ご存知かもしれませんが、最新のソフトウェアアーキテクチャはこれまで以上にうまく機能します。 間違いなく、以前のバージョンよりも適応性が高く、データ集約的で、高速です。 ただし、同じソフトウェアをオンラインの脅威（サイバー攻撃とも呼ばれます）から保護することは、特に現代では、真の課題です。 今日のソフトウェアシステムは、モバイルデバイスから安全カメラ、スマートカーからスマートホーム、製造工場から原子力発電所に至るまで、あらゆるものに電力を供給しているため、最新のソフトウェアは非常に重要であり、侵害されたりハッキングされたりすることはありません。

たとえば、インドのクダンクラムにある原子力発電所が2019年XNUMX月にハッキングされました。攻撃では、データ抽出用にプログラムされたマルウェアが使用されましたが、幸い、原子力発電所の内部ネットワークは危険にさらされていませんでした。 マルウェアが内部ネットワークを侵害した可能性がある場合、発電所に関する重要なデータが盗まれ、国の重要なインフラストラクチャに侵入した可能性があります。 さらに、攻撃が発電所の支配権を握ることを目的としており、その計画に成功していれば、発電所を圧倒することによって甚大な被害をもたらした可能性があります。

幸いにも、重大な被害は発生しませんでした。しかし、インド、あるいは他のどの国であっても、将来はそれほど幸運ではないかもしれません。だからこそ、現代​​のソフトウェアはセキュリティを念頭に置いてゼロから構築されなければならないのです。また、セキュリティ上のバグや脆弱性がないか定期的にテストする必要があります。しかし、アプリケーションのセキュリティテストはコストのかかるプロセスであるため、自動化されたテストが求められています。自動化されたテスト戦略の中でも、最も一般的で効果的なソリューションの1つが、自動侵入テストとして知られています。

自動侵入テスト

セキュリティのバグや脆弱性を見つけるために、ネットワークまたはシステムに対してシミュレートされた攻撃を自動的に開始するプロセスを指します。 目標は、サイバー犯罪者が脆弱性を認識して悪用する前に、脆弱性を見つけて修正することです。 これは通常、完全なサイバーセキュリティ監査の一部であり、コンプライアンスや法的な理由で必要になる場合があります。 たとえば、PCI DSS（Payment Card Industry Data Security Standard）は、組織に定期的なスケジュールで侵入テストを実行するように要求します。

自動ペネトレーションテストは、サイバーセキュリティ専門家が行う手動ペネトレーションテストとは異なり、ソフトウェアを使用して実行されます。ソフトウェアによって実行されるため、そのソフトウェアの適用範囲に制約され、さらにその適用範囲は、ソフトウェアを設計するセキュリティ専門家の知識とスキルによって制限されます。また、既知の脆弱性のみを特定またはテストするため、未知の脅威に対しては効果が低く、新たな脅威への対応は困難です。

「ここで人工知能の出番です。人工知能によって実現できる自動化は、ペネトレーションテストをはるかに容易に、かつ一貫して大規模に実行するのに役立ちます。ひいては、これは組織がスキルと文化の両方の問題に取り組み、サイバーセキュリティ戦略に真剣に取り組むのに役立ちます」とPackt Hubは述べています。人工知能は、自動化されたペネトレーションテストプロセスを拡張するのに役立つだけでなく、未知の脆弱性に対するスキャン機能も強化します。

人工知能とその影響

ここ数十年の人工知能の進歩に伴い、自動化の専門家やコンピューターサイエンティストは、サイバー防衛技術も例外ではなく、すべてを自動化しようとしています。 たとえば、インテリジェントなレポートを提供するための侵入テストツールを補完する多くの自動化ツールがあります。 これらの自動化されたソリューションにはいくつかの基本的な人工知能機能がありますが、継続的な研究とオープンな競争のおかげで徐々に成長しています。

たとえば、DARPAが後援するコンテストであるCyber​​ Grand Challenge 2016は、ハッキングボットを構築して競争するよう人々に呼びかけました。 これらの人工知能ボットは、侵入テストを実行して、競合するチームがセキュリティの脆弱性を悪用する前に、セキュリティの脆弱性を検索してパッチを適用します。 その勝者（メイヘムとして知られている）は、競合するシステムのセキュリティの脆弱性を見つけて悪用しながら、ホストシステムへの侵入を見つけ、修正し、探すことができます。

とはいえ、人工知能はサイバー防御ソリューション、特に侵入テストソリューションの効率を向上させるのに役立ちます。 その理由は、以下に説明するように、自動侵入テストのさまざまな段階を改善するのに役立ちます。

ステージ1：計画

最初の段階である計画と偵察は、ターゲットに関する情報を収集することです。 また、収集する情報が多いほど、成功する可能性が高くなるため、多くのリソースが必要になります。 この段階で、AIを使用すると、少ないリソースでより良い結果を得ることができます。 AIとコンピュータービジョンおよび自然言語処理は、ターゲット組織とその従業員、ネットワーク、セキュリティ体制などに関する完全なプロファイルを構築するのに役立ちます。

ステージ2：スキャン

第XNUMX段階では、ターゲットシステムを包括的にカバーする必要があります。 つまり、数千とは言わないまでも数百のコンピューターやその他のデバイスをスキャンして、結果を分析する必要があります。 AIを使用すると、ツールを調整してデバイスをインテリジェントにスキャンし、必要な結果を収集して、分析プロセスを簡素化できます。

ステージ3：アクセスの取得

第XNUMX段階は、ターゲットネットワークまたはシステムのXNUMXつにアクセスすることです。 この侵害されたシステムを使用して、データを抽出したり、ネットワーク内の他のシステムに攻撃を仕掛けたりすることができます。 ツールはAIを使用して、アクセスを取得するためのさまざまな攻撃と多数のパスワードの組み合わせを試すことができます。 次に、アルゴリズムを使用して、危険にさらされる可能性のある弱いパターンや傾向を見つけることもできます。

ステージ4：アクセスの維持

第XNUMX段階は、侵害されたシステムへのアクセスを維持することです。 ツールはAIを使用して、既知または未知のバックドア、暗号化されたチャネルを検索し、アカウントとログを監視して、疑わしいアクティビティや不正なアクティビティを検出して報告します。 たとえば、新しい管理者アカウントまたはネットワークアクセスチャネルは、侵害されたシステムや不正アクセスに向けられる可能性があります。

ステージ5：分析とレポート

最後の段階は、許可されていないエンティティがトラックをカバーできるかどうか、つまり、システムから履歴とログを削除して、攻撃を検出できないかどうかをテストすることです。 AIを使用すると、ツールは隠されたバックドア、不正アクセスエンドポイントなどを検出できます。また、これらのツールはエラーメッセージとシステムログをより適切に分析して、エラー、エントリの欠落、またはその他の疑わしいアクティビティを見つけることができます。 最後に、この分析は、ターゲットの完全なテスト結果を詳述する読みやすいレポートに配置されます。