PingOne Risk

PingOne Riskでは、さまざまなリスク予測因子に値を割り当てて全体的なリスクを計算できます。 リスクスコアやしきい値を調整して組織の要件やユースケースに適合させたり、集約されたスコアを上書きする優先度の高いカスタムなスコアを作成したりできます。 リスクポリシーには次のようなものがあります:

• 匿名ネットワーク

• 地理的ベロシティの異常

• IPレピュテーション

• IPベロシティ

• ユーザーの場所の異常

• ユーザーのリスク行動

• ユーザーベロシティ

• ユーザーベースのリスクモデル

• カスタム/サードパーティの予測因子

悪意のあるユーザーは通常、正当なユーザーのようにはサインオンしません。 異常なユーザー行動を識別することで悪意のある操作を検出できますが、そのためには莫大な量の認証データを分析し、行動パターンを学習することが必要になります。

PingOne Riskは、機械学習を使用して、通常と異なる行為をユーザーの基準と組織の基準にてらして検出します。 機械学習をUEBA（User and Entity Behavior Analytics: ユーザーおよびエンティティの行動分析）に適用し、ユーザーの過去の行動と比較して、通常と異なる行動を継続的に分析します。

組織のどこにリスクが潜んでいるかを理解すれば、認証に関する判断を適切に行い、セキュリティ体制を強化することができます。 PingOne Riskの強固なダッシュボードとレポートを使用し、危険なイベントの分布、高リスクな場所、高リスクな要素、最も危険なユーザー、ブラウザーのシェア、OSのシェアに関する有益なインサイトを入手することができます。 監視されたユーザー活動を高度なフィルターオプションを使用して調べることで、リスクデータをより深く理解することができます。