Forelesning 13

1. Forelesning 13 Risikoanalyser HiØ forelesning 13

2. Hvorfor risikoanalyser • Må kunne ha tillit til at • HMS ivaretas på en tilfredsstillende måte (som medarbeider og omgivelse) • materielle verdier beskyttes (som eier og medarbeider – og kunde • virksomhetens økonomi og omdømme ivaretas (eier og medarbeider – og kunde) • Hvordan skal ledelse fortjene tillit? • Ved å ha en formening om hva slags ulykker, uhell, feil, svikt eller kriminelle handlinger som kan medføre skade på mennesker, miljø, materielle verdier, økonomiske tap eller tap av omdømme. • Gjøre bevisste valg av tiltak for å unngå, hindre eller redusere omfanget av slike hendelser. • Risikoanalyser er grunnlaget for å kunne gjøre bevisste valg • I tillegg stilles det krav fra myndighetene om gjennomføring av risikoanalyser eller risikovurderinger; HiØ forelesning 13

3. Lover og forskrifter • Personopplysningsloven • Datatilsynet kan gi pålegg om sikring av personopplysninger og herunder fastlegge kriterier for akseptabel risiko forbundet med behandlingen av personopplysninger. • Personopplysningsforskriften • Forskriften pålegger at det skal gjennomføres risikovurdering(er), og at sikkerhetstiltak skal innføres for å håndtere risiko. • Beskyttelsesinstruksen • Tempestrisikovurdering (når påkrevd) • Helseregisterloven • krav om å gjennomføre risikovurdering som grunnlag for å avklare behov for tiltak, og videre at det må etableres et styringssystem for informasjonssikkerhetsarbeidet • Beredskapsforskriften for kraftforsyningen • Det gis rom for å oppfylle funksjonskravene på måter enhetene selv mener er mest effektivt, basert på gjennomførte sårbarhets- og risikoanalyser. • plikter eieren av anlegget å utføre nødvendige risiko- og sårbarhetsanalyser og gjennomføre aktuelle mottiltak og klargjøre beredskap for å håndtere ekstraordinære situasjoner. • Lov om Schengen informasjonssystem (SIS-loven) • krav om å gjennomføre risikovurdering som grunnlag for å avklare behov for tiltak, og videre at det må etableres et styringssystem for informasjonssikkerhetsarbeidet. • SIS-forskriften • Forskriften pålegger at det skal gjennomføres risikovurdering(er) og at sikkerhetstiltak skal innføres for å håndtere risiko. HiØ forelesning 13

4. Risiko og sikkerhet • Risiko kan uttrykke • Mulighet for gevinst – på Lotto, børs osv., også kalt spekulativ risiko; • Mulighet for tap (av verdier, helse, liv, ..); • Vi skal kun befatte oss med muligheten for tap. • En uønsket hendelse er en hendelse eller tilstand som kan medføre skade på mennesker, miljø og materielle verdier. • Risikobegrepet uttrykker en antagelse om hvor stor sannsynlighet det er for at en uønsket hendelse skal inntreffe og skadens størrelse eller omfang. HiØ forelesning 13

5. Risiko = Sannsynlighet * Konsekvens Sannsynlighet eller Mulighet Uakseptabel risiko Akseptkriterium Akseptabel risiko Konsekvens HiØ forelesning 13

6. Risikoanalyse • Systematisk fremgangsmåte for å beskrive og beregne risiko. • Hensikt • Gi en oversikt over de farer som eksisterer (trusselidentifikasjon); • Gi retningslinjer for prioritering av risikoreduserende tiltak som å • unngå skade (redusere sannsynligheten eller muligheten for); • redusere omfanget av en allerede påført skade (konsekvensreduksjon); • Være et verktøy som hjelper en å avgjøre når sikkerheten er ”god nok”; HiØ forelesning 13

7. Under ”angrep” 1-p 1 p OK ”Skadet” 1 Modell Hvordan forlenge tiden i tilstand OK Hvordan øke sannsynligheten for å avvise angrep, eller redusere sannsynligheten for at angrep skal lykkes. Hvordan redusere skadet-tiden og skadeomfanget HiØ forelesning 13

