Contexte et enjeux de la couverture de détection

Les règles de détection dans les plateformes SIEM reposent sur la présence de champs et de valeurs spécifiques dans les flux de données. Lorsque les schémas de ces flux évoluent – par exemple après une mise à jour d’un collecteur ou d’un parseur – les règles continuent de s’exécuter sans disposer des informations attendues. Fig Security désigne ce phénomène de « drift » comme une perte de couverture qui peut laisser passer des attaques.

Fonctionnement de la cartographie des dépendances avec Fig

Fig propose la fonctionnalité Security Data Lineage. Après connexion via une clé d’API en lecture seule, l’outil parcourt l’ensemble des sources Elastic, les pipelines de transformation, les mappings et les champs associés. Chaque élément est relié aux règles de détection qui l’utilisent. Ainsi, toute modification d’une source, d’un pipeline ou d’un mapping déclenche immédiatement l’identification des règles potentiellement affectées, accompagnée d’une suggestion de correction.

Intégration technique avec Elastic Security

L’intégration s’appuie sur Elastic Security, la plateforme open source de sécurité d’Elastic. Fig injecte ses métadonnées dans le catalogue de règles d’Elastic, ce qui permet aux équipes de tester chaque changement dans un environnement contrôlé avant de le pousser en production. Le processus s’insère dans les pipelines CI/CD : les modifications validées sont versionnées, déployées automatiquement et peuvent être annulées d’un clic grâce à la prise en charge du rollback. Fig exploite également les modules Elastic Automatic Import et AI Agent pour créer de nouvelles intégrations et règles personnalisées, réduisant ainsi la charge manuelle lors de l’ajout de nouveaux logs.

Implications pour les équipes SecOps et limites

Pour les équipes de sécurité, la visibilité offerte par la ligne de données élimine le besoin d’audits manuels post‑déploiement. Lors d’une migration depuis un autre SIEM, Elastic Automatic Migration traduit les règles existantes, puis Fig les recoupe avec les schémas de données disponibles dans Elastic, signalant les incohérences avant le basculement. Cependant, la dépendance à une API en lecture seule signifie que Fig ne peut pas corriger automatiquement les pipelines défectueux ; il fournit seulement des recommandations. De plus, la précision du mapping repose sur la qualité des mappings Elastic : des champs mal nommés ou des pipelines non documentés peuvent entraîner des faux positifs ou des omissions dans la détection.