როგორც მოგეხსენებათ, თანამედროვე პროგრამული არქიტექტურა ბევრად უკეთესად მუშაობს, ვიდრე ოდესმე. ის უდავოდ უფრო ადაპტირებადია, მონაცემთა ინტენსიური და სწრაფი, ვიდრე მისი წინამორბედები. თუმცა, ეს არის ნამდვილი გამოწვევა - განსაკუთრებით თანამედროვე დროში - იგივე პროგრამული უზრუნველყოფის დაცვა ონლაინ საფრთხეებისგან (ასევე ცნობილია როგორც კიბერშეტევები). ვინაიდან პროგრამული სისტემები ამარაგებენ ყველაფერს დღეს - მობილური მოწყობილობიდან უსაფრთხოების კამერებამდე, ჭკვიანი მანქანებიდან ჭკვიან სახლებში და წარმოების ქარხნებიდან ბირთვულ ელექტროსადგურებამდე, თანამედროვე პროგრამული უზრუნველყოფა ძალიან გადამწყვეტია იმისთვის, რომ ის გატეხილი ან გატეხილი იყოს.
მაგალითად, ბირთვული ელექტროსადგური ინდოეთის კუდანკულამში გატეხეს 2019 წლის ოქტომბერში. თავდასხმაში გამოყენებული იყო მონაცემთა მოპოვებისთვის დაპროგრამებული მავნე პროგრამა, მაგრამ საბედნიეროდ, ქარხნის შიდა ქსელი უკომპრომისო იყო. თუ მავნე პროგრამას შეეძლო შიდა ქსელის დარღვევა, მას შეეძლო ელექტროსადგურის შესახებ გადამწყვეტი მონაცემების მოპარვა, რითაც ქვეყნის კრიტიკულ ინფრასტრუქტურაში შეჭრა. უფრო მეტიც, თუ თავდასხმა მიზნად ისახავდა ელექტროსადგურის კონტროლის აღებას და წარმატებული იქნებოდა მის გეგმაში, მას შეეძლო უზარმაზარი ზიანის მიყენება ქარხნის დამარცხებით.
საბედნიეროდ, სერიოზული ზიანი არ მიუყენებიათ. თუმცა, ინდოეთს - ან ამ შემთხვევაში ნებისმიერ ქვეყანას - შესაძლოა მომავალში ასე არ გაუმართლოს. სწორედ ამიტომ, თანამედროვე პროგრამული უზრუნველყოფა ნულიდან უნდა შეიქმნას მისი უსაფრთხოების გათვალისწინებით. ასევე, ის რეგულარულად უნდა შემოწმდეს უსაფრთხოების შეცდომებსა და დაუცველობებზე. თუმცა, აპლიკაციის უსაფრთხოების ტესტირება ძვირადღირებული პროცესია და, შესაბამისად, ავტომატიზირებული ტესტირება დროის აუცილებლობაა . ავტომატიზირებული ტესტირების სტრატეგიებს შორის, ერთ-ერთი ყველაზე გავრცელებული და ეფექტური გადაწყვეტა ცნობილია, როგორც ავტომატური შეღწევადობის ტესტირება.
შეღწევადობის ავტომატური ტესტირება
ეხება ქსელში ან სისტემაზე სიმულაციური შეტევების ავტომატურად დაწყების პროცესს უსაფრთხოების შეცდომებისა და დაუცველობების საპოვნელად. მიზანი არის დაუცველების პოვნა და მათი აღმოფხვრა, სანამ კიბერდანაშაულებმა გაიგონ და გამოიყენონ ისინი. ეს, როგორც წესი, არის კიბერუსაფრთხოების სრული აუდიტის ნაწილი, რომელიც შეიძლება საჭირო გახდეს შესაბამისობისა და სამართლებრივი მიზეზების გამო. მაგალითად, PCI DSS (გადახდის ბარათის მრეწველობა მონაცემთა უსაფრთხოების სტანდარტი) სთხოვს ორგანიზაციებს განახორციელონ პენტესტირება რეგულარული გრაფიკით.
