तुम्हाला माहिती असेलच, आधुनिक सॉफ्टवेअर आर्किटेक्चर नेहमीपेक्षा खूप चांगले काम करते. हे त्याच्या पूर्ववर्तींपेक्षा अधिक जुळवून घेण्यायोग्य, डेटा-केंद्रित आणि वेगवान आहे यात शंका नाही. तथापि, हे एक खरे आव्हान आहे - विशेषतः आधुनिक काळात - समान सॉफ्टवेअरचे ऑनलाइन धमक्यांपासून संरक्षण करणे (ज्याला सायबर हल्ले असेही म्हणतात). सॉफ्टवेअर सिस्टीम आजकाल प्रत्येक गोष्टीला शक्ती देत ​​असल्याने - मोबाईल उपकरणांपासून सुरक्षा कॅमेऱ्यांपर्यंत, स्मार्ट कारपासून स्मार्ट घरांपर्यंत, आणि उत्पादन केंद्रांपासून अणुऊर्जा केंद्रांपर्यंत, आधुनिक सॉफ्टवेअरचे उल्लंघन करणे किंवा हॅक करणे फार महत्वाचे आहे.

उदाहरणार्थ, कुडनकुलम, भारतातील अणुऊर्जा प्रकल्प ऑक्टोबर २०१ in मध्ये हॅक झाला. या हल्ल्यात डेटा काढण्यासाठी प्रोग्राम केलेल्या मालवेअरचा वापर करण्यात आला, परंतु सुदैवाने संयंत्राचे अंतर्गत नेटवर्क बिनधास्त होते. जर मालवेअर अंतर्गत नेटवर्कचे उल्लंघन करू शकले असते, तर ते पॉवर प्लांटबद्दल महत्त्वपूर्ण डेटा चोरू शकले असते, ज्यामुळे देशातील महत्त्वपूर्ण पायाभूत सुविधांमध्ये घुसखोरी होऊ शकते. शिवाय, जर या हल्ल्याचे उर्जा केंद्राचे नियंत्रण घेण्याचे ध्येय होते आणि त्याच्या योजनेत यशस्वी ठरले असते, तर ते संयंत्रावर जास्त ताकद लावून मोठे नुकसान करू शकले असते.

सुदैवाने, कोणतेही गंभीर नुकसान झाले नाही. तथापि, भारत — किंवा कोणताही देश — भविष्यात इतका भाग्यवान असेलच असे नाही. याच कारणामुळे आधुनिक सॉफ्टवेअरची निर्मिती करताना त्याची सुरक्षा लक्षात घेतली पाहिजे. तसेच, त्यातील सुरक्षा त्रुटी आणि असुरक्षितता यांची नियमितपणे तपासणी केली पाहिजे. तथापि, ॲप्लिकेशन सुरक्षा चाचणी ही एक खर्चिक प्रक्रिया आहे, आणि म्हणूनच, स्वयंचलित चाचणी ही काळाची गरज आहे . स्वयंचलित चाचणीच्या विविध पद्धतींमध्ये, सर्वात सामान्य आणि प्रभावी उपायांपैकी एक म्हणजे स्वयंचलित पेनिट्रेशन टेस्टिंग होय.

स्वयंचलित प्रवेश चाचणी

सुरक्षा बग आणि असुरक्षितता शोधण्यासाठी नेटवर्क किंवा सिस्टमवर स्वयंचलितपणे सिम्युलेटेड हल्ले सुरू करण्याच्या प्रक्रियेचा संदर्भ देते. सायबर गुन्हेगारांविषयी माहिती मिळवण्यापूर्वी आणि त्यांचे शोषण करण्यापूर्वी कमकुवतपणा शोधणे आणि त्यांचे निराकरण करणे हे ध्येय आहे. हा सहसा संपूर्ण सायबरसुरक्षा ऑडिटचा एक भाग असतो, जो अनुपालन आणि कायदेशीर कारणांसाठी आवश्यक असू शकतो. उदाहरणार्थ, PCI DSS (पेमेंट कार्ड इंडस्ट्री डेटा सिक्युरिटी स्टँडर्ड) संस्थांना नियमित वेळापत्रकानुसार पेन्टेस्टिंग करण्यास सांगते.

