아시다시피 현대 소프트웨어 아키텍처는 그 어느 때보 다 훨씬 더 잘 작동합니다. 이전 제품보다 적응력이 뛰어나고 데이터 집약적이며 빠릅니다. 그러나 온라인 위협 (사이버 공격이라고도 함)으로부터 동일한 소프트웨어를 보호하는 것은 특히 현대에서 진정한 도전입니다. 소프트웨어 시스템은 오늘날 모바일 장치에서 안전 카메라, 스마트 자동차에서 스마트 홈, 제조 공장에서 원자력 발전소에 이르기까지 모든 것에 전력을 공급하기 때문에 최신 소프트웨어는 침해 또는 해킹 당하기에는 너무 중요합니다.
예를 들어, 인도 쿠단 쿨람의 한 원자력 발전소가 2019 년 XNUMX 월 해킹당했습니다. 공격은 데이터 추출을 위해 프로그래밍 된 악성 코드를 사용했지만 다행히도 발전소의 내부 네트워크는 손상되지 않았습니다. 맬웨어가 내부 네트워크를 침해 할 수 있다면 발전소에 대한 중요한 데이터를 훔쳐서 국가의 중요한 인프라에 침입했을 수 있습니다. 더욱이 공격이 발전소를 장악하려는 목표를 가지고 계획을 성공적으로 수행했다면 발전소를 압도하여 막대한 피해를 입힐 수있었습니다.
다행히 심각한 피해는 발생하지 않았습니다. 하지만 인도, 또는 이와 유사한 상황에 처한 어떤 나라도 미래에 이처럼 운이 좋을 수는 없을 것입니다. 그렇기 때문에 현대 소프트웨어는 처음부터 보안을 최우선으로 고려하여 개발되어야 하며, 보안 버그와 취약점을 정기적으로 테스트해야 합니다. 그러나 애플리케이션 보안 테스트는 비용이 많이 드는 과정이므로 자동화된 테스트가 시급합니다 . 자동화된 테스트 전략 중에서도 가장 일반적이고 효과적인 솔루션 중 하나는 자동화된 침투 테스트입니다.
자동화 된 침투 테스트
보안 버그 및 취약점을 찾기 위해 네트워크 또는 시스템에서 시뮬레이션 된 공격을 자동으로 실행하는 프로세스를 나타냅니다. 목표는 사이버 범죄자가 취약점을 파악하고 악용하기 전에 취약점을 찾아 수정하는 것입니다. 일반적으로 완전한 사이버 보안 감사의 일부이며 규정 준수 및 법적 이유로 필요할 수 있습니다. 예를 들어, PCI DSS (Payment Card Industry Data Security Standard)는 조직에 정기적으로 침투 테스트를 수행하도록 요청합니다.
자동화된 침투 테스트는 소프트웨어를 사용하여 수행되는 반면, 수동 침투 테스트는 사이버 보안 전문가가 직접 수행합니다. 소프트웨어 기반 테스트는 해당 소프트웨어의 범위에 제약을 받으며, 이는 소프트웨어를 설계한 보안 전문가의 지식과 기술 수준에 따라 제한됩니다. 또한, 자동화된 침투 테스트는 알려진 취약점만 식별하거나 테스트하기 때문에 새로운 위협에 대해서는 효과가 떨어지며, 알려지지 않은 위협에는 효과적이지 못합니다.
Packt Hub은 " 바로 이 지점에서 인공지능이 중요한 역할을 합니다. 인공지능을 통해 달성할 수 있는 자동화는 침투 테스트를 훨씬 더 쉽고 일관되게, 그리고 대규모로 수행하는 데 도움이 될 수 있습니다. 결과적으로 이는 조직이 기술 및 문화적 문제를 해결하고 사이버 보안 전략을 진지하게 추진하는 데 도움이 될 것입니다. "라고 밝혔습니다 . 인공지능은 자동화된 침투 테스트 프로세스의 규모를 확장하는 동시에 알려지지 않은 취약점을 탐지하는 스캔 기능을 강화하는 데 도움을 줍니다.