8. Risikoanalyseprosessen Definere mål og omfang Trussel- identifikasjon Frekvens- analyse Konsekvens- analyse Hva er akseptabel risiko? Risiko- vurdering Foreslå tiltak Akseptabelt? Nei Ja Andre tiltak ønskelig? HiØ forelesning 13

9. Risikomatrise Sannsynlighet; Mulighet Vanlig; Hvert år Høy Kan skje; 1 gang per 10 år Middels Lite trolig; Mer enn 10 år mellom hver gang Lav Konsekvens 1 MNOK 10 MNOK 100 MNOK Ubetydelig Middels Alvorlig Kritisk HiØ forelesning 13

10. Hvordan ? • Ad hoc, ryggmargsfølelsen • Sjekklister (finnes div. verktøy) • Kvalitative analyser • Kvantitative analyser HiØ forelesning 13

11. Div. verktøy (ISAP oa.) Innbyr til stor detaljgrad Liten hjelp til analytisk nedbryting ”Analytisk” Starte analysen på et overordnet og grovt nivå Benytte standard tegneverktøy Metode som ved utvikling ObjektbeskrivelseHva skal analyseres (avgrensning) Ut Inn HiØ forelesning 13 Av interesse: Informasjonstyper, lokasjoner, systemer, kommunikasjonskanaler

12. Trusselidentifikasjon • Sjekklistebasert (når listene blir lange....) • Hazid (Hazard Identification), Strukturert idedugnad • Våre ledeord: • Avsløring • Manipulasjon • Stanse/Forhindre HiØ forelesning 13

13. Hazop-skjema HiØ forelesning 13

14. Fordeler ved å starte ”overordnet” • Lavere kompleksitet i første analyse, uten at viktige aspekter blir utelatt; • Analyse på detaljnivå blir målrettet og mer effektiv; • Rask etablering av et ”trusselbilde”; • Godt tilpasset utviklingsprosjekter; • Hendelseskjedene gir grunnlag for å velge de mest effektive tiltakene. HiØ forelesning 13

15. Internt Statistikk Status/ Alarmer Faktura- grunnlag Leveranser Status/ Alarmer Autentiserings- informasjon Eksternt KontekstHva omfattes av analysenHva er grensesnittene mot omgivelsene Det som analyseres HiØ forelesning 13

16. CIA Hazop Bevisst avsløring av tjenesteleveranser, status, autentiseringsinfo, fakturagrunnlag, statistikk Bevisst manipulasjon av tjenesteleveranser, status, autentiseringsinfo, fakturagrunnlag, statistikk Bevisst forhindring av tjenesteleveranser, status, autentiseringsinfo, fakturagrunnlag, statistikk Ved å starte med fokus på sluttkonsekvenser, kan man begrense detaljanalyser til essensielle områder og sikre best det man er mest avhengig av (risikostyring) HiØ forelesning 13

17. Sluttkonsekvenser HiØ forelesning 13

18. Domene B Domene C Arkitekturbeskrivelse som grunnlag for årsaksanalyse Domene A HiØ forelesning 13

19. Årsaksanalyse Og Eller T1 Avsløring av autentiseringsinfo I hjem På internett I lokalnett På server 1 2 3 Lagret i PC Sniffer på PC Kikke over skuldra Elektromagnetisk stråling 4 5 6 7 HiØ forelesning 13

20. Årsaksanalyse forts. 1 I aksessnettet på hjem-siden I aksessnett på jobb-siden Hos ISP ..... 9 10 8 Tilgang til transm.medium Besitte lytteutstyr Ha nødv. kompetanse HiØ forelesning 13

21. Faktura Takstinfo Oppsett av samtale Målinger Prosesskontroll Mulige konsekvenser Årsaker og ”hendelseskjeder” Hendelseskjeder 2.Hva er de mulige årsakene? 1.Hvilken skade kan analyseobjektet påføre sine omgivelser? HiØ forelesning 13

22. Risiko • Hvor sannsynlig er det at trusselen manifesteres? • Forsikringsselskapene samler statistikk innenfor sine områder. Brukes for å beregne premier. • Dårlig med tilgjengelig og egnet statistikk for datasikkerhetsbrudd • Hvor store vil i så fall konsekvensene være? • Tall for gjenanskaffelse av utstyr finnes; • Tap som følge av stans i tjeneste kan anslås; • Tap som følge av omdømmetap vanskelig å beregne; • Tapt tilgjengelighet lettere å beregne enn avsløring og manipulasjon. HiØ forelesning 13

