Ինչպես գիտեք, ժամանակակից ծրագրային ճարտարապետությունը շատ ավելի լավ է աշխատում, քան երբևէ: Այն, անկասկած, ավելի հարմարվող, տվյալների ինտենսիվ և արագ է, քան իր նախորդները: Այնուամենայնիվ, իրական մարտահրավեր է, հատկապես ժամանակակից ժամանակներում, պաշտպանել նույն ծրագրաշարը առցանց սպառնալիքներից (նաև հայտնի է որպես կիբերհարձակումներ): Քանի որ ծրագրային համակարգերն այսօր աշխատում են ամեն ինչ՝ շարժական սարքերից մինչև անվտանգության տեսախցիկներ, խելացի մեքենաներից մինչև խելացի տներ և արտադրական կայաններից մինչև ատոմակայաններ, ժամանակակից ծրագրակազմը չափազանց կարևոր է խախտման կամ կոտրվելու համար:
Օրինակ, Հնդկաստանի Կուդանկուլամ քաղաքում գտնվող ատոմակայանը կոտրվել է 2019 թվականի հոկտեմբերին: Հարձակման ժամանակ օգտագործվել է տվյալների արդյունահանման համար ծրագրավորված չարամիտ ծրագիր, բայց կայանի ներքին ցանցը, բարեբախտաբար, անխախտ էր: Եթե չարամիտ ծրագիրը կարող էր խախտել ներքին ցանցը, այն կարող էր գողանալ էլեկտրակայանի վերաբերյալ կարևոր տվյալներ՝ այդպիսով ներխուժելով երկրի կարևոր ենթակառուցվածք: Ավելին, եթե հարձակումը նպատակ ունենար վերահսկել էլեկտրակայանը և հաջողված լիներ իր ծրագրում, ապա այն կարող էր հսկայական վնաս հասցնել՝ ճնշելով կայանը:
Բարեբախտաբար, լուրջ վնաս չի հասցվել։ Այնուամենայնիվ, Հնդկաստանը, կամ այդ դեպքում ցանկացած երկիր, ապագայում կարող է այդքան բախտավոր չլինել։ Ահա թե ինչու ժամանակակից ծրագրային ապահովումը պետք է կառուցվի զրոյից՝ հաշվի առնելով դրա անվտանգությունը։ Բացի այդ, այն պետք է պարբերաբար ստուգվի անվտանգության սխալների և խոցելիությունների առկայության համար։ Այնուամենայնիվ, ծրագրերի անվտանգության ստուգումը թանկ գործընթաց է, ուստի ավտոմատացված ստուգումը ժամանակի անհրաժեշտությունն է ։ Ավտոմատացված թեստավորման ռազմավարությունների շարքում ամենատարածված և արդյունավետ լուծումներից մեկը հայտնի է որպես ավտոմատացված ներթափանցման թեստավորում։
Ավտոմատացված ներթափանցման փորձարկում
Անդրադառնում է ցանցի կամ համակարգի վրա ավտոմատ կերպով նմանակված հարձակումներ գործարկելու գործընթացին՝ անվտանգության վրիպակներ և խոցելիություններ գտնելու համար: Նպատակն է գտնել խոցելի տեղերը և շտկել դրանք, մինչև կիբերհանցագործները կիմանան և շահագործեն դրանք: Սովորաբար դա կիբերանվտանգության ամբողջական աուդիտի մի մասն է, որը կարող է պահանջվել համապատասխանության և իրավական պատճառներով: Օրինակ, PCI DSS-ը (Payment Card Industry Data Security Standard) կազմակերպություններին խնդրում է կատարել pentesting կանոնավոր ժամանակացույցով:
Ավտոմատացված ներթափանցման թեստավորումը կատարվում է ծրագրային ապահովման միջոցով , ի տարբերություն ձեռքով ներթափանցման թեստավորման, որն իրականացվում է կիբերանվտանգության մասնագետների կողմից: Քանի որ այն իրականացվում է ծրագրային ապահովմամբ, այն սահմանափակվում է տվյալ ծրագրային ապահովման շրջանակով, որը սահմանափակվում է ծրագրային ապահովումը մշակող անվտանգության մասնագետների գիտելիքներով և հմտություններով: Ավելին, այն պակաս արդյունավետ է նոր սպառնալիքների դեպքում, քանի որ այն միայն նույնականացնում կամ ստուգում է հայտնի խոցելիությունները, ինչը այն անարդյունավետ է դարձնում անհայտների դեմ:
« Ահա թե որտեղ է գործի դրվում արհեստական բանականությունը. արհեստական բանականության միջոցով հնարավոր ավտոմատացումը կարող է օգնել թափանցող թեստավորումը շատ ավելի հեշտ դարձնել հետևողականորեն և մասշտաբային։ Իր հերթին, սա կօգնի կազմակերպություններին լուծել հմտությունների և մշակույթի հետ կապված խնդիրները և լուրջ վերաբերվել իրենց կիբերանվտանգության ռազմավարություններին », - գրել է Packt Hub-ը ։ Արհեստական բանականությունը օգնում է մասշտաբավորել ավտոմատ թափանցող թեստավորման գործընթացը՝ միաժամանակ բարելավելով դրա սկանավորման հնարավորությունները անհայտ խոցելիությունների համար։
Արհեստական ինտելեկտը և դրա ազդեցությունը
