Identity Governance Herausforderungen mit ForgeRock Autonomous Identity bewältigen

Identity Governance and Administration (IGA) ist ein zentraler Bestandteil von IAM, wird in der Praxis jedoch häufig als umständlich, manuell und schwer verständlich erlebt. Hauptursachen sind Identitätssilos, die eine konsistente Sicht auf Rollen, Gruppen, Anfragen, Reviews und Analysen verhindern, sowie die hohe Komplexität vieler IGA-Aufgaben. Zugriffsrezertifizierungen werden dadurch oft nur „abgestempelt“, Rollenmodelle sind aufwendig zu erstellen und zu pflegen, und es fehlt häufig entscheidender Kontext: warum Berechtigungen vergeben wurden, ob sie genutzt werden und wie sie zusammenhängen. Das Ergebnis sind überprivilegierter Zugriff, verwaiste Konten, mangelnde Transparenz und Verantwortlichkeit sowie erhöhte Compliance- und Sicherheitsrisiken, trotz hoher Investitionen in Implementierung und Betrieb.

Statische Berechtigungsmodelle und traditionelle Ansätze wie Role Mining/Engineering reichen nicht aus, um die Anforderungen an Agilität (Cloud-Migration, neue Kollaborations-Tools, veränderte Arbeitsmodelle in der COVID-19-Pandemie) zu erfüllen. Gefordert sind Automatisierung, bessere Einblicke und entscheidungsrelevanter Kontext. KI/ML kann typische Berechtigungsmuster erkennen, Ausreißer identifizieren, Standardberechtigungen für Gruppen ableiten, Berechtigungen für Anfragen vorschlagen und Empfehlungen für Genehmigungen sowie Entzug im Review-Prozess liefern. Damit KI in IGA wirksam ist, muss sie fokussiert (keine Informationsflut), genau, datenbasiert sowie erklärbar, vorhersehbar und reproduzierbar sein.

ForgeRock Autonomous Identity wird als KI-gestützte Identity-Analytics-Lösung beschrieben, die datenagnostisch Identitätsdaten aus vielen Quellen (auch Drittanbieter-IGA) erfasst, historisiert, modelliert und daraus Konfidenzwerte, Rechtfertigungen und konkrete Empfehlungen ableitet. Als Overlay über bestehende IAM/IGA-Landschaften soll es sichere Zugriffe beschleunigen, Compliance unterstützen, Risiken senken, Kosten reduzieren und durch transparente Empfehlungen Automatisierung für Provisioning, Deprovisioning, Reviews und Rollenvorschläge ermöglichen.

• IGA umfasst Identity Lifecycle Management (Provisioning) sowie Access Governance mit Zugriffsanfragen, Genehmigungen, Reviews, Analysen und Berechtigungsmodellen.
• Überprivilegierter Zugriff ist häufig die Norm, weil Anforderung und Review ohne ausreichenden Kontext schwer zu entscheiden sind.
• Übermäßige Berechtigungen erhöhen Compliance-Risiken und steigern die Wahrscheinlichkeit von Datenpannen oder Betrug.
• Verwaiste Konten sind ein verbreitetes Risiko, weil aus statischen Daten nicht hervorgeht, welche Konten genutzt werden.
• Viele IGA-Lösungen haben Schwierigkeiten, „die erforderlichen Berechtigungen (und nur diese)“ rechtzeitig bereitzustellen und anschließend wieder zu entziehen.
• KI kann Muster von Berechtigungen analysieren, Ausreißer erkennen und Standardberechtigungen für bestimmte Benutzergruppen identifizieren.
• KI kann Empfehlungen für Genehmigung und Löschung von Zugriffsberechtigungen in Zugriffsüberprüfungsprozessen liefern.
• ML benötigt große Datensätze; bei wenigen tausend Benutzern und wenigen Systemen kann das Datenvolumen für gute Ergebnisse zu gering sein.
• ForgeRock Autonomous Identity konsumiert Identitätsdaten aus unterschiedlichen Quellen, einschließlich ForgeRock-Plattform und IGA-Lösungen von Drittanbietern.
• Vorhersagen in ForgeRock Autonomous Identity werden über Konfidenzwert, Rechtfertigung und konkrete Empfehlungen erläutert.

• „Die Herausforderung für die IGA besteht heute darin, dass die Aufgaben komplex, ohne Kontext und sehr manuell sind.“
• „Die heutige IGA ist nicht darauf ausgelegt, sich schnell an Veränderungen anzupassen, wie z. B. die Verlagerung in die Cloud oder neue Telearbeitsmodelle in der COVID-19-Pandemie.“
• „Zugriffsüberprüfungen werden in der Regel als zeitaufwändig, schwer verständlich und umständlich empfunden.“
• „Erfolgreiche KI-Lösungen müssen vorhersehbare und reproduzierbare Ergebnisse liefern.“
• „KI darf nicht zu einer Informationsüberflutung führen.“
• „KI muss sinnvolle Empfehlungen liefern.“
• „AI erfordert Daten:“
• „Wenn sie die Entscheidungsfindung verbessert, kann sie als KI eingestuft werden.“
• „Die Suche nach der „Nadel im Heuhaufen“ ist eine Aufgabe, die sich gut für KI eignet.“
• „Setzen Sie nicht alles auf die KI, sondern lösen Sie auch die konzeptionellen Probleme.“