Kuten ehkä tiedät, moderni ohjelmistoarkkitehtuuri toimii paljon paremmin kuin koskaan. Se on epäilemättä edeltäjiään mukautuvampi, paljon tietoa vievämpi ja nopeampi. On kuitenkin todellinen haaste - etenkin nykyaikana - suojata sama ohjelmisto verkkouhilta (tunnetaan myös nimellä kyberhyökkäykset). Koska ohjelmistojärjestelmät käyttävät nykyään kaikkea - mobiililaitteista valvontakameroihin, älykkäistä autoista älykkäisiin koteihin ja tuotantolaitoksista ydinvoimaloihin, nykyaikaiset ohjelmistot ovat liian tärkeitä, jotta niitä voidaan rikkoa tai hakata.

Esimerkiksi ydinvoimala Kudankulamissa, Intiassa, hakkeroitiin lokakuussa 2019. Hyökkäyksessä käytettiin tietojen poimintaan ohjelmoitua haittaohjelmaa, mutta laitoksen sisäinen verkko oli onneksi tinkimätön. Jos haittaohjelma olisi voinut rikkoa sisäistä verkkoa, se olisi voinut varastaa tärkeitä tietoja voimalaitoksesta ja tunkeutua siten maan kriittiseen infrastruktuuriin. Lisäksi, jos hyökkäyksellä oli tarkoitus ottaa voimalaitos haltuunsa ja jos se olisi onnistunut sen suunnitelmassa, se olisi voinut aiheuttaa valtavia vahinkoja voimalan valtaamalla.

Onneksi vakavaa vahinkoa ei sattunut. Intia – tai mikään muu maa siinä tapauksessa – ei kuitenkaan välttämättä ole yhtä onnekas tulevaisuudessa. Siksi nykyaikainen ohjelmisto on rakennettava alusta alkaen pitäen sen turvallisuus mielessä. Se on myös testattava säännöllisesti tietoturvavirheiden ja haavoittuvuuksien varalta. Sovellusten tietoturvatestaus on kuitenkin kallis prosessi, ja siksi automaattinen testaus on ajankohtaista . Automaattisista testausstrategioista yksi yleisimmistä ja tehokkaimmista ratkaisuista tunnetaan nimellä automaattinen penetraatiotestaus.

Automaattinen tunkeutumistestaus

Viittaa simuloitujen hyökkäysten käynnistämiseen verkkoon tai järjestelmään automaattisesti suojausvirheiden ja haavoittuvuuksien löytämiseksi. Tavoitteena on löytää haavoittuvuudet ja korjata ne ennen kuin rikolliset tietävät niistä ja käyttävät niitä hyväksi. Se on yleensä osa täydellistä kyberturvallisuuden auditointia, jota voidaan tarvita vaatimustenmukaisuuden ja oikeudellisista syistä. Esimerkiksi PCI DSS (Payment Card Industry Data Security Standard) pyytää organisaatioita suorittamaan pentesting säännöllisesti.

Automaattinen penetraatiotestaus suoritetaan ohjelmistolla , toisin kuin manuaalinen penetraatiotestaus, jonka suorittavat kyberturvallisuusasiantuntijat. Koska se suoritetaan ohjelmistolla, sitä rajoittaa annetun ohjelmiston laajuus, jota puolestaan ​​rajoittaa ohjelmistoa suunnittelevien turvallisuusammattilaisten tietämys ja taidot. Lisäksi se osoittautuu vähemmän tehokkaaksi uusien uhkien suhteen, koska se tunnistaa tai testaa vain tunnettuja haavoittuvuuksia, mikä tekee siitä tehottoman tuntemattomia uhkia vastaan.

” Tässä kohtaa tekoäly astuu kuvaan – tekoälyn avulla saavutettava automaatio voisi hyvinkin auttaa tekemään penetraatiotestauksesta paljon helpompaa johdonmukaisesti ja laaja-alaisesti. Tämä puolestaan ​​auttaisi organisaatioita ratkaisemaan sekä osaamiseen että kulttuuriin liittyviä kysymyksiä ja suhtautumaan kyberturvallisuusstrategioihinsa vakavasti”, Packt Hub kirjoitti . Tekoäly auttaa skaalaamaan automatisoitua penetraatiotestausprosessia ja parantaa samalla sen skannausominaisuuksia tuntemattomien haavoittuvuuksien varalta.