ავტომატური შეღწევადობის ტესტირება ხორციელდება პროგრამული უზრუნველყოფის გამოყენებით , ხელით შეღწევადობის ტესტირებისგან განსხვავებით, რომელსაც კიბერუსაფრთხოების ექსპერტები ატარებენ. ვინაიდან ის ხორციელდება პროგრამული უზრუნველყოფის მიერ, იგი შეზღუდულია მოცემული პროგრამული უზრუნველყოფის მასშტაბებით, რაც შეზღუდულია პროგრამული უზრუნველყოფის შემქმნელი უსაფრთხოების სპეციალისტების ცოდნითა და უნარებით. გარდა ამისა, ის ნაკლებად ეფექტურია ახალი საფრთხეებისთვის, რადგან ის მხოლოდ ცნობილ დაუცველობებს ამოიცნობს ან ამოწმებს, რაც მას არაეფექტურს ხდის უცნობი დაუცველობების წინააღმდეგ.
„ სწორედ აქ ერთვება ხელოვნური ინტელექტი - ავტომატიზაცია, რომლის მიღწევაც ხელოვნური ინტელექტის საშუალებით შეგიძლიათ, შესაძლოა, მნიშვნელოვნად გაამარტივოს შეღწევადობის ტესტირება თანმიმდევრულად და მასშტაბურად. თავის მხრივ, ეს ორგანიზაციებს დაეხმარება გაუმკლავდნენ როგორც უნარების, ასევე კულტურის საკითხებს და სერიოზულად მოეკიდონ კიბერუსაფრთხოების სტრატეგიებს “, - წერს Packt Hub . ხელოვნური ინტელექტი ხელს უწყობს ავტომატიზირებული შეღწევადობის ტესტირების პროცესის მასშტაბირებას, ამავდროულად აძლიერებს მის სკანირების ფუნქციებს უცნობი დაუცველობების აღმოსაჩენად.
ხელოვნური ინტელექტი და მისი გავლენა
ბოლო ათწლეულების განმავლობაში ხელოვნური ინტელექტის პროგრესირებასთან ერთად, ავტომატიზაციის ექსპერტები და კომპიუტერის მეცნიერები ცდილობენ ყველაფრის ავტომატიზირებას კიბერ თავდაცვის ტექნოლოგიებით, გამონაკლისი არ არის. მაგალითად, არსებობს მრავალი ავტომატური ინსტრუმენტი, რომელიც ავსებს შეღწევადობის ტესტირების ინსტრუმენტებს ინტელექტუალური ანგარიშების უზრუნველსაყოფად. ამ ავტომატიზირებულ გადაწყვეტილებებს აქვთ ძირითადი ხელოვნური ინტელექტის შესაძლებლობები, მაგრამ ის თანდათან იზრდება, მიმდინარე კვლევებისა და ღია კონკურსების წყალობით.
მაგალითად, Cyber Grand Challenge 2016-DARPA- ს მიერ დაფინანსებული კონკურსი-ხალხს დაუპირისპირდა ჰაკერების რობოტების შექმნა და კონკურენცია. ეს ხელოვნურად ინტელექტუალური ბოტები ატარებენ შეღწევადობის ტესტირებას უსაფრთხოების დაუცველების მოსაძიებლად და გასასწორებლად, სანამ კონკურენტი გუნდები შეძლებენ მათ გამოყენებას. მის გამარჯვებულს - ცნობილი როგორც Mayhem - შეეძლო იპოვოს, გაასწოროს და მოძებნოს შეღავათები მის მასპინძელ სისტემაში, კონკურენტულ სისტემებზე უსაფრთხოების დაუცველების პოვნის და გამოყენებისას.
ამის თქმით, ხელოვნური ინტელექტი ხელს უწყობს კიბერ თავდაცვის გადაწყვეტილებების ეფექტურობის ამაღლებას-განსაკუთრებით შეღწევადობის ტესტირების გადაწყვეტილებებს. მიზეზი ის არის, რომ ის ხელს უწყობს ავტომატური შეღწევის ტესტირების სხვადასხვა სტადიის გაუმჯობესებას, როგორც ეს აღწერილია ქვემოთ.