23. Risikomatrise – resultat av kvalitativ analyse Sannsynlighet; Mulighet Vanlig; Hvert år Høy Kan skje; 1 gang per 10 år Middels Lite trolig; Mer enn 10 år mellom hver gang Lav Konsekvens 1 MNOK 10 MNOK 100 MNOK Ubetydelig Middels Alvorlig Kritisk HiØ forelesning 13

24. Kvalitative analyse • Fordeler • Enkle beregninger (om beregninger i det hele tatt) • Ikke påkrevet å fastsette kroneverdier • Ikke påkrevet å kvantifisere trusselfrekvenser • Enkelt å involvere ”ikke-kvalifisert” personale • Gjennomføring og rapportering kan gjøres fleksibelt • Ulemper • Den subjektive natur iom. mangel på objektive målinger og redskaper for å utføre slike målinger • Resultatene hviler fullsetndig på kvaliteten i gruppen som gjennomfører analysen • Dårlig grunnlag for kost-/nytteanalyser av tiltak HiØ forelesning 13

25. Sjekklister (1) • Kan kontrollere tilstedeværelsen av ”noe”. • fysiske enheter, mekanismer, organisasjonselementer, rutiner osv. • Viktighet av det enkelte element kan vektes/gis poeng og sårbarhet kan tolkes ut av høye/lave poengsummer. • Manglende hindringer eller barrierer gir høy sårbarhet. Man kan velge å avlede høy sannsynlighet fra høy sårbarhet; • Manglende beredskapsplaner/øvelser/avtaler medfører større konsekvenser dersom noe skjer. • Sjekklister er best når de er tilpasset den enkelte virksomhet. Til en viss grad må det kunne lages bransjeløsninger og løsninger for områder (enkelte aktiviteter/systemer innenfor bedriften) som er felles for flere. HiØ forelesning 13

26. Sjekkliste – et eksempel HiØ forelesning 13

27. Sjekkliste - verdiskala HiØ forelesning 13

28. Sjekklister (2) • Fordeler • Tar relativt kort tid å gjennomføre (er billig); • Kan involvere mange ved f.eks. Spørreskjemaer (papir eller på nett); • Man slipper kompliserte og ”dyre” analyser; • Minimumskrav / sikkerhetsprofil – det er mulig å måle/kontrollere virksomhetens sikringsnivå opp mot egne minimumskrav, bransjekrav, myndighetskrav el. Forskjellige deler av en virksomhet kan sammenliknes; • Kan raskt finne svakheter – og gjøre noe med dem; • Summerer opp erfaringene til flere. Data fra forskjellige deler av egen virksomhet og på tvers av flere virksomheter kan gjøres sammenliknbare; • Ulemper • Forutsetter at ”One size fits all” mellom enheter innenfor en virksomhet og mellom virksomheter; • Kan risikere å sette inn beskyttelse på ”feil sted”; • Kan risikere å sette inn for mye eller for lite sikring i forhold til virksomhetens ”egentlige” behov. • Sjekklister er i større grad et verktøy for revisjon og oppfølging enn for risikoanalyser • Lokale tilpasninger i en sjekkliste/revisjonsverktøy kan med fordel gjøres etter en forutgående risikoanalyse. HiØ forelesning 13

29. Kvantitative analyser • Fordeler • Baseres på objektive målinger • Kost-/nyttebetraktninger er essensielle • Resultatene kan uttrykkes i et ledelsesspesifikt språk (kroner, prosenter, sannsynligheter) • Ulemper • Beregningene kan være komplekse • Betydelig forarbeide med innsamling og validering av ”måledata” HiØ forelesning 13

30. Kvantitative analyser - variant • Baseres på Bayesisk eller Subjektivistisk statistikk • Man blander ny subjektiv informasjon med kjent objektiv informasjon • Baserer vurderinger • Mindre på historiske data • Og mer på subjektive vurderinger om fremtidige aktiviteter og hendelser basert på erfaring, innsikt og magefølelse • Benyttet bl.a. ved at man i en analyse av GSM-nettet blandet • Objektive data om trafikkmengde gjennom et punkt • Med subjektive data om forventet tid til hendelse og antatt reetableringstid. HiØ forelesning 13