# Qu'est-ce que l'analyse comportementale des utilisateurs et des entités (UEBA) ? > L'analyse comportementale des utilisateurs et des entités (user and entity behavior analytics, UEBA) est une approche analytique qui modélise l'activité associée aux utilisateurs et à d'autres entités, puis identifie les écarts ou les combinaisons de comportements susceptibles de mériter une investigation. - URL canonique: https://yellowcube.eu/fr/glossary/user-and-entity-behavior-analytics/ - Éditeur: Yellow Cube - Langue: fr - Contact: hello@yellowcube.eu ## Contenu Les entités peuvent inclure des comptes, des appareils, des applications, des services et des charges de travail. L'UEBA peut employer des règles, des statistiques, des comparaisons entre pairs et des méthodes de machine learning pour combiner les preuves d'identité, de terminaux, de réseau, de cloud et d'application. La sortie est généralement un score de risque, une anomalie ou une piste d'investigation plutôt qu'un verdict. Un nouveau lieu, un volume de transfert inhabituel ou une action administrative rare peuvent indiquer une compromission, un mésusage ou un changement légitime de fonctions. Inversement, un attaquant capable peut imiter le comportement ordinaire. Les analystes ont besoin d'un contexte et de preuves d'appui avant d'entreprendre une action à fort impact. ### Points clés - **Contexte utile:** Cycle de vie de l'identité, criticité des actifs, groupes de pairs, authentification, état de l'appareil, accès aux données, changements connus et résultats d'investigations antérieures. - **Contrôles opérationnels:** Surveiller la qualité des données et la dérive du modèle, expliquer pourquoi un score a changé, tester les performances entre populations et offrir un chemin de révision aux personnes concernées. - **Besoins de gouvernance:** Définir une finalité proportionnée, minimiser et protéger les données comportementales, fixer des règles de conservation et d'accès, et évaluer les implications juridiques, de vie privée et pour les effectifs. - **Limite importante:** Une anomalie n'est pas une preuve d'intention malveillante ni de compromission de compte. Les références peuvent encoder un comportement incomplet, biaisé ou déjà compromis, et les scores de risque peuvent créer une confiance trompeuse lorsque leurs hypothèses sont cachées. ### Termes associés [Analyse comportementale]() · [Menace d'initié]() · [Gestion du risque d'initié]() ### Sources [Glossaire NIST : UEBA](https://csrc.nist.gov/glossary/term/user_and_entity_behavior_analytics) · [NIST SP 800-215](https://csrc.nist.gov/pubs/sp/800/215/final) · [CISA Insider Threat Mitigation Guide](https://www.cisa.gov/sites/default/files/2022-11/Insider%20Threat%20Mitigation%20Guide_Final_508.pdf) ## Attribution et portée Cette version Markdown est générée à partir des mêmes contenus approuvés que la page HTML canonique. Utilisez l’URL canonique pour toute citation.