Com ja sabreu, l’arquitectura de programari moderna funciona molt millor que mai. Sens dubte, és més adaptable, intensa en dades i més ràpida que els seus predecessors. Tanmateix, és un veritable repte, especialment en l'època moderna, protegir el mateix programari de les amenaces en línia (també conegudes com a ciberatacs). Atès que els sistemes de programari alimenten tot avui en dia, des de dispositius mòbils fins a càmeres de seguretat, des de cotxes intel·ligents fins a cases intel·ligents i des de plantes de fabricació fins a centrals nuclears, el programari modern és massa crucial per ser violat o piratejat.

Per exemple, una planta d'energia nuclear de Kudankulam (Índia) va ser piratejada l'octubre del 2019. L'atac va utilitzar un programari maliciós programat per a l'extracció de dades, però la xarxa interna de la central no va ser compromesa, per sort. Si el programari maliciós hagués infringit la xarxa interna, podria haver robat dades crucials sobre la central elèctrica, entrant així en la infraestructura crítica del país. A més, si l’atac tingués l’objectiu de prendre el control de la central elèctrica i hagués tingut èxit en el seu pla, hauria pogut fer un dany immens en dominar la central.

Afortunadament, no hi va haver danys greus. Tanmateix, l'Índia, o qualsevol altre país en aquest cas, potser no tindrà tanta sort en el futur. Aquesta és la raó per la qual el programari modern s'ha de construir des de zero tenint en compte la seva seguretat. A més, s'ha de provar regularment per detectar errors de seguretat i vulnerabilitats. Tanmateix, les proves de seguretat de les aplicacions són un procés costós i, per tant, les proves automatitzades són la necessitat del moment . Entre les estratègies de proves automatitzades, una de les solucions més comunes i efectives es coneix com a proves de penetració automatitzades.

Proves de penetració automatitzades

Es refereix al procés de llançament d'atacs simulats a una xarxa o sistema automàticament per trobar errors de seguretat i vulnerabilitats. L'objectiu és trobar les vulnerabilitats i solucionar-les abans que els ciberdelictes les coneguin i les exploti. Normalment forma part d’una auditoria completa de ciberseguretat, que pot ser necessària per motius legals i de compliment. Per exemple, el PCI DSS (Standard of Security Data Data Standard Standard) demana a les organitzacions que realitzin el test en un horari regular.

Les proves de penetració automatitzades es duen a terme mitjançant programari , a diferència de les proves de penetració manuals que les realitzen experts en ciberseguretat. Com que les realitzen mitjançant programari, estan limitades per l'abast del programari donat, que a la seva vegada està limitat pels coneixements i les habilitats dels professionals de la seguretat que el dissenyen. A més, resulten menys efectives per a noves amenaces, ja que només identifica o prova les vulnerabilitats conegudes, cosa que les fa ineficaces contra les desconegudes.

« Aquí és on entra en joc la intel·ligència artificial: l'automatització que es pot aconseguir mitjançant la intel·ligència artificial podria ajudar a fer que el pentesting sigui molt més fàcil de dur a terme de manera consistent i a escala. Al seu torn, això ajudaria les organitzacions a abordar tant les qüestions d'habilitats com de cultura, i a prendre seriosament les seves estratègies de ciberseguretat », va escriure Packt Hub . La intel·ligència artificial ajuda a escalar el procés automatitzat de pentesting alhora que millora les seves funcions d'escaneig per detectar vulnerabilitats desconegudes.

La intel·ligència artificial i el seu impacte

Amb el progrés de la intel·ligència artificial en les darreres dècades, experts en automatització i informàtics intenten automatitzar tot, sense que les tecnologies de ciberdefensa siguin una excepció. Per exemple, hi ha moltes eines automatitzades que complementen les eines de proves de penetració per proporcionar informes intel·ligents. Aquestes solucions automatitzades tenen algunes funcions bàsiques d’intel·ligència artificial, però van creixent gradualment gràcies a la investigació contínua i a les competicions obertes.

Per exemple, Cyber ​​Grand Challenge 2016, una competició patrocinada per DARPA, va desafiar la gent a construir i competir amb robots de pirateria. Aquests robots artificialment intel·ligents realitzen proves de penetració per buscar i corregir vulnerabilitats de seguretat abans que els equips competidors puguin explotar-los. El seu guanyador, conegut com Mayhem, podria trobar, solucionar i buscar intromissions en el seu sistema amfitrió mentre trobava i explotava vulnerabilitats de seguretat en sistemes competitius.

Dit això, la intel·ligència artificial ajuda a millorar l’eficiència de les solucions de ciberdefensa, especialment les solucions de proves de penetració. La raó és que ajuda a millorar diverses etapes de proves de penetració automatitzades, tal com es descriu a continuació.

Etapa 1: Planificació

La primera etapa - planificació i reconeixement - és recopilar informació sobre l'objectiu. I es necessiten molts recursos, ja que com més informació obtingueu, més possibilitats teniu d’èxit. En aquesta etapa, utilitzar la IA ajuda a proporcionar millors resultats amb menys quantitat de recursos. La IA juntament amb la visió per computador i el processament del llenguatge natural poden ajudar a crear un perfil complet sobre l’organització objectiu i els seus empleats, la xarxa, la postura de seguretat, etc.

Fase 2: escaneig

La segona etapa demana una cobertura integral dels sistemes objectiu. És a dir, heu d’explorar centenars, si no milers d’ordinadors i altres dispositius i analitzar els resultats. Mitjançant la IA, es poden modificar les eines per escanejar intel·ligentment els dispositius i recollir els resultats necessaris, simplificant el procés d’anàlisi.

Fase 3: obtenir accés

La tercera etapa és accedir a una de les xarxes o sistemes objectiu. Aquest sistema compromès es pot utilitzar per extreure dades o llançar atacs a la resta de sistemes de la xarxa. Mitjançant la IA, les eines poden provar diversos atacs i nombroses combinacions de contrasenyes per accedir-hi. Després, també poden utilitzar algoritmes per trobar patrons o tendències febles que es puguin comprometre.

Etapa 4: Mantenir l'accés

La quarta etapa és mantenir l'accés al sistema compromès. Mitjançant la intel·ligència artificial, les eines poden buscar portes posteriors conegudes o desconegudes, canals xifrats i controlar els comptes i els registres per detectar i informar d’activitats sospitoses o no autoritzades. Per exemple, un nou compte d’administrador o un canal d’accés a la xarxa pot dirigir-se cap a un sistema compromès i / o accés no autoritzat.

Fase 5: anàlisi i informes

L'última etapa és provar si una entitat no autoritzada pot cobrir pistes, és a dir, eliminar l'historial i els registres dels vostres sistemes, cosa que fa impossible la detecció d'atacs. Mitjançant la IA, les eines poden detectar portes posteriors ocultes, punts finals d'accés no autoritzat, etc. A més, aquestes eines poden analitzar millor els missatges d'error i els registres del sistema per trobar errors, entrades que falten o altres activitats sospitoses. Finalment, aquesta anàlisi es posa en un informe fàcil de llegir que detalla els resultats de les proves completes de l'objectiu.