Optimisation et visibilité des pare-feu pilotées par l'IA avec Insights

Le défi

Malgré un risque de politique connu, l'équipe ne disposait d'aucun référentiel comparatif ni de mesures par équipement permettant de valider ce qui fonctionnait, ou de se situer par rapport aux normes du secteur. Les rapports manuels rendaient difficile l'identification de problèmes tels que les règles redondantes, les accès inutilisés ou les erreurs de configuration, laissant plus de 6 400 échecs de contrôle de niveau moyen non détectés et non traités.

L'entreprise recherchait :

• Un moyen de comparer les performances des pare-feu entre les sites et les équipements
• Une visibilité en temps réel sur la qualité des règles et les échecs de contrôle
• Des recommandations précises pour prioriser le nettoyage
• Des tableaux de bord de direction démontrant clairement les progrès
• Des outils pour exposer les risques cachés, la surcharge de règles et les accès redondants

La solution

En une semaine après le déploiement, FireMon Insights a transformé la capacité de l'équipe à comprendre, évaluer et traiter l'état de santé de la politique de pare-feu.

• Une analyse comparative en temps réel avec des organisations similaires pour faire remonter les signaux d'alerte dans leur environnement
• La détection des règles redondantes à partir des rapports d'utilisation des règles et des objets
• Les tableaux de bord de complexité ont fait apparaître un groupe supplémentaire de règles redondantes
• Les informations par équipement ont révélé les pare-feu porteurs du plus de risque et de surcharge
• Les rapports de nettoyage pilotés par l'IA (objets dupliqués, règles inutilisées, candidats à la suppression) ont accéléré les efforts de réduction des règles
• Le rapport de consolidation des règles a guidé la simplification des lignes de politique redondantes ou inefficaces
• Les tendances des indicateurs clés ont montré une amélioration immédiate de la redondance, de l'utilisation et des échecs de contrôle

Résultats

• Insights a mis au jour un taux d'échec des contrôles de niveau moyen de 96.12%, soit plus du double de la moyenne du secteur de 46%
• Une baisse de 13.06% des règles redondantes dès le premier mois
• Une visibilité en temps réel sur l'état de santé des règles et les échecs de contrôle
• L'analyse comparative sectorielle a identifié les angles morts du risque en matière d'échecs de contrôle et d'utilisation
• Les actions de nettoyage recommandées par l'IA ont permis une réduction des règles rapide et fiable
• Les tableaux de bord de direction ont facilité le suivi, le reporting et la validation de la remédiation
• Des décisions de politique fondées sur les données, et non sur des suppositions
• Un retour sur investissement immédiat, avec des informations exploitables dès la première semaine