כפי שאתה אולי יודע, ארכיטקטורת תוכנה מודרנית עובדת הרבה יותר טוב מאי פעם. אין ספק שהוא יותר מסתגל, עתיר נתונים ומהיר מקודמיו. עם זאת, זהו אתגר אמיתי - במיוחד בעת החדשה - להגן על אותה תוכנה מפני איומים מקוונים (המכונים גם מתקפות סייבר). מכיוון שמערכות תוכנה מפעילות הכל בימינו - ממכשירים ניידים ועד מצלמות בטיחות, ממכוניות חכמות לבתים חכמים, וממפעלי ייצור ועד תחנות כוח גרעיניות, התוכנה המודרנית חשובה מכדי להיפרץ או לפרוץ לה.
למשל, תחנת כוח גרעינית בקודנקולם בהודו נפרצה באוקטובר 2019. בתקיפה נעשה שימוש בתוכנה זדונית שתוכנתה להפקת נתונים, אך הרשת הפנימית של המפעל לא הייתה מתפשרת, למרבה המזל. אם התוכנה הזדונית הייתה יכולה לפרוץ את הרשת הפנימית, היא הייתה יכולה לגנוב נתונים מכריעים אודות תחנת הכוח, ובכך לחדור לתשתית הקריטית במדינה. יתרה מכך, אם המטרה הייתה להתקפה להשתלט על תחנת הכוח והייתה מצליחה בתוכניתה, היא הייתה יכולה לגרום נזק עצום על ידי השתלטות על המפעל.
למרבה המזל, לא נגרם נזק קריטי. עם זאת, הודו - או כל מדינה במקרה זה - עשויה שלא להיות כל כך ברת מזל בעתיד. זו הסיבה שיש לבנות תוכנה מודרנית מהיסוד תוך התחשבות בביטחונה. כמו כן, יש לבדוק זאת באופן קבוע לאיתור באגים ופגיעויות אבטחה. עם זאת, בדיקת אבטחת יישומים היא תהליך יקר, ולכן, בדיקה אוטומטית היא צורך השעה. בין אסטרטגיות הבדיקה האוטומטיות, אחד הפתרונות הנפוצים והיעילים ביותר מכונה בדיקת חדירה אוטומטית.
בדיקת חדירה אוטומטית
מתייחס לתהליך של הפעלת התקפות מדומות על רשת או מערכת באופן אוטומטי למציאת באגים ופגיעות אבטחה. המטרה היא למצוא את הפגיעות ולתקן אותן לפני שעברייני רשת מתוודעים אליהם ומנצלים אותם. זה בדרך כלל חלק מביקורת אבטחת סייבר מלאה, אשר עשויה להידרש מסיבות משפטיות. לדוגמה, PCI DSS (תקן אבטחת נתונים של תעשיית כרטיסי התשלום) מבקש מארגונים לבצע חיזור על פי לוח זמנים קבוע.
חימוש אוטומטי מתבצע באמצעות תוכנה, בניגוד לבדיקות חדירה ידניות המבוצעות על ידי מומחים לאבטחת סייבר. מכיוון שהיא מבוצעת על ידי תוכנה, היא מוגבלת על ידי היקף התוכנה הנתונה, המוגבלת על ידי הידע והמיומנויות של אנשי מקצוע בתחום האבטחה המעצבים את התוכנה. יתר על כן, זה מתגלה כיעיל פחות לאיומים חדשים מכיוון שהוא רק מזהה או בודק את הפגיעות הידועות, מה שהופך אותו לבלתי יעיל נגד אלמונים.
"כאן נכנסת האינטליגנציה המלאכותית - האוטומציה שתוכלו להשיג באמצעות בינה מלאכותית עשויה לעזור להקל על ביצוע חיטוי באופן עקבי ובגודל. בתורו, זה יעזור לארגונים להתמודד עם שני הנושאים של כישורים ותרבות, ולהתייחס ברצינות לאסטרטגיות אבטחת הסייבר שלהם," כתבתי Hub Packt. בינה מלאכותית מסייעת בהרחבה של תהליך החימוש האוטומטי תוך שיפור תכונות הסריקה שלו לאיתור פרצות.
