Както може би знаете, модерната софтуерна архитектура работи много по-добре от всякога. Без съмнение е по-приспособим, интензивен и бърз от своите предшественици. Истинско предизвикателство обаче е - особено в съвременността - да се предпази един и същ софтуер от онлайн заплахи (известни също като кибератаки). Тъй като в днешно време софтуерните системи захранват всичко - от мобилни устройства до защитни камери, от интелигентни автомобили до интелигентни домове и от производствени централи до атомни електроцентрали, съвременният софтуер е твърде важен, за да бъде пробит или хакнат.

Например, атомна електроцентрала в Куданкулам, Индия беше хакната през октомври 2019 г. В атаката се използва зловреден софтуер, програмиран за извличане на данни, но вътрешната мрежа на централата беше безкомпромисна, за щастие. Ако зловредният софтуер можеше да наруши вътрешната мрежа, той можеше да открадне решаващи данни за електроцентралата, като по този начин се намеси в критичната инфраструктура на страната. Освен това, ако атаката имаше за цел да поеме контрола над електроцентралата и беше успешна в плана си, тя би могла да причини огромни щети, като победи централата.

За щастие, не бяха нанесени сериозни щети. Индия - или която и да е друга държава в този случай - обаче може да няма такъв късмет в бъдеще. Ето защо съвременният софтуер трябва да се изгражда от нулата, като се има предвид неговата сигурност. Също така, той трябва редовно да се тества за грешки в сигурността и уязвимости. Тестването на сигурността на приложенията обаче е скъп процес и затова автоматизираното тестване е необходимостта на часа . Сред стратегиите за автоматизирано тестване, едно от най-разпространените и ефективни решения е известно като автоматизирано тестване за проникване.

Автоматизирано изпитване на проникване

Отнася се до процеса на автоматично стартиране на симулирани атаки върху мрежа или система за намиране на грешки и уязвимости в сигурността. Целта е да се намерят уязвимостите и да се отстранят преди киберпрестъпниците да разберат и да ги използват. Обикновено е част от пълен одит на киберсигурността, който може да се наложи за спазване и правни причини. Например PCI DSS (Стандарт за защита на данните от индустрията за разплащателни карти) изисква от организациите да извършват тестване по редовен график.

Автоматизираното тестване за проникване се извършва с помощта на софтуер , за разлика от ръчното тестване за проникване, което се извършва от експерти по киберсигурност. Тъй като се извършва софтуерно, то е ограничено от обхвата на дадения софтуер, който е ограничен от знанията и уменията на специалистите по сигурност, които проектират софтуера. Освен това, то се оказва по-малко ефективно за нови заплахи, тъй като идентифицира или тества само известни уязвимости, което го прави неефективно срещу неизвестни.

„ Тук се намесва изкуственият интелект – автоматизацията, която можете да постигнете чрез изкуствен интелект, би могла да улесни значително последователното и мащабно извършване на тестове за проникване. От своя страна това би помогнало на организациите да се справят както с проблемите, свързани с уменията и културата, така и да се отнесат сериозно към своите стратегии за киберсигурност “, пише Packt Hub . Изкуственият интелект помага за мащабирането на автоматизирания процес на тестване за проникване, като същевременно подобрява функциите му за сканиране за неизвестни уязвимости.

Изкуствен интелект и неговото въздействие

С напредъка на изкуствения интелект през последните десетилетия експерти по автоматизация и компютърни учени се опитват да автоматизират всичко, като технологиите за киберзащита не правят изключение. Например има много автоматизирани инструменти, които допълват инструментите за тестване на проникване за предоставяне на интелигентни отчети. Тези автоматизирани решения имат някои основни възможности за изкуствен интелект, но постепенно се разраства, благодарение на текущите изследвания и откритите състезания.

Например, Cyber ​​Grand Challenge 2016 - спонсорирано от DARPA състезание - предизвика хората да изграждат и да се състезават с хакерски ботове. Тези изкуствено интелигентни ботове извършват тестове за проникване, за да търсят и коригират уязвимости в сигурността, преди конкурентните екипи да могат да ги използват. Победителят му - известен като Mayhem - може да намира, поправя и търси прониквания в хост системата си, докато намира и използва уязвимости в сигурността на конкурентни системи.

Въпреки това, изкуственият интелект помага да се подобри ефективността на решенията за киберзащита - особено решенията за тестване на проникване. Причината е, че помага да се подобрят различни етапи на автоматизирано тестване на проникване, както е описано по-долу.

Етап 1: Планиране

Първият етап - планиране и разузнаване - е събиране на информация за целта. И отнема много ресурси, тъй като колкото повече информация събирате, толкова повече шансове имате за успех. На този етап използването на AI помага да се осигурят по-добри резултати с по-малко ресурси. AI заедно с Computer Vision и обработката на естествен език могат да помогнат за изграждането на пълен профил за целевата организация и нейните служители, мрежата, позата за сигурност и т.н.

Етап 2: Сканиране

Вторият етап изисква цялостно покритие на целевите системи. Тоест трябва да сканирате за стотици, ако не и хиляди компютри и други устройства и да анализирате резултатите. Използвайки AI, инструментите могат да бъдат променени, за да сканират интелигентно устройствата и да съберат необходимите резултати, опростявайки процеса на анализ.

Етап 3: Получаване на достъп

Третият етап е получаването на достъп до една от целевите мрежи или системи. След това тази компрометирана система може да се използва за извличане на данни или стартиране на атаки срещу другите системи в мрежата. Използвайки AI, инструментите могат да изпробват различни атаки и множество комбинации от пароли за получаване на достъп. След това те могат също да използват алгоритми, за да намерят слаби модели или тенденции, които могат да бъдат компрометирани.

Етап 4: Поддържане на достъп

Четвъртият етап е поддържането на достъп до компрометирана система. Използвайки AI, инструментите могат да търсят известни или неизвестни бекдори, криптирани канали и да следят акаунти и регистрационни файлове, за да откриват и докладват за подозрителни или неоторизирани дейности. Например, нов акаунт на администратор или канал за достъп до мрежата може да насочва към компрометирана система и / или неоторизиран достъп.

Етап 5: Анализ и докладване

Последният етап е тестване дали неоторизиран обект може да покрива песни, т.е. да изтрива историята и регистрационните файлове от вашите системи, което прави невъзможно откриването на атаки. Използвайки AI, инструментите могат да откриват скрити бекдори, крайни точки с неоторизиран достъп и др. Освен това тези инструменти могат по-добре да анализират съобщенията за грешки и системните дневници, за да открият грешки, липсващи записи или други подозрителни дейности. И накрая, този анализ се поставя върху лесен за четене доклад, описващ пълните резултати от теста на целта.