Mint tudják, a modern szoftver architektúra sokkal jobban működik, mint valaha. Kétségtelenül alkalmazkodóbb, adatigényesebb és gyorsabb, mint elődei. Valóságos kihívás azonban - különösen a modern időkben -, hogy megvédje ugyanazt a szoftvert az online fenyegetések (más néven kibertámadások) ellen. Mivel manapság a szoftverrendszerek mindent elárasztanak - a mobileszközöktől a biztonsági kamerákig, az intelligens autóktól az intelligens otthonokig és a gyártóüzemektől az atomerőművekig, a modern szoftverek túlságosan fontosak ahhoz, hogy feltörjék vagy feltörjék őket.

Például az indiai Kudankulamban működő atomerőművet 2019 októberében feltörték. A támadás az adatok kinyerésére programozott rosszindulatú programot használt, de az erőmű belső hálózata szerencsére kompromisszumoktól mentes volt. Ha a kártevő feltörhette volna a belső hálózatot, akkor ellophatta volna az erőművel kapcsolatos fontos adatokat, így behatolva az ország kritikus infrastruktúrájába. Sőt, ha a támadásnak az volt a célja, hogy átvegye az erőmű irányítását, és sikeres volt a terve, akkor hatalmas károkat okozhatott volna az erőmű túlterhelésével.

Szerencsére nem történt kritikus kár. India – vagy bármely más ország – azonban a jövőben talán nem lesz ilyen szerencsés. Ez az oka annak, hogy a modern szoftvereket a nulláról kell felépíteni, szem előtt tartva a biztonságukat. Emellett rendszeresen tesztelni kell őket biztonsági hibák és sebezhetőségek szempontjából. Az alkalmazásbiztonsági tesztelés azonban költséges folyamat, ezért az automatizált tesztelésre van szükség . Az automatizált tesztelési stratégiák közül az egyik leggyakoribb és leghatékonyabb megoldás az automatizált penetrációs tesztelés.

Automatizált behatolási teszt

Arra a folyamatra vonatkozik, amikor szimulált támadásokat indítanak hálózaton vagy rendszeren a biztonsági hibák és sebezhetőségek keresése érdekében. A cél az, hogy megtaláljuk a sérülékenységeket és kijavítsuk azokat, mielőtt a kiberbűnözők tudomást szereznének és kihasználnának. Ez általában egy teljes kiberbiztonsági ellenőrzés része, amely megfelelési és jogi okok miatt szükségessé válhat. A PCI DSS (Payment Card Industry Data Security Standard) például arra kéri a szervezeteket, hogy rendszeres időközönként végezzenek pentesztelést.

Az automatizált behatolásvizsgálatot szoftverrel végzik , ellentétben a kiberbiztonsági szakértők által végzett manuális behatolásvizsgálattal. Mivel szoftver végzi, a tesztelést az adott szoftver hatóköre korlátozza, amelyet pedig a szoftvert tervező biztonsági szakemberek ismerete és készségei korlátoznak. Ráadásul kevésbé hatékonynak bizonyul az új fenyegetések esetén, mivel csak az ismert sebezhetőségeket azonosítja vagy teszteli, ami hatástalanná teszi az ismeretlenekkel szemben.

„ Itt jön képbe a mesterséges intelligencia – a mesterséges intelligencia által elérhető automatizálás nagyban segíthet abban, hogy a behatolásvizsgálatok következetesen és nagy léptékben is elvégezhetők legyenek. Ez viszont segíthet a szervezeteknek mind a készségekkel, mind a kultúrával kapcsolatos kérdések kezelésében, és abban, hogy komolyan vegyék kiberbiztonsági stratégiáikat ” – írta a Packt Hub . A mesterséges intelligencia segít skálázni az automatizált behatolásvizsgálati folyamatot, miközben javítja az ismeretlen sebezhetőségek szkennelési funkcióit.