בינה מלאכותית והשפעתה
עם התקדמות האינטליגנציה המלאכותית בעשורים האחרונים, מומחי אוטומציה ומדעני מחשבים מנסים להפוך את הכל לאוטומטי כאשר טכנולוגיות הגנה סייבר אינן יוצאות דופן. לדוגמא, ישנם כלים אוטומטיים רבים המשלימים כלים לבדיקת חדירה למתן דוחות חכמים. לפתרונות האוטומטיים הללו יש יכולות בסיסיות של בינה מלאכותית, אך היא הולכת וגדלה בזכות מחקר מתמשך ותחרויות פתוחות.
לדוגמה, Cyber Grand Challenge 2016 - תחרות בחסות DARPA - אתגר אנשים לבנות ולהתחרות בבוטים פריצה. בוטים אינטליגנטיים מלאכותיים אלה מבצעים בדיקות חדירה כדי לחפש ולתקן נקודות תורפה לפני שהצוותים המתחרים יוכלו לנצל אותם. הזוכה שלה - המכונה Mayhem - יכול למצוא, לתקן ולחפש פריצות למערכת המארחת שלו תוך מציאת ופגיעות אבטחה במערכות תחרותיות וניצולן.
עם זאת, בינה מלאכותית מסייעת בשיפור היעילות של פתרונות הגנת סייבר - במיוחד פתרונות לבדיקת חדירה. הסיבה לכך מסייעת בשיפור שלבים שונים של בדיקות חדירה אוטומטיות כמתואר להלן.
שלב 1: תכנון
השלב הראשון - תכנון וסיור - הוא איסוף מידע על היעד. וזה לוקח הרבה משאבים מכיוון שככל שאתה אוסף יותר מידע, כך יש לך יותר סיכוי להצליח. בשלב זה, השימוש ב- AI מסייע לספק תוצאות טובות יותר עם פחות משאבים. AI יחד עם ראייה ממוחשבת ועיבוד שפות טבעיות יכולים לעזור בבניית פרופיל מלא אודות ארגון היעד ועובדיו, רשת, תנוחת אבטחה וכו '.
שלב 2: סריקה
השלב השני מבקש כיסוי מקיף של מערכות היעד. כלומר, עליכם לחפש מאות אם לא אלפי מחשבים ומכשירים אחרים ולנתח את התוצאות. באמצעות AI ניתן לשנות את הכלים לסריקה חכמה של המכשירים ולאיסוף התוצאות הנדרשות, ופשט את תהליך הניתוח.
שלב 3: קבלת גישה
השלב השלישי הוא קבלת גישה לאחת מרשתות היעד או מערכות היעד. לאחר מכן ניתן להשתמש במערכת נפגעת זו כדי לחלץ נתונים או להפעיל התקפות על המערכות האחרות ברשת. באמצעות AI, הכלים יכולים לנסות מגוון התקפות ושילובי סיסמאות רבים לקבלת גישה. לאחר מכן, הם יכולים גם להשתמש באלגוריתמים כדי למצוא דפוסים חלשים או מגמות העלולות להיפגע.
שלב 4: שמירה על גישה
השלב הרביעי הוא שמירה על הגישה למערכת שנפגעה. באמצעות AI, הכלים יכולים לחפש דלתות אחוריות ידועות או לא ידועות, ערוצים מוצפנים, ולעקוב אחר חשבונות ויומנים כדי לזהות ולדווח על פעילויות חשודות או בלתי מורשות. לדוגמא, חשבון מנהל מערכת חדש או ערוץ גישה לרשת עשויים להפנות לכיוון מערכת נפגעת ו / או גישה לא מורשית.
שלב 5: ניתוח ודיווח
השלב האחרון הוא בדיקה אם ישות לא מורשית יכולה לכסות מסלולים, כלומר למחוק היסטוריה ויומנים מהמערכות שלך, מה שלא מאפשר לזהות התקפות. באמצעות AI, הכלים יכולים לזהות דלתות אחוריות נסתרות, נקודות קצה גישה לא מורשות וכו '. כמו כן, כלים אלה יכולים לנתח טוב יותר הודעות שגיאה ויומני מערכת כדי למצוא שגיאות, ערכים חסרים או פעילויות חשודות אחרות. לבסוף, ניתוח זה הועלה על דוח קל לקריאה המפרט את תוצאות הבדיקה המלאות של היעד.
