🇦🇺iTNews Australia•較早收集於 5m
NAB 將 SecOps 策略轉向數據驅動的 AI 營運
💡了解大型金融機構如何利用 AI 與數據工程人才重組其安全團隊。
⚡ 30-Second TL;DR
有什麼變化
向以數據為中心的安全營運策略轉型
為什麼重要
此舉標誌著銀行業的一個廣泛趨勢，即傳統安全團隊正透過 AI 與數據工程人才進行擴充，以實現事件回應的自動化。
下一步行動
審查您目前的安全技術堆疊，找出可以由自動化異常偵測模型取代的手動流程。
誰應關注：Enterprise & Security Teams
關鍵要點
- •向以數據為中心的安全營運策略轉型
- •增加對數據科學與軟體工程人才的招聘力度
- •整合先進分析技術以提升威脅偵測能力
🧠 深度解析
本篇為 AI 生成分析，非原文內容。
🔑 增強重點摘要
- •NAB 此次轉型是其長期雲端優先（Cloud-First）策略的一部分，旨在將安全營運從傳統的被動防禦轉向主動的威脅獵捕（Threat Hunting）。
- •該銀行正在利用生成式 AI 與機器學習模型來自動化處理安全警報，以解決安全營運中心（SOC）分析師面臨的警報疲勞（Alert Fatigue）問題。
- •NAB 正在推動安全即代碼（Security-as-Code）實踐，將安全控制措施直接嵌入到 CI/CD 管道中，以縮短軟體交付週期並降低風險。
- •此策略轉向與 NAB 過去幾年大規模遷移至 AWS 與 Azure 的基礎設施密切相關，利用雲端原生的數據湖（Data Lake）進行即時安全分析。
- •NAB 正在與外部技術合作夥伴共同開發專有的安全分析平台，以減少對傳統第三方安全資訊與事件管理（SIEM）工具的依賴。
📊 競品分析▸ Show
| 比較項目 | NAB (數據驅動 SecOps) | 澳洲聯邦銀行 (CBA) | 西太平洋銀行 (Westpac) |
|---|---|---|---|
| 核心策略 | 內部開發與數據科學整合 | 混合雲與自動化防禦 | 傳統 SIEM 升級與外包 |
| 人才重點 | 數據科學家與軟體工程師 | 網絡安全分析師 | 傳統安全營運人員 |
| 技術成熟度 | 高 (雲端原生整合) | 中高 (自動化優先) | 中 (逐步轉型) |
🛠️ 技術深入
- 採用雲端原生數據架構，將安全日誌集中於統一的數據湖，支援大規模即時查詢。
- 利用機器學習演算法進行異常行為偵測（UEBA），識別偏離基線的用戶與系統活動。
- 實施自動化編排與回應（SOAR）平台，將常見威脅的處理流程自動化，減少人工介入。
- 整合 API 安全監控，針對銀行開放銀行（Open Banking）架構中的微服務進行深度流量分析。
🔮 前景展望AI analysis grounded in cited sources
NAB 將在 2027 年前實現超過 60% 的安全警報自動化處理。
隨著數據驅動策略的深入，自動化處理能力的提升將顯著降低對一線安全分析師的依賴。
NAB 的軟體交付速度將因安全控制的自動化整合而提升 20% 以上。
安全即代碼的實施消除了傳統安全審查流程中的瓶頸，使開發與安全團隊能更緊密協作。
⏳ 時間線
2020-05
NAB 宣布加速雲端遷移計畫，為後續數據驅動安全奠定基礎。
2022-11
NAB 擴大與雲端服務供應商的合作，強化安全數據分析能力。
2024-03
NAB 開始試點將 AI 模型應用於威脅偵測與自動化回應。
2025-09
NAB 正式啟動 SecOps 轉型計畫，重組安全營運團隊架構。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： iTNews Australia ↗
每週 AI 簡報
每週一封，可隨時退訂。