A mesterséges intelligencia és hatása

A mesterséges intelligencia fejlődésével az elmúlt évtizedekben az automatizálási szakértők és informatikusok mindent megpróbálnak automatizálni, ez alól a kibervédelmi technológiák sem kivételek. Például sok olyan automatizált eszköz létezik, amelyek kiegészítik a behatolási teszteszközöket az intelligens jelentések készítéséhez. Ezek az automatizált megoldások rendelkeznek néhány alapvető mesterséges intelligencia képességgel, de a folyamatban lévő kutatásoknak és nyílt versenyeknek köszönhetően fokozatosan növekszik.

Például a Cyber ​​Grand Challenge 2016-a DARPA által szponzorált verseny-kihívta az embereket, hogy építsenek fel és versenyezzenek a hacker robotokkal. Ezek a mesterségesen intelligens robotok penetrációs tesztet végeznek a biztonsági rések felkutatására és javítására, mielőtt a versengő csapatok kihasználhatnák azokat. A nyertes - Mayhem néven - megtalálhatja, kijavíthatja és keresheti a behatolásokat a gazdarendszerébe, miközben megtalálhatja és kihasználhatja a versenyképes rendszerek biztonsági réseit.

Ennek ellenére a mesterséges intelligencia javítja a kibervédelmi megoldások-különösen a penetrációs tesztelési megoldások-hatékonyságát. Ennek oka, hogy segít az automatizált penetrációs tesztelés különböző szakaszainak javításában, az alábbiakban leírtak szerint.

1. szakasz: Tervezés

Az első szakasz - tervezés és felderítés - információgyűjtés a célpontról. És sok erőforrást igényel, mivel minél több információt gyűjt, annál nagyobb esélye van a sikerre. Ebben a szakaszban az AI használata jobb eredményeket biztosít kevesebb erőforrás mellett. Az AI, a Computer Vision és a Natural Language Processing együtt segíthet egy teljes profil kialakításában a célszervezetről és annak alkalmazottairól, a hálózatról, a biztonsági helyzetről stb.

2. szakasz: Szkennelés

A második szakasz a célrendszerek átfogó lefedését kéri. Vagyis több száz, ha nem ezer számítógépet és más eszközt kell keresnie, és elemeznie kell az eredményeket. A mesterséges intelligencia segítségével az eszközök intelligensen beolvashatók és összegyűjthetők a szükséges eredmények, egyszerűsítve az elemzési folyamatot.

3. szakasz: Hozzáférés megszerzése

A harmadik szakasz elérése az egyik célhálózathoz vagy rendszerhez. Ez a veszélyeztetett rendszer felhasználható adatok kinyerésére vagy támadások indítására a hálózat többi rendszere ellen. Az AI segítségével az eszközök számos támadást és számos jelszó -kombinációt próbálhatnak ki a hozzáféréshez. Ezután algoritmusokkal is megkereshetik a gyenge mintákat vagy trendeket, amelyek veszélybe kerülhetnek.

4. szakasz: Hozzáférés fenntartása

A negyedik szakasz a veszélyeztetett rendszerhez való hozzáférés fenntartása. Az AI segítségével az eszközök kereshetnek ismert vagy ismeretlen hátsó ajtókat, titkosított csatornákat, és figyelemmel kísérhetik a fiókokat és a naplókat, hogy észleljék és bejelenthessék a gyanús vagy jogosulatlan tevékenységeket. Például egy új rendszergazdai fiók vagy hálózati hozzáférési csatorna veszélyeztetett rendszer és/vagy jogosulatlan hozzáférés felé irányíthat.

5. szakasz: Elemzés és jelentés

Az utolsó szakasz annak tesztelése, hogy egy jogosulatlan entitás képes -e lefedni a számokat, azaz törölni az előzményeket és a naplókat a rendszereiről, ami lehetetlenné teszi a támadások észlelését. Az AI segítségével az eszközök felismerhetik a rejtett hátsó ajtókat, a jogosulatlan hozzáférési végpontokat stb. Ezek az eszközök jobban tudják elemezni a hibaüzeneteket és a rendszernaplókat, hogy megtalálják a hibákat, a hiányzó bejegyzéseket vagy más gyanús tevékenységeket. Végül ezt az elemzést egy könnyen olvasható jelentés tartalmazza, amely részletezi a cél teljes vizsgálati eredményeit.