सायबरसुरक्षा तज्ञांद्वारे केल्या जाणाऱ्या मॅन्युअल पेनिट्रेशन टेस्टिंगच्या विपरीत, ऑटोमेटेड पेन्टेस्टिंग सॉफ्टवेअर वापरून केले जाते . हे सॉफ्टवेअरद्वारे केले जात असल्यामुळे, ते दिलेल्या सॉफ्टवेअरच्या व्याप्तीपुरते मर्यादित असते, जी व्याप्ती सॉफ्टवेअर डिझाइन करणाऱ्या सुरक्षा व्यावसायिकांच्या ज्ञान आणि कौशल्यांवर अवलंबून असते. शिवाय, हे नवीन धोक्यांसाठी कमी प्रभावी ठरते, कारण ते केवळ ज्ञात असुरक्षितता ओळखते किंवा त्यांची चाचणी करते, ज्यामुळे ते अज्ञात धोक्यांविरुद्ध अप्रभावी ठरते.

" इथेच कृत्रिम बुद्धिमत्तेची भूमिका येते – कृत्रिम बुद्धिमत्तेद्वारे साध्य करता येणारे ऑटोमेशन, पेंटेस्टिंग सातत्याने आणि मोठ्या प्रमाणावर करणे अधिक सोपे करण्यास मदत करू शकते. परिणामी, यामुळे संस्थांना कौशल्ये आणि संस्कृती या दोन्ही समस्यांवर मात करण्यास आणि त्यांच्या सायबरसुरक्षा धोरणांबद्दल गंभीर होण्यास मदत होईल, " असे पॅक्ट हबने लिहिले आहे . कृत्रिम बुद्धिमत्ता अज्ञात असुरक्षितता शोधण्यासाठी स्कॅनिंग वैशिष्ट्ये वाढवताना, स्वयंचलित पेंटेस्टिंग प्रक्रियेचा विस्तार करण्यास मदत करते.

कृत्रिम बुद्धिमत्ता आणि त्याचा प्रभाव

अलिकडच्या दशकात कृत्रिम बुद्धिमत्तेच्या प्रगतीसह, ऑटोमेशन तज्ञ आणि संगणक शास्त्रज्ञ अपवाद नसताना सायबर-संरक्षण तंत्रज्ञानासह सर्वकाही स्वयंचलित करण्याचा प्रयत्न करीत आहेत. उदाहरणार्थ, अनेक स्वयंचलित साधने आहेत जी बुद्धिमान अहवाल प्रदान करण्यासाठी प्रवेश चाचणी साधनांना पूरक आहेत. या स्वयंचलित सोल्युशन्समध्ये काही मूलभूत कृत्रिम बुद्धिमत्ता क्षमता आहेत, परंतु ती हळूहळू वाढत आहे, चालू संशोधन आणि खुल्या स्पर्धांमुळे धन्यवाद.

उदाहरणार्थ, सायबर ग्रँड चॅलेंज 2016-एक DARPA- प्रायोजित स्पर्धा-लोकांना हॅकिंग बॉट्स तयार आणि स्पर्धा करण्याचे आव्हान दिले. हे कृत्रिमदृष्ट्या बुद्धिमान बॉट्स प्रतिस्पर्धी संघ त्यांचे शोषण करण्यापूर्वी सुरक्षा असुरक्षा शोधण्यासाठी आणि पॅच करण्यासाठी प्रवेश चाचणी करतात. त्याचा विजेता - मेहेम म्हणून ओळखला जातो - स्पर्धात्मक प्रणालींवर सुरक्षा असुरक्षितता शोधताना आणि त्याचा गैरफायदा घेताना त्याच्या होस्ट सिस्टीममध्ये घुसखोरी शोधू, निराकरण करू शकतो आणि शोधू शकतो.

ते म्हणाले, कृत्रिम बुद्धिमत्ता सायबर-संरक्षण सोल्यूशन्सची कार्यक्षमता सुधारण्यास मदत करते-विशेषतः प्रवेश चाचणी सोल्यूशन्स. याचे कारण ते खाली वर्णन केल्याप्रमाणे स्वयंचलित प्रवेश चाचणीच्या विविध टप्प्यांना सुधारण्यास मदत करते.