인공 지능과 그 영향
최근 수십 년 동안 인공 지능의 발전으로 자동화 전문가와 컴퓨터 과학자들은 예외가 아닌 사이버 방어 기술로 모든 것을 자동화하려고 노력하고 있습니다. 예를 들어 지능형 보고서를 제공하기 위해 침투 테스트 도구를 보완하는 자동화 도구가 많이 있습니다. 이러한 자동화 솔루션에는 몇 가지 기본적인 인공 지능 기능이 있지만 지속적인 연구와 공개 경쟁 덕분에 점차 성장하고 있습니다.
예를 들어, DARPA가 후원하는 경쟁 인 Cyber Grand Challenge 2016은 사람들에게 해킹 봇을 구축하고 경쟁하도록 도전했습니다. 이 인공 지능 봇은 경쟁 팀이 보안 취약점을 악용하기 전에 침투 테스트를 수행하여 보안 취약점을 검색하고 패치합니다. 우승자 인 Mayhem은 경쟁 시스템에서 보안 취약점을 찾아 악용하면서 호스트 시스템에서 침입을 찾아 수정하고 찾을 수있었습니다.
즉, 인공 지능은 사이버 방어 솔루션, 특히 침투 테스트 솔루션의 효율성을 개선하는 데 도움이됩니다. 그 이유는 아래에 설명 된대로 자동화 된 침투 테스트의 다양한 단계를 개선하는 데 도움이되기 때문입니다.
1 단계 : 계획
첫 번째 단계 인 계획 및 정찰은 표적에 대한 정보를 수집하는 것입니다. 그리고 더 많은 정보를 수집할수록 성공할 기회가 많아 지므로 많은 리소스가 필요합니다. 이 단계에서 AI를 사용하면 적은 양의 리소스로 더 나은 결과를 얻을 수 있습니다. 컴퓨터 비전 및 자연어 처리와 함께 AI는 대상 조직 및 직원, 네트워크, 보안 태세 등에 대한 완전한 프로필을 구축하는 데 도움이 될 수 있습니다.
2 단계 : 스캔
두 번째 단계에서는 대상 시스템의 포괄적 인 범위를 요구합니다. 즉, 수천 대가 아닌 수백 대의 컴퓨터 및 기타 장치를 검색하고 결과를 분석해야합니다. AI를 사용하면 도구를 조정하여 장치를 지능적으로 스캔하고 필요한 결과를 수집하여 분석 프로세스를 단순화 할 수 있습니다.
3 단계 : 액세스 확보
세 번째 단계는 대상 네트워크 또는 시스템 중 하나에 액세스하는 것입니다. 이 손상된 시스템을 사용하여 데이터를 추출하거나 네트워크의 다른 시스템에 대한 공격을 시작할 수 있습니다. AI를 사용하여 도구는 액세스를 얻기 위해 다양한 공격과 수많은 암호 조합을 시도 할 수 있습니다. 그런 다음 알고리즘을 사용하여 손상 될 수있는 약한 패턴이나 추세를 찾을 수도 있습니다.
4 단계 : 액세스 유지
네 번째 단계는 손상된 시스템에 대한 액세스를 유지하는 것입니다. 이 도구는 AI를 사용하여 알려 지거나 알려지지 않은 백도어, 암호화 된 채널을 찾고 계정과 로그를 주시하여 의심 스럽거나 승인되지 않은 활동을 감지하고보고 할 수 있습니다. 예를 들어, 새로운 관리자 계정 또는 네트워크 액세스 채널은 손상된 시스템 및 / 또는 무단 액세스로 연결될 수 있습니다.
5 단계 : 분석 및보고
마지막 단계는 승인되지 않은 엔티티가 추적을 포함 할 수 있는지 테스트하는 것입니다. 즉, 시스템에서 기록 및 로그를 삭제하여 공격을 탐지 할 수 없게합니다. 이 도구는 AI를 사용하여 숨겨진 백도어, 무단 액세스 엔드 포인트 등을 탐지 할 수 있습니다. 또한 이러한 도구는 오류 메시지 및 시스템 로그를 더 잘 분석하여 오류, 누락 된 항목 또는 기타 의심스러운 활동을 찾을 수 있습니다. 마지막으로이 분석은 대상의 전체 테스트 결과를 자세히 설명하는 읽기 쉬운 보고서에 기록됩니다.