Tekoäly ja sen vaikutukset

Tekoälyn kehittyessä viime vuosikymmeninä automaatioasiantuntijat ja tietojenkäsittelytieteiden tutkijat yrittävät automatisoida kaiken, kyberpuolustustekniikat eivät ole poikkeus. Esimerkiksi älykkäiden raporttien toimittamiseksi on olemassa monia automatisoituja työkaluja, jotka täydentävät tunkeutumistestaustyökaluja. Näillä automatisoiduilla ratkaisuilla on joitain perustekijöitä, mutta se kasvaa vähitellen jatkuvan tutkimuksen ja avoimien kilpailujen ansiosta.

Esimerkiksi Cyber ​​Grand Challenge 2016 - DARPA-sponsoroitu kilpailu - haastoi ihmiset rakentamaan hakkerointirobotteja ja kilpailemaan niiden kanssa. Nämä keinotekoisesti älykkäät robotit suorittavat tunkeutumistestauksen etsimään ja korjaamaan tietoturva-aukkoja ennen kuin kilpailevat joukkueet voisivat hyödyntää niitä. Sen voittaja - joka tunnetaan nimellä Mayhem - voisi löytää, korjata ja etsiä tunkeutumisia isäntäjärjestelmäänsä samalla kun löytää ja hyödyntää tietoturva-aukkoja kilpailevissa järjestelmissä.

Keinotekoinen älykkyys auttaa parantamaan kyberpuolustusratkaisujen - etenkin tunkeutumistestausratkaisujen - tehokkuutta. Syynä on se, että se auttaa parantamaan automaattisen tunkeutumistestauksen eri vaiheita alla kuvatulla tavalla.

Vaihe 1: Suunnittelu

Ensimmäinen vaihe - suunnittelu ja tiedustelu - kerää tietoa kohteesta. Ja se vie paljon resursseja, koska mitä enemmän tietoja keräät, sitä enemmän sinulla on mahdollisuuksia menestyä. Tässä vaiheessa tekoälyn käyttäminen auttaa tuottamaan parempia tuloksia pienemmällä resurssimäärällä. Tekoäly sekä tietokonenäkö ja luonnollisen kielen käsittely voivat auttaa rakentamaan täydellisen profiilin kohdeorganisaatiosta ja sen työntekijöistä, verkosta, turvallisuusasennosta jne.

Vaihe 2: Skannaus

Toinen vaihe pyytää kohdesysteemien kattavaa kattavuutta. Eli sinun on etsittävä satoja, ellei tuhansia tietokoneita ja muita laitteita, ja analysoitava tulokset. Tekoälyn avulla työkaluja voidaan muokata älykkäästi laitteiden skannaamiseen ja tarvittavien tulosten keräämiseen, mikä yksinkertaistaa analyysiprosessia.

Vaihe 3: Pääsy

Kolmas vaihe on pääsy johonkin kohdeverkkoihin tai -järjestelmiin. Tätä vaarantunutta järjestelmää voidaan sitten käyttää tietojen purkamiseen tai hyökkäysten käynnistämiseen verkon muihin järjestelmiin. Tekoälyn avulla työkalut voivat kokeilla erilaisia ​​hyökkäyksiä ja lukuisia salasanayhdistelmiä pääsyn saamiseksi. Sitten he voivat myös käyttää algoritmeja löytääksesi heikkoja malleja tai trendejä, jotka saattavat vaarantua.

Vaihe 4: pääsyn ylläpito

Neljäs vaihe on pääsyn ylläpitäminen vaarantuneeseen järjestelmään. Tekoälyn avulla työkalut voivat etsiä tunnettuja tai tuntemattomia takaovia, salattuja kanavia ja pitää silmällä tilejä ja lokeja epäilyttävien tai luvattomien toimintojen havaitsemiseksi ja ilmoittamiseksi. Esimerkiksi uusi järjestelmänvalvojan tili tai verkkokanava voi ohjata kohti vaarantunutta järjestelmää ja / tai luvatonta käyttöä.

Vaihe 5: Analyysi ja raportointi

Viimeinen vaihe on testaus, pystyykö luvaton yksikkö peittämään kappaleita, eli poistamaan historiaa ja lokeja järjestelmistäsi, mikä tekee hyökkäysten havaitsemisesta mahdotonta. Tekoälyn avulla työkalut voivat havaita piilotetut takaovet, luvattomat pääsypäät jne. Nämä työkalut voivat myös paremmin analysoida virheilmoituksia ja järjestelmälokeja löytääkseen virheitä, puuttuvia merkintöjä tai muita epäilyttäviä toimintoja. Lopuksi tämä analyysi laitetaan helposti luettavaan raporttiin, jossa esitetään yksityiskohtaisesti kohteen kaikki testitulokset.