Արհեստական ինտելեկտի առաջընթացով վերջին տասնամյակների ընթացքում ավտոմատացման փորձագետները և համակարգչային գիտնականները փորձում են ավտոմատացնել ամեն ինչ՝ բացառություն չլինելով կիբերպաշտպանության տեխնոլոգիաներով: Օրինակ, կան բազմաթիվ ավտոմատացված գործիքներ, որոնք լրացնում են ներթափանցման փորձարկման գործիքները՝ խելացի հաշվետվություններ տրամադրելու համար: Այս ավտոմատացված լուծումներն ունեն արհեստական ինտելեկտի որոշ հիմնական հնարավորություններ, սակայն այն աստիճանաբար աճում է շարունակական հետազոտությունների և բաց մրցույթների շնորհիվ:
Օրինակ, Cyber Grand Challenge 2016-ը՝ DARPA-ի կողմից հովանավորվող մրցույթը, մարդկանց մարտահրավեր նետեց ստեղծել և մրցել հաքերային բոտերի հետ: Արհեստական խելացի այս բոտերը կատարում են ներթափանցման թեստավորում՝ անվտանգության խոցելիությունները որոնելու և շտկելու համար, նախքան մրցակից թիմերը կօգտագործեն դրանք: Դրա հաղթողը, որը հայտնի է որպես Mayhem, կարող էր գտնել, շտկել և փնտրել ներխուժումներ իր հյուրընկալող համակարգում՝ միաժամանակ գտնելով և օգտագործելով անվտանգության խոցելիությունը մրցակցային համակարգերում:
Ասված է, որ արհեստական ինտելեկտը օգնում է բարելավել կիբերպաշտպանության լուծումների արդյունավետությունը, հատկապես ներթափանցման փորձարկման լուծումները: Պատճառն այն է, որ այն օգնում է բարելավել ներթափանցման ավտոմատացված փորձարկման տարբեր փուլերը, ինչպես նկարագրված է ստորև:
Փուլ 1. Պլանավորում
Առաջին փուլը` պլանավորումը և հետախուզությունը, թիրախի մասին տեղեկատվության հավաքումն է: Եվ դա շատ ռեսուրսներ է պահանջում, քանի որ որքան շատ տեղեկություններ հավաքեք, այնքան ավելի շատ հնարավորություններ կունենաք հաջողության հասնելու համար: Այս փուլում AI-ի օգտագործումը օգնում է ավելի լավ արդյունքներ ապահովել ավելի քիչ քանակությամբ ռեսուրսներով: AI-ն, ինչպես նաև Computer Vision-ը և Natural Language Processing-ը կարող են օգնել ստեղծել ամբողջական պրոֆիլ թիրախային կազմակերպության և նրա աշխատակիցների, ցանցի, անվտանգության դիրքի և այլնի մասին:
Փուլ 2. սկանավորում
Երկրորդ փուլը պահանջում է թիրախային համակարգերի համապարփակ լուսաբանում: Այսինքն, դուք պետք է սկանավորեք հարյուրավոր, եթե ոչ հազարավոր համակարգիչներ և այլ սարքեր և վերլուծեք արդյունքները: Օգտագործելով AI-ն՝ գործիքները կարող են ճշգրտվել՝ խելացիորեն սկանավորելու սարքերը և հավաքելու անհրաժեշտ արդյունքները՝ պարզեցնելով վերլուծության գործընթացը:
Փուլ 3. Մուտքի ձեռքբերում
Երրորդ փուլը թիրախային ցանցերից կամ համակարգերից որևէ մեկին հասանելիություն ստանալն է: Այս վտանգված համակարգը կարող է այնուհետև օգտագործվել տվյալների կորզման կամ ցանցի մյուս համակարգերի վրա հարձակումներ իրականացնելու համար: Օգտագործելով AI, գործիքները կարող են փորձել մի շարք հարձակումներ և բազմաթիվ գաղտնաբառերի համակցություններ՝ մուտք ստանալու համար: Այնուհետև նրանք կարող են նաև օգտագործել ալգորիթմներ՝ գտնելու թույլ օրինաչափություններ կամ միտումներ, որոնք կարող են վտանգվել:
Փուլ 4. Մուտքի պահպանում
Չորրորդ փուլը վտանգված համակարգին հասանելիության պահպանումն է: Օգտագործելով AI, գործիքները կարող են փնտրել հայտնի կամ անհայտ հետևի դռներ, կոդավորված ալիքներ և հետևել հաշիվներին և գրանցամատյաններին՝ հայտնաբերելու և զեկուցելու կասկածելի կամ չարտոնված գործողությունները: Օրինակ, նոր ադմինիստրատորի հաշիվը կամ ցանցի մուտքի ալիքը կարող է ուղղորդվել դեպի վտանգված համակարգ և/կամ չարտոնված մուտք:
Փուլ 5. Վերլուծություն և հաշվետվություն
Վերջին փուլը փորձարկումն է, թե արդյոք չարտոնված կազմակերպությունը կարող է ծածկել հետքերը, այսինքն՝ ջնջել պատմությունը և տեղեկամատյանները ձեր համակարգերից՝ անհնարին դարձնելով հարձակումների հայտնաբերումը: Օգտագործելով AI, գործիքները կարող են հայտնաբերել թաքնված հետնադռներ, չարտոնված մուտքի վերջնակետեր և այլն: Բացի այդ, այս գործիքները կարող են ավելի լավ վերլուծել սխալների հաղորդագրությունները և համակարգի մատյանները՝ գտնելու սխալներ, բացակայող գրառումներ կամ այլ կասկածելի գործողություններ: Ի վերջո, այս վերլուծությունը դրվում է հեշտ ընթեռնելի զեկույցի վրա, որը մանրամասնում է թիրախի ամբողջական փորձարկման արդյունքները:
