Como sabrá, la arquitectura de software moderna funciona mucho mejor que nunca. Sin duda, es más adaptable, intensivo en datos y rápido que sus predecesores. Sin embargo, es un verdadero desafío, especialmente en los tiempos modernos, proteger el mismo software de las amenazas en línea (también conocidas como ciberataques). Dado que los sistemas de software alimentan todo hoy en día, desde dispositivos móviles hasta cámaras de seguridad, desde automóviles inteligentes hasta hogares inteligentes, y desde plantas de fabricación hasta centrales nucleares, el software moderno es demasiado crucial para ser violado o pirateado.

Por ejemplo, una planta de energía nuclear en Kudankulam, India, fue pirateada en octubre de 2019. El ataque utilizó un malware programado para la extracción de datos, pero la red interna de la planta no se vio comprometida, afortunadamente. Si el malware pudo haber violado la red interna, podría haber robado datos cruciales sobre la planta de energía, invadiendo así la infraestructura crítica del país. Además, si el ataque tenía el objetivo de tomar el control de la planta de energía y hubiera tenido éxito en su plan, podría haber causado un daño inmenso al dominar la planta.

Afortunadamente, no hubo daños críticos. Sin embargo, India, o cualquier país en ese caso, puede que no tenga tanta suerte en el futuro. Esa es la razón por la que el software moderno debe construirse desde cero teniendo en cuenta su seguridad. Además, debe probarse periódicamente para detectar errores de seguridad y vulnerabilidades. Sin embargo, las pruebas de seguridad de las aplicaciones son un proceso costoso y, por lo tanto, las pruebas automatizadas son la necesidad de la hora. Entre las estrategias de prueba automatizadas, una de las soluciones más comunes y efectivas se conoce como prueba de penetración automatizada.

Prueba de penetración automatizada

Se refiere al proceso de lanzar ataques simulados en una red o sistema automáticamente para encontrar errores de seguridad y vulnerabilidades. El objetivo es encontrar las vulnerabilidades y corregirlas antes de que los ciberdelincuentes las conozcan y las aprovechen. Por lo general, es parte de una auditoría completa de ciberseguridad, que puede ser necesaria por razones legales y de cumplimiento. Por ejemplo, PCI DSS (Estándar de seguridad de datos de la industria de tarjetas de pago) solicita a las organizaciones que realicen pentesting en un horario regular.

El pentesting automatizado se realiza mediante software, a diferencia de las pruebas de penetración manuales que realizan los expertos en ciberseguridad. Dado que se realiza mediante software, está limitado por el alcance del software dado, que está limitado por el conocimiento y las habilidades de los profesionales de seguridad que diseñan el software. Además, resulta menos efectivo para las nuevas amenazas, ya que solo identifica o prueba las vulnerabilidades conocidas, lo que lo hace ineficaz contra las incógnitas.

"Aquí es donde entra en juego la inteligencia artificial: la automatización que puede lograr a través de la inteligencia artificial podría ayudar a que el pentesting sea mucho más fácil de hacer de manera consistente y a escala. A su vez, esto ayudaría a las organizaciones a abordar los problemas de habilidades y cultura, y a tomar en serio sus estrategias de ciberseguridad."Escribió concentrador de paquetes. La inteligencia artificial ayuda a escalar el proceso de pentesting automatizado mientras mejora sus funciones de escaneo en busca de vulnerabilidades desconocidas.

Inteligencia artificial y su impacto

Con el progreso de la inteligencia artificial en las últimas décadas, los expertos en automatización e informáticos están tratando de automatizar todo y las tecnologías de ciberdefensa no son una excepción. Por ejemplo, existen muchas herramientas automatizadas que complementan las herramientas de prueba de penetración para proporcionar informes inteligentes. Estas soluciones automatizadas tienen algunas capacidades básicas de inteligencia artificial, pero está creciendo gradualmente, gracias a la investigación en curso y los concursos abiertos.

Por ejemplo, Cyber ​​Grand Challenge 2016, una competencia patrocinada por DARPA, desafió a las personas a construir y competir con bots de piratería. Estos bots de inteligencia artificial realizan pruebas de penetración para buscar y corregir vulnerabilidades de seguridad antes de que los equipos de la competencia puedan explotarlas. Su ganador, conocido como Mayhem, podría encontrar, corregir y buscar intrusiones en su sistema host mientras buscaba y explotaba vulnerabilidades de seguridad en sistemas competitivos.

Dicho esto, la inteligencia artificial ayuda a mejorar la eficiencia de las soluciones de ciberdefensa, especialmente las soluciones de pruebas de penetración. La razón es que ayuda a mejorar varias etapas de las pruebas de penetración automatizadas como se describe a continuación.

Etapa 1: planificación

La primera etapa, planificación y reconocimiento, es recopilar información sobre el objetivo. Y se necesitan muchos recursos, ya que cuanta más información recopile, más posibilidades tendrá de tener éxito. En esta etapa, el uso de IA ayuda a proporcionar mejores resultados con menos recursos. La inteligencia artificial junto con la visión por computadora y el procesamiento del lenguaje natural pueden ayudar a construir un perfil completo sobre la organización objetivo y sus empleados, la red, la postura de seguridad, etc.

Etapa 2: Escaneo

La segunda etapa pide una cobertura integral de los sistemas objetivo. Es decir, debe buscar cientos, si no miles, de computadoras y otros dispositivos y analizar los resultados. Con la IA, las herramientas se pueden modificar para escanear de forma inteligente los dispositivos y recopilar los resultados necesarios, simplificando el proceso de análisis.

Etapa 3: Obtener acceso

La tercera etapa consiste en obtener acceso a una de las redes o sistemas de destino. Este sistema comprometido se puede utilizar para extraer datos o lanzar ataques a otros sistemas de la red. Usando IA, las herramientas pueden probar una variedad de ataques y numerosas combinaciones de contraseñas para obtener acceso. Luego, también pueden usar algoritmos para encontrar patrones débiles o tendencias que puedan verse comprometidas.

Etapa 4: Mantener el acceso

La cuarta etapa es mantener el acceso al sistema comprometido. Al usar la inteligencia artificial, las herramientas pueden buscar puertas traseras conocidas o desconocidas, canales encriptados y vigilar las cuentas y los registros para detectar e informar actividades sospechosas o no autorizadas. Por ejemplo, una nueva cuenta de administrador o canal de acceso a la red puede dirigir hacia un sistema comprometido y / o acceso no autorizado.

Etapa 5: Análisis e informes

La última etapa es probar si una entidad no autorizada puede cubrir pistas, es decir, eliminar el historial y los registros de sus sistemas, haciendo imposible la detección de ataques. Usando IA, las herramientas pueden detectar puertas traseras ocultas, puntos finales de acceso no autorizado, etc. Además, estas herramientas pueden analizar mejor los mensajes de error y los registros del sistema para encontrar errores, entradas faltantes u otras actividades sospechosas. Finalmente, este análisis se incluye en un informe de fácil lectura que detalla los resultados completos de la prueba del objetivo.