Seperti yang anda ketahui, seni bina perisian moden berfungsi jauh lebih baik daripada sebelumnya. Tidak diragukan lagi lebih mudah disesuaikan, intensif data, dan cepat daripada pendahulunya. Namun, ini adalah cabaran sebenar - terutama di zaman moden - untuk melindungi perisian yang sama dari ancaman dalam talian (juga dikenali sebagai serangan siber). Oleh kerana sistem perisian menguatkan segalanya pada masa kini - dari peranti mudah alih hingga kamera keselamatan, dari kereta pintar ke rumah pintar, dan dari kilang pembuatan ke stesen janakuasa nuklear, perisian moden terlalu penting untuk dilanggar atau diretas.

Sebagai contoh, sebuah loji tenaga nuklear di Kudankulam, India telah diretas pada bulan Oktober 2019. Serangan itu menggunakan perisian hasad yang diprogramkan untuk pengekstrakan data, tetapi untungnya rangkaian dalaman kilang itu tidak berkompromi. Sekiranya perisian hasad boleh melanggar jaringan dalaman, ia mungkin telah mencuri data penting mengenai loji kuasa itu, sehingga mengganggu infrastruktur kritikal di negara ini. Lebih-lebih lagi, jika serangan itu bertujuan untuk mengambil alih pembangkit listrik dan berhasil dalam rencananya, serangan itu dapat mengakibatkan kerusakan besar dengan mengalahkan kilang tersebut.

Mujurlah, tiada kerosakan kritikal yang berlaku. Walau bagaimanapun, India — atau mana-mana negara dalam kes itu — mungkin tidak begitu bernasib baik pada masa hadapan. Itulah sebabnya perisian moden mesti dibina dari bawah ke atas dengan mengambil kira keselamatannya. Ia juga mesti diuji secara berkala untuk pepijat dan kelemahan keselamatan. Walau bagaimanapun, pengujian keselamatan aplikasi adalah proses yang mahal, dan oleh itu, pengujian automatik adalah keperluan semasa . Antara strategi pengujian automatik, salah satu penyelesaian yang paling biasa dan berkesan dikenali sebagai pengujian penembusan automatik.

Ujian Penembusan Automatik

Merujuk kepada proses melancarkan serangan simulasi pada rangkaian atau sistem secara automatik untuk mencari bug dan kerentanan keselamatan. Tujuannya adalah untuk mencari kelemahan dan memperbaikinya sebelum penjenayah siber mengetahui dan mengeksploitasinya. Ia biasanya merupakan bagian dari audit keamanan siber yang lengkap, yang mungkin diperlukan untuk kepatuhan dan alasan undang-undang. Sebagai contoh, PCI DSS (Standard Keamanan Data Industri Kad Pembayaran) meminta organisasi melakukan pentesting mengikut jadual biasa.

Pengujian penembusan automatik dilakukan menggunakan perisian , tidak seperti ujian penembusan manual yang dilakukan oleh pakar keselamatan siber. Memandangkan ia dilakukan oleh perisian, ia dihadkan oleh skop perisian yang diberikan, yang dihadkan oleh pengetahuan dan kemahiran profesional keselamatan yang mereka bentuk perisian tersebut. Selain itu, ia terbukti kurang berkesan untuk ancaman baharