Како што можеби знаете, модерната софтверска архитектура работи многу подобро од било кога. Без сомнение, тој е поприлагодлив, поинтензивен за податоци и побрз од неговите претходници. Сепак, тоа е вистински предизвик - особено во модерните времиња - да се заштити истиот софтвер од закани преку Интернет (познати и како сајбер -напади). Бидејќи софтверските системи напојуваат с everything во денешно време - од мобилни уреди до безбедносни камери, од паметни автомобили до паметни домови и од производствени постројки до нуклеарни централи, модерниот софтвер е премногу клучен за да се пробие или пробие.

На пример, нуклеарна централа во Куданкулам, Индија беше хакирана во октомври 2019. Во нападот се користеше малициозен софтвер програмиран за екстракција на податоци, но за среќа, внатрешната мрежа на централата беше бескомпромисна. Ако малициозниот софтвер можеше да ја пробие внатрешната мрежа, можеше да украде клучни податоци за електраната, со што ќе навлезе во критичната инфраструктура на земјата. Освен тоа, доколку нападот имал цел да ја преземе контролата над електраната и би бил успешен во својот план, можел да направи огромна штета совладувајќи ја централата.

За среќа, не беше направена критична штета. Сепак, Индија - или која било друга земја во тој случај - можеби нема да има толку среќа во иднина. Тоа е причината зошто модерниот софтвер мора да се гради од темел имајќи ја предвид неговата безбедност. Исто така, мора редовно да се тестира за безбедносни грешки и ранливости. Сепак, тестирањето на безбедноста на апликациите е скап процес и затоа автоматизираното тестирање е потреба на моментот . Меѓу стратегиите за автоматизирано тестирање, едно од најчестите и најефикасните решенија е познато како автоматизирано пенетрациско тестирање.

Автоматско тестирање за пенетрација

Се однесува на процесот на автоматско започнување на симулирани напади на мрежа или систем за пронаоѓање безбедносни грешки и пропусти. Целта е да се пронајдат ранливостите и да се поправат пред сајбер -криминалците да дознаат и да ги искористат. Обично тоа е дел од целосна ревизија за сајбер -безбедност, која може да биде потребна од усогласеност и правни причини. На пример, PCI DSS (Стандард за безбедност на податоците во индустријата за платежна картичка) бара од организациите да вршат пенестирање по редовен распоред.

Автоматизираното пенетрациско тестирање се врши со помош на софтвер , за разлика од рачното пенетрациско тестирање кое го вршат експерти за сајбер безбедност. Бидејќи се извршува со софтвер, тоа е ограничено од опсегот на дадениот софтвер, кој е ограничен од знаењето и вештините на безбедносните професионалци кои го дизајнираат софтверот. Покрај тоа, се покажува помалку ефикасно за нови закани бидејќи само идентификува или тестира познати ранливости, што го прави неефикасен против непознати.

„ Тука влегува во игра вештачката интелигенција - автоматизацијата што можете да ја постигнете преку вештачката интелигенција би можела да помогне пенетрациското тестирање да се направи многу полесно за конзистентно и во голем обем. За возврат, ова би им помогнало на организациите да се справат и со прашањата за вештини и култура и сериозно да ги сфатат своите стратегии за сајбер безбедност “, напиша Пакт Хаб . Вештачката интелигенција помага во скалирањето на автоматизираниот процес на пенетрациско тестирање, а воедно ги подобрува и неговите функции за скенирање за непознати ранливости.

Вештачка интелигенција и нејзиното влијание

Со напредокот на вештачката интелигенција во последните децении, експерти за автоматика и компјутерски научници се обидуваат да автоматизираат с everything со тоа што технологиите за сајбер-одбрана не се исклучок. На пример, постојат многу автоматизирани алатки кои ги надополнуваат алатките за тестирање на пенетрација за обезбедување интелигентни извештаи. Овие автоматски решенија имаат некои основни способности за вештачка интелигенција, но таа постепено расте, благодарение на тековните истражувања и отворените натпревари.

На пример, Cyber ​​Grand Challenge 2016-натпревар спонзориран од ДАРПА-ги предизвика луѓето да изградат и да се натпреваруваат со хакерски ботови. Овие вештачки интелигентни ботови вршат тестирање на пенетрација за да бараат и да ги закрпат безбедносните слабости пред конкурентските тимови да ги искористат. Нејзиниот победник - познат како Осакатување - може да најде, поправи и бара упади во својот систем домаќин, додека наоѓа и експлоатира безбедносни слабости на конкурентни системи.

Така, вештачката интелигенција помага да се подобри ефикасноста на решенијата за сајбер-одбрана-особено решенијата за тестирање на пенетрација. Причината е тоа што помага да се подобрат различни фази на автоматско тестирање на пенетрација, како што е опишано подолу.

Фаза 1: Планирање

Првата фаза - планирање и извидување - е собирање информации за целта. И потребни се многу ресурси, бидејќи колку повеќе информации собираш, толку повеќе шанси имаш да успееш. Во оваа фаза, користењето на АИ помага да се обезбедат подобри резултати со помала количина на ресурси. АИ заедно со компјутерската визија и обработката на природен јазик може да помогнат да се изгради целосен профил за целната организација и нејзините вработени, мрежата, безбедносниот став, итн.

Фаза 2: Скенирање

Втората фаза бара сеопфатно покривање на целните системи. Односно, мора да скенирате стотици, ако не илјадници компјутери и други уреди и да ги анализирате резултатите. Користејќи вештачка интелигенција, алатките може да се изменат за интелигентно скенирање на уредите и собирање на бараните резултати, поедноставувајќи го процесот на анализа.

Фаза 3: Добивање пристап

Третата фаза е стекнување пристап до една од целните мрежи или системи. Овој компромитиран систем потоа може да се користи за извлекување податоци или започнување напади врз другите системи во мрежата. Користејќи АИ, алатките можат да испробаат различни напади и бројни комбинации на лозинки за да добијат пристап. Потоа, тие исто така можат да користат алгоритми за да најдат слаби модели или трендови што може да бидат компромитирани.

Фаза 4: Одржување пристап

Четвртата фаза е одржување пристап до компромитираниот систем. Користејќи вештачка интелигенција, алатките можат да бараат познати или непознати задни врати, шифрирани канали и да внимаваат на сметките и дневниците за откривање и пријавување сомнителни или неовластени активности. На пример, нова администраторска сметка или канал за пристап до мрежа може да се насочи кон компромитиран систем и/или неовластен пристап.

Фаза 5: Анализа и известување

Последната фаза е тестирање дали неовластен ентитет може да покрие песни, односно да избрише историја и дневници од вашите системи, што го прави невозможно да се откријат напади. Користејќи вештачка интелигенција, алатките можат да детектираат скриени задни врати, неовластени крајни точки за пристап, итн. Исто така, овие алатки можат подобро да ги анализираат пораките за грешки и логовите на системот за да најдат грешки, недостасуваат записи или други сомнителни активности. Конечно, оваа анализа е ставена на лесен за читање извештај со детали за целосните резултати од тестот на целта.