解説

UEBA（User and Entity Behavior Analytics：ユーザーとエンティティの行動分析）は、機械学習・統計解析を用いてユーザー（従業員・管理者等）やエンティティ（サーバ・デバイス・アプリケーション等）の通常の行動パターン（ベースライン）を学習し、そこから逸脱した異常な振る舞いをリアルタイムに検知するセキュリティ技術。内部不正（インサイダー脅威）・侵害されたアカウントによる横展開・APT（高度持続的脅威）など、シグネチャベースのセキュリティツールでは検知困難な脅威の発見に有効。例えば：通常は日本からのみアクセスする従業員が海外から深夜に大量データをダウンロードした場合や、退職直前に大量ファイルを外部にコピーした場合などを異常として検知できる。SIEMの進化形として、機械学習による自動ベースライン設定と異常スコアリングが特徴。Gartnerが2015年頃から提唱し普及したカテゴリ。

なぜ他の選択肢は違うのか

選択肢 ア

指紋・静脈・虹彩などの身体的・生理的特徴を使って本人確認を行うのは生体認証（バイオメトリクス認証）の機能。人体の生物学的特徴で個人を識別する技術であり、行動パターンを分析するUEBAとは全く異なる目的・手法。生体認証はAuthentication（認証）の一手段であり、UEBAはセキュリティ監視・脅威検知の技術。

選択肢 イ

情報への論理的アクセスを制御する（誰がどのリソースにアクセスできるかを決定・強制する）のはIAM（Identity and Access Management）・アクセス制御リスト（ACL）・RBAC（Role-Based Access Control）等の機能。アクセスの許可・拒否を制御するアクセス制御とUEBAの振る舞い分析・異常検知は目的が異なる。UEBAはアクセスを制御するのではなく、すでに許可されたアクセスの中の異常を検知する。

選択肢 ウ

USBメモリへのデータ格納時に暗号化するのはメディア暗号化ツール（BitLocker To Go等）またはDLP（Data Loss Prevention：情報漏洩防止）ソリューションの機能。データの暗号化は機密情報の保護技術であり、ユーザーの行動パターンを分析して異常を検知するUEBAとは全く異なる機能。

解くときのポイント

UEBAはSIEMの進化形として、機械学習でベースライン行動を学習し逸脱を検知する。内部不正対策やAPT（高度持続的脅威）の検出に活用される。