पहिला टप्पा: नियोजन

पहिला टप्पा - नियोजन आणि टोही - लक्ष्य बद्दल माहिती गोळा करणे. आणि आपण जितकी अधिक माहिती गोळा कराल तितकी जास्त संसाधने लागतात, यशस्वी होण्यासाठी आपल्याला अधिक संधी असते. या टप्प्यावर, AI वापरणे कमी संसाधनांसह चांगले परिणाम प्रदान करण्यास मदत करते. संगणक व्हिजन आणि नैसर्गिक भाषा प्रक्रियेसह AI लक्ष्यित संस्था आणि त्याचे कर्मचारी, नेटवर्क, सुरक्षा पवित्रा इत्यादींविषयी संपूर्ण प्रोफाइल तयार करण्यात मदत करू शकते.

स्टेज 2: स्कॅनिंग

दुसरा टप्पा लक्ष्य प्रणालींचे व्यापक कव्हरेज विचारतो. म्हणजेच, हजारो संगणक आणि इतर साधने नसल्यास तुम्ही शेकडो स्कॅन करणे आणि परिणामांचे विश्लेषण करणे आवश्यक आहे. एआयचा वापर करून, साधने बुद्धिमानपणे डिव्हाइसेस स्कॅन करण्यासाठी आणि आवश्यक परिणाम गोळा करण्यासाठी, विश्लेषण प्रक्रिया सुलभ करण्यासाठी बदलता येतात.

स्टेज 3: प्रवेश मिळवणे

तिसरा टप्पा म्हणजे लक्ष्य नेटवर्क किंवा सिस्टमपैकी एकावर प्रवेश मिळवणे. ही तडजोड केलेली प्रणाली नंतर डेटा काढण्यासाठी किंवा नेटवर्कमधील इतर सिस्टीमवर हल्ले करण्यासाठी वापरली जाऊ शकते. AI वापरून, साधने प्रवेश मिळवण्यासाठी विविध प्रकारचे हल्ले आणि असंख्य पासवर्ड जोड्या वापरून पाहू शकतात. मग, ते कमकुवत नमुने किंवा ट्रेंड शोधण्यासाठी अल्गोरिदम वापरू शकतात जे तडजोड करू शकतात.

स्टेज 4: प्रवेश राखणे

चौथा टप्पा म्हणजे तडजोड केलेल्या प्रणालीमध्ये प्रवेश राखणे. AI वापरून, साधने ज्ञात किंवा अज्ञात बॅकडोअर, एन्क्रिप्टेड चॅनेल शोधू शकतात आणि संशयास्पद किंवा अनधिकृत क्रियाकलाप शोधण्यासाठी आणि अहवाल देण्यासाठी खाती आणि लॉगवर नजर ठेवू शकतात. उदाहरणार्थ, नवीन प्रशासक खाते किंवा नेटवर्क प्रवेश चॅनेल एक तडजोड प्रणाली आणि/किंवा अनधिकृत प्रवेशाकडे निर्देशित करू शकते.

स्टेज 5: विश्लेषण आणि अहवाल

शेवटचा टप्पा चाचणी करत आहे की एखादी अनधिकृत संस्था ट्रॅक कव्हर करू शकते, म्हणजे इतिहास आणि लॉग आपल्या सिस्टममधून हटवू शकते, ज्यामुळे हल्ले शोधणे अशक्य होते. AI वापरून, साधने लपवलेले दरवाजे, अनधिकृत प्रवेश अंतिम बिंदू इत्यादी शोधू शकतात. तसेच, ही साधने त्रुटी, गहाळ नोंदी किंवा इतर संशयास्पद क्रियाकलाप शोधण्यासाठी त्रुटी संदेश आणि सिस्टम लॉगचे अधिक चांगले विश्लेषण करू शकतात. शेवटी, हे विश्लेषण लक्ष्याच्या पूर्ण चाचणी निकालांचे तपशीलवार वाचण्यास सुलभ अहवालावर ठेवले आहे.