Como quizais saiba, a arquitectura de software moderna funciona moito mellor que nunca. Sen dúbida, é máis adaptable, intensivo en datos e rápido que os seus predecesores. Non obstante, é un verdadeiro reto, especialmente nos tempos modernos, protexer o mesmo software das ameazas en liña (tamén coñecidas como ciberataques). Dado que os sistemas de software alimentan todo hoxe en día: desde dispositivos móbiles a cámaras de seguridade, desde coches intelixentes a casas intelixentes e dende plantas de fabricación a centrais nucleares, o software moderno é demasiado crucial para ser violado ou pirateado.

Por exemplo, unha planta de enerxía nuclear en Kudankulam, India, foi pirateada en outubro de 2019. O ataque utilizou un programa malicioso programado para a extracción de datos, pero a rede interna da central non foi comprometida, por fortuna. Se o malware puidese romper a rede interna, podería roubar datos cruciais sobre a central eléctrica, entrando así na infraestrutura crítica do país. Ademais, se o ataque tivese o obxectivo de tomar o control da central e tivera éxito no seu plan, podería facer un dano inmenso dominando a central.

Afortunadamente, non houbo danos críticos. Non obstante, a India, ou calquera país nese caso, pode que non teña tanta sorte no futuro. Esa é a razón pola que o software moderno debe construírse desde cero tendo en conta a súa seguridade. Ademais, debe probarse regularmente para detectar erros de seguridade e vulnerabilidades. Non obstante, as probas de seguridade das aplicacións son un proceso custoso e, polo tanto, as probas automatizadas son a necesidade do momento . Entre as estratexias de probas automatizadas, unha das solucións máis comúns e eficaces coñécese como probas de penetración automatizadas.

Probas de penetración automatizadas

Refírese ao proceso de lanzamento de ataques simulados nunha rede ou sistema automaticamente para atopar erros de seguridade e vulnerabilidades. O obxectivo é atopar as vulnerabilidades e solucionalas antes de que os ciberdelincuentes as coñezan e exploten. Normalmente forma parte dunha auditoría completa de ciberseguridade, que pode ser necesaria por motivos legais e de cumprimento. Por exemplo, o PCI DSS (Payment Card Industry Data Security Standard) pide ás organizacións que realicen un test en horario regular.

As probas de penetración automatizadas realízanse mediante software , a diferenza das probas de penetración manuais, que as realizan expertos en ciberseguridade. Dado que se realizan mediante software, están limitadas polo alcance do software dado, que á súa vez está limitado polos coñecementos e as habilidades dos profesionais da seguridade que o deseñan. Ademais, resultan menos eficaces para novas ameazas, xa que só identifican ou proban as vulnerabilidades coñecidas, o que as fai ineficaces contra as descoñecidas.

« Aquí é onde entra en xogo a intelixencia artificial: a automatización que se pode conseguir mediante a intelixencia artificial podería axudar a que as probas de pentesting sexan moito máis fáciles de realizar de forma consistente e a escala. Pola súa banda, isto axudaría ás organizacións a abordar tanto as cuestións de habilidades como a cultura, e a tomar en serio as súas estratexias de ciberseguridade », escribiu Packt Hub . A intelixencia artificial axuda a escalar o proceso automatizado de probas de pentesting ao tempo que mellora as súas funcións de dixitalización para detectar vulnerabilidades descoñecidas.

Intelixencia artificial e o seu impacto

Co progreso da intelixencia artificial nas últimas décadas, expertos en automatización e informáticos intentan automatizar todo con tecnoloxías de ciberdefensa non sendo unha excepción. Por exemplo, hai moitas ferramentas automatizadas que complementan as ferramentas de proba de penetración para proporcionar informes intelixentes. Estas solucións automatizadas teñen algunhas capacidades básicas de intelixencia artificial, pero van crecendo gradualmente grazas á investigación en curso e ás competicións abertas.

Por exemplo, Cyber ​​Grand Challenge 2016, unha competición patrocinada por DARPA, desafiou á xente a construír e competir con piratas informáticos. Estes bots artificialmente intelixentes realizan probas de penetración para buscar e corrixir vulnerabilidades de seguridade antes de que os equipos competidores poidan explotalos. O seu gañador, coñecido como Mayhem, podería atopar, solucionar e buscar intrusións no seu sistema host mentres atopaba e explotaba vulnerabilidades de seguridade en sistemas competitivos.

Dito isto, a intelixencia artificial axuda a mellorar a eficiencia das solucións de ciberdefensa, especialmente as solucións de probas de penetración. A razón é que axuda a mellorar varias etapas das probas de penetración automatizadas como se describe a continuación.

Etapa 1: Planificación

A primeira etapa - planificación e recoñecemento - é recompilar información sobre o obxectivo. E leva moitos recursos xa que canto máis información recompila, máis posibilidades de ter éxito. Nesta fase, o uso da IA ​​axuda a proporcionar mellores resultados con menos cantidade de recursos. A IA xunto coa visión por computador e o procesamento da linguaxe natural poden axudar a construír un perfil completo sobre a organización de destino e os seus empregados, a rede, a postura de seguridade, etc.

Fase 2: dixitalización

A segunda etapa solicita unha cobertura integral dos sistemas de destino. É dicir, debes buscar centos, se non miles de ordenadores e outros dispositivos e analizar os resultados. Usando a IA, pódense axustar as ferramentas para dixitalizar de xeito intelixente os dispositivos e reunir os resultados requiridos, simplificando o proceso de análise.

Etapa 3: obter acceso

A terceira etapa é acceder a unha das redes ou sistemas de destino. Este sistema comprometido pode entón usarse para extraer datos ou lanzar ataques a outros sistemas da rede. Usando AI, as ferramentas poden probar unha variedade de ataques e numerosas combinacións de contrasinais para acceder. Despois, tamén poden usar algoritmos para atopar patróns ou tendencias débiles que poidan verse comprometidos.

Etapa 4: Manter o acceso

A cuarta etapa é manter o acceso ao sistema comprometido. Usando a IA, as ferramentas poden buscar portas traseiras coñecidas ou descoñecidas, canles cifradas e manter un ollo nas contas e rexistros para detectar e informar de actividades sospeitosas ou non autorizadas. Por exemplo, unha nova conta de administrador ou canle de acceso á rede pode dirixirse a un sistema comprometido e / ou acceso non autorizado.

Etapa 5: Análise e informes

A última etapa é probar se unha entidade non autorizada pode cubrir pistas, é dicir, eliminar o historial e os rexistros dos seus sistemas, facendo imposible a detección de ataques. Usando IA, as ferramentas poden detectar portas traseiras ocultas, puntos finais de acceso non autorizados, etc. Ademais, estas ferramentas poden analizar mellor as mensaxes de erro e os rexistros do sistema para atopar erros, entradas perdidas ou outras actividades sospeitosas. Finalmente, esta análise ponse nun informe de fácil lectura que detalla os resultados completos das probas do obxectivo.