyse forensique
L’analyse de malware
Productions d’indicateurs de compromission et de règles de détection
Outillage pour l’investigation

La LID passe à l’échelle

Intelligence et Operations
IACD
Machine Learning Non-supervisé pour l’anomaly détection
Machine Learning supervisé

Conclusions sur l’automatisation de la LID

Informations pratiques

Il est demandé aux stagiaires de se munir d'un ordinateur portable portable :

Ubuntu ou Debian à jour
RAM: minimum 6Go, conseillé 8Go
Equipé de Virtual Box (logiciel gratuit)

Méthode pédagogique

Chaque participant travaille sur un poste informatique qui lui est dédié. Un support de cours lui est remis soit en début soit en fin de cours. La théorie est complétée par des cas pratiques ou exercices corrigés et discutés avec le formateur. Le formateur projette une présentation pour animer la formation et reste disponible pour répondre à toutes les questions.

Méthode d'évaluation

Tout au long de la formation, les exercices et mises en situation permettent de valider et contrôler les acquis du stagiaire. En fin de formation, le stagiaire complète un QCM d'auto-évaluation.