Kao što možda znate, moderna softverska arhitektura radi daleko bolje nego ikad. Bez sumnje je prilagodljiviji, intenzivniji i brži od svojih prethodnika. Međutim, pravi je izazov - posebno u moderno doba - zaštititi isti softver od mrežnih prijetnji (poznatih i kao kibernetaci). Budući da softverski sustavi danas pokreću sve - od mobilnih uređaja do sigurnosnih kamera, od pametnih automobila do pametnih domova i od proizvodnih pogona do nuklearnih elektrana, moderni softver previše je važan da bi bio provaljen ili hakiran.

Na primjer, nuklearna elektrana u Kudankulamu u Indiji hakirana je u oktobru 2019. U napadu je korišten zlonamjerni softver programiran za izdvajanje podataka, ali interna mreža elektrane, na sreću, nije bila ugrožena. Ako je zlonamjerni softver mogao probiti internu mrežu, mogao je ukrasti ključne podatke o elektrani, upadajući tako u kritičnu infrastrukturu zemlje. Štoviše, da je cilj napada bio preuzimanje kontrole nad elektranom i da je bio uspješan u svom naumu, mogao bi nanijeti ogromnu štetu svladavanjem elektrane.

Srećom, nije bilo kritične štete. Međutim, Indija - ili bilo koja zemlja u tom slučaju - možda neće biti te sreće u budućnosti. To je razlog zašto se moderni softver mora graditi od temelja imajući na umu njegovu sigurnost. Također, mora se redovno testirati na sigurnosne greške i ranjivosti. Međutim, testiranje sigurnosti aplikacija je skup proces i stoga je automatizirano testiranje potreba vremena . Među strategijama automatiziranog testiranja, jedno od najčešćih i najefikasnijih rješenja poznato je kao automatizirano testiranje penetracije.

Automatizirano ispitivanje penetracije

Odnosi se na postupak automatskog pokretanja simuliranih napada na mrežu ili sistem za pronalaženje sigurnosnih grešaka i ranjivosti. Cilj je pronaći ranjivosti i popraviti ih prije nego što cyber kriminalci saznaju za njih i iskoriste ih. Obično je dio kompletne revizije kibernetičnosti, koja može biti potrebna zbog usklađenosti i pravnih razloga. Na primjer, PCI DSS (Standard za zaštitu podataka industrije platnih kartica) traži od organizacija da izvrše testiranje po redovnom rasporedu.

Automatizirano testiranje penetracije se izvodi pomoću softvera , za razliku od ručnog testiranja penetracije koje provode stručnjaci za kibernetičku sigurnost. Budući da se izvodi pomoću softvera, ograničeno je opsegom datog softvera, koji je ograničen znanjem i vještinama sigurnosnih stručnjaka koji dizajniraju softver. Štaviše, pokazalo se manje efikasnim za nove prijetnje jer identificira ili testira samo poznate ranjivosti, što ga čini neefikasnim protiv nepoznatih.

„ Tu nastupa vještačka inteligencija – automatizacija koju možete postići putem vještačke inteligencije mogla bi znatno olakšati dosljedno i masovno provođenje penetracijskog testiranja. Zauzvrat, ovo bi pomoglo organizacijama da se pozabave pitanjima vještina i kulture, te da ozbiljno shvate svoje strategije kibernetičke sigurnosti “, napisao je Packt Hub . Vještačka inteligencija pomaže u skaliranju automatiziranog procesa penetracijskog testiranja, istovremeno poboljšavajući njegove funkcije skeniranja za nepoznate ranjivosti.

Umjetna inteligencija i njen utjecaj

Sa napretkom umjetne inteligencije posljednjih decenija, stručnjaci za automatizaciju i informatičari pokušavaju sve automatizirati, a tehnologije za cyber odbranu nisu izuzetak. Na primjer, postoji mnogo automatiziranih alata koji nadopunjuju alate za testiranje penetracije za pružanje inteligentnih izvještaja. Ova automatizirana rješenja imaju neke osnovne sposobnosti umjetne inteligencije, ali ona postupno raste zahvaljujući kontinuiranim istraživanjima i otvorenim natjecanjima.

Na primjer, Cyber ​​Grand Challenge 2016 - natjecanje koje sponzorira DARPA - izazvalo je ljude da grade i natječu se sa hakerskim botovima. Ovi umjetno inteligentni botovi izvode testiranje penetracije kako bi tražili i popravili sigurnosne ranjivosti prije nego što ih konkurentski timovi mogu iskoristiti. Njegov pobjednik - poznat kao Mayhem - mogao je pronaći, popraviti i tražiti upade u svoj sistem domaćina dok je istovremeno pronalazio i iskorištavao sigurnosne ranjivosti na konkurentnim sistemima.

Uz to, umjetna inteligencija pomaže u poboljšanju efikasnosti rješenja za kibernetsku odbranu - posebno rješenja za testiranje penetracije. Razlog tome je što pomaže u poboljšanju različitih faza automatskog ispitivanja penetracije kako je opisano u nastavku.

Faza 1: Planiranje

Prva faza - planiranje i izviđanje - je prikupljanje informacija o cilju. A potrebno je puno resursa jer što više informacija prikupite, to više šanse imate za uspjeh. U ovoj fazi upotreba AI pomaže u postizanju boljih rezultata uz manje resursa. AI zajedno sa Computer Visionom i obradom prirodnog jezika može pomoći u stvaranju cjelovitog profila o ciljnoj organizaciji i njenim zaposlenicima, mreži, sigurnosnom držanju itd.

Faza 2: Skeniranje

Druga faza traži sveobuhvatno pokrivanje ciljnih sistema. Odnosno, morate skenirati stotine, ako ne i hiljade računara i drugih uređaja i analizirati rezultate. Koristeći AI, alati se mogu doraditi za inteligentno skeniranje uređaja i prikupljanje potrebnih rezultata, pojednostavljujući postupak analize.

Faza 3: Pristup

Treća faza je dobivanje pristupa jednoj od ciljnih mreža ili sistema. Ovaj ugroženi sistem može se zatim koristiti za izdvajanje podataka ili pokretanje napada na druge sisteme u mreži. Koristeći AI, alati mogu isprobati razne napade i brojne kombinacije lozinki za dobivanje pristupa. Zatim mogu koristiti algoritme za pronalaženje slabih obrazaca ili trendova koji mogu biti ugroženi.

Faza 4: Održavanje pristupa

Četvrta faza je održavanje pristupa ugroženom sistemu. Koristeći AI, alati mogu tražiti poznate ili nepoznate backdoor-ove, šifrirane kanale i paziti na račune i evidencije kako bi otkrili i prijavili sumnjive ili neovlaštene aktivnosti. Na primjer, novi administratorski račun ili mrežni pristupni kanal mogu usmjeravati prema ugroženom sistemu i / ili neovlaštenom pristupu.

Faza 5: Analiza i izvještavanje

Posljednja faza je ispitivanje može li neovlašteni entitet pokriti tragove, tj. Izbrisati historiju i zapisnike sa svojih sistema, što onemogućava otkrivanje napada. Koristeći AI, alati mogu otkriti skrivene backdoor-ove, krajnje točke neovlaštenog pristupa itd. Također, ovi alati mogu bolje analizirati poruke o greškama i sistemske zapisnike kako bi pronašli greške, nedostajuće unose ili druge sumnjive aktivnosti. Na kraju, ova analiza je stavljena na izvještaj koji se lako čita i detaljno opisuje kompletne rezultate ispitivanja cilja.