ეტაპი 1: დაგეგმვა
პირველი ეტაპი - დაგეგმვა და დაზვერვა - არის მიზნის შესახებ ინფორმაციის შეგროვება. და ამას ბევრი რესურსი სჭირდება, რადგან რაც უფრო მეტ ინფორმაციას აგროვებ, მით მეტი შანსი გაქვს წარმატების მიღწევის. ამ ეტაპზე, ხელოვნური ინტელექტის გამოყენება ხელს უწყობს უკეთესი შედეგის მიღწევას ნაკლები რესურსებით. AI კომპიუტერულ ხედვასთან და ბუნებრივი ენის დამუშავებასთან ერთად დაგეხმარებათ შექმნათ სრული პროფილი სამიზნე ორგანიზაციისა და მისი თანამშრომლების, ქსელის, უსაფრთხოების პოზის და ა.
ეტაპი 2: სკანირება
მეორე ეტაპი ითხოვს სამიზნე სისტემების ყოვლისმომცველ გაშუქებას. ანუ, თქვენ უნდა დაათვალიეროთ ასობით თუ არა ათასობით კომპიუტერი და სხვა მოწყობილობა და გაანალიზოთ შედეგები. AI– ს გამოყენებით, ინსტრუმენტების შეცვლა შესაძლებელია მოწყობილობების ინტელექტუალური სკანირებისთვის და საჭირო შედეგების შეგროვების მიზნით, რაც გაამარტივებს ანალიზის პროცესს.
ეტაპი 3: წვდომის მოპოვება
მესამე ეტაპი არის წვდომა ერთ – ერთ სამიზნე ქსელზე ან სისტემაზე. ეს კომპრომეტირებული სისტემა შეიძლება გამოყენებულ იქნას მონაცემების ამოსაღებად ან ქსელის სხვა სისტემებზე თავდასხმების დასაწყებად. AI– ს გამოყენებით, ინსტრუმენტებს შეუძლიათ შეამოწმოთ სხვადასხვა სახის შეტევები და პაროლის მრავალრიცხოვანი კომბინაცია წვდომის მოსაპოვებლად. შემდეგ, მათ ასევე შეუძლიათ ალგორითმების გამოყენება სუსტი შაბლონების ან ტენდენციების მოსაძებნად, რომლებმაც შესაძლოა კომპრომეტირება მოახდინონ.
ეტაპი 4: წვდომის შენარჩუნება
მეოთხე ეტაპი არის კომპრომეტირებულ სისტემაზე წვდომის შენარჩუნება. AI– ს გამოყენებით, ინსტრუმენტებს შეუძლიათ მოძებნონ ცნობილი ან უცნობი უკანა კარები, დაშიფრული არხები და თვალყური ადევნონ ანგარიშებს და ჟურნალებს საეჭვო ან არასანქცირებული საქმიანობის გამოვლენისა და შეტყობინების მიზნით. მაგალითად, ახალი ადმინისტრატორის ანგარიში ან ქსელის წვდომის არხი შეიძლება მიმართული იყოს კომპრომეტირებული სისტემისა და/ან უნებართვო წვდომისკენ.
ეტაპი 5: ანალიზი და ანგარიშგება
ბოლო ეტაპი არის ტესტირება თუ არა უნებართვო პირს შეუძლია დაფაროს ტრეკები, ანუ წაშალოს ისტორია და ჟურნალები თქვენი სისტემებიდან, რაც შეუძლებელს ხდის თავდასხმების გამოვლენას. AI– ს გამოყენებით, ინსტრუმენტებს შეუძლიათ აღმოაჩინონ ფარული უკანა კარები, უნებართვო წვდომის წერტილები და სხვა. ასევე, ამ ინსტრუმენტებს შეუძლიათ უკეთ გააანალიზონ შეცდომის შეტყობინებები და სისტემის ჟურნალები შეცდომების, დაკარგული ჩანაწერების ან სხვა საეჭვო საქმიანობის საპოვნელად. დაბოლოს, ეს ანალიზი იდება ადვილად წასაკითხი ანგარიშისთვის, სადაც დეტალურად არის აღწერილი სამიზნის სრული ტესტის შედეგები.
