DifícilOpción múltiple

Pregunta de práctica de SCS-C02

Una empresa tiene el requisito de detectar y responder a amenazas en tiempo casi real mediante el análisis de registros de flujo de VPC (VPC Flow Logs). Los registros se generan en una VPC y se envían a CloudWatch Logs. ¿Cuál es la forma MÁS eficiente de analizar estos registros en busca de patrones sospechosos y activar respuestas automatizadas?

Elige la mejor respuesta.

Respuesta correcta

  • DUtilizar Amazon Kinesis Data Analytics para análisis en tiempo real y AWS Lambda para respuesta automatizada

Explicación

Amazon Kinesis Data Analytics puede procesar registros de flujo de VPC en streaming desde CloudWatch Logs en tiempo casi real utilizando SQL o Apache Flink, lo que permite la detección inmediata de patrones sospechosos. A continuación, se puede activar AWS Lambda para automatizar acciones de respuesta a incidentes, como actualizar grupos de seguridad o aislar instancias, lo que convierte a esta en la solución más eficiente para la detección y respuesta a amenazas en tiempo casi real.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Transmitir registros a Amazon Elasticsearch Service y utilizar alertas de Kibana

Transmitir registros a Amazon Elasticsearch Service (Amazon OpenSearch Service) y depender de las alertas de Kibana no es adecuado para una verdadera detección de amenazas en tiempo real porque la ingesta está orientada a lotes (por ejemplo, el uso de Kinesis Firehose introduce una ventana de almacenamiento en búfer de 1 a 5 minutos predeterminada y OpenSearch tiene un intervalo de actualización de indexación que retrasa la visibilidad del documento). Además, las alertas de Kibana ejecutan consultas programadas en datos ya indexados, lo que agrega más latencia. Esto significa que el tiempo de detección está a minutos de la amenaza real, lo que no cumple con un requisito de respuesta en tiempo real.

B

Incorrecta

Utilizar notificaciones de eventos de S3 para activar funciones de Lambda en nuevos archivos de registro

El uso de notificaciones de eventos de S3 para activar funciones de Lambda en nuevos archivos de registro asume que los registros ya se han entregado a S3, pero la mayoría de los servicios de registro (CloudTrail, VPC Flow Logs, registros de ELB) entregan archivos solo después de un intervalo de frecuencia (típicamente de 5 minutos a varias horas), por lo que la actividad no se captura a medida que ocurre. Incluso cuando se dispara un evento, el archivo completo debe escribirse primero, y la invocación de Lambda agrega sobrecarga de inicio en frío (a veces de 1 a 3 segundos), lo que hace que la latencia total de detección de extremo a extremo sea demasiado alta para la respuesta a amenazas en tiempo real. Este enfoque es más adecuado para tareas asíncronas de posprocesamiento, no para la detección inmediata.

C

Incorrecta

Exportar registros a S3 y utilizar consultas de Amazon Athena con reglas programadas

Exportar registros a S3 y usar Athena con reglas programadas es fundamentalmente un modelo de análisis por lotes: las consultas de Athena se ejecutan en objetos en S3 e incurren en sobrecarga para el descubrimiento de objetos, la lectura de archivos y el análisis de datos; cada consulta suele tardar de segundos a minutos, especialmente en grandes conjuntos de datos de registros. Las reglas programadas (por ejemplo, a través de EventBridge Scheduler) se ejecutan en un intervalo fijo similar a cron, lo que significa que las amenazas pueden pasar desapercibidas hasta la siguiente programación, y no hay un desencadenante impulsado por eventos para iniciar una acción inmediata. Dado que Athena se basa en extracción y no en streaming, no puede detectar anomalías a medida que ocurren, lo que la hace inadecuada para la detección y respuesta en menos de un minuto.

D

Correcta

Utilizar Amazon Kinesis Data Analytics para análisis en tiempo real y AWS Lambda para respuesta automatizada

Amazon Kinesis Data Analytics procesa continuamente registros en streaming mediante SQL o Apache Flink, lo que permite la coincidencia de patrones, la detección de anomalías y la agregación en ventanas deslizantes en tiempo casi real (la latencia puede ser inferior a unos pocos segundos). Puede enviar sus resultados a una función Lambda (a través de un destino de Kinesis Data Analytics o un flujo de datos de Kinesis intermedio) que luego ejecuta una respuesta automatizada (por ejemplo, actualizando grupos de seguridad, invocando AWS WAF o enviando alertas). Esta arquitectura de procesamiento de flujos cumple directamente con el requisito de 'detectar y responder' con un retraso mínimo, a diferencia de las alternativas basadas en lotes.

Para profundizar

Esta pregunta evalúa la capacidad del candidato para distinguir entre el análisis de streaming en tiempo real y el procesamiento por lotes o en tiempo casi real en AWS. El requisito clave es 'detectar y responder' rápidamente, lo que implica una canalización de baja latencia. Servicios como Amazon S3, Athena y OpenSearch (Elasticsearch) están diseñados para almacenamiento, análisis y búsqueda de datos ya persistidos, con retrasos inherentes debido a la entrega de archivos, indexación y programación de consultas. En contraste, Amazon Kinesis Data Streams ingiere datos de registro con una latencia inferior a un segundo y Kinesis Data Analytics realiza un procesamiento continuo, lo que le permite definir consultas que analizan los datos a medida que fluyen. Un punto sutil pero importante es que no todos los registros se transmiten de forma nativa a Kinesis; por ejemplo, los registros de CloudTrail se pueden entregar a CloudWatch Logs, que luego pueden transmitirse a Kinesis Data Streams mediante un filtro de suscripción, o puede utilizar la función de registros directos a Kinesis de CloudTrail. La arquitectura ideal a menudo combina Kinesis Data Analytics (o una función Lambda en un flujo de Kinesis Data Stream) para la detección y Lambda para la remediación automatizada, asegurando que la respuesta se active inmediatamente cuando se identifica una amenaza. Un concepto erróneo común es que las notificaciones de eventos de S3 son en tiempo real, pero están intrínsecamente impulsadas por eventos después de que se escribe un objeto, lo que sigue estando orientado a lotes debido a los cronogramas de entrega de registros. Comprender las características de latencia de cada servicio de AWS es crucial para diseñar una canalización de detección de amenazas adecuada.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de SCS-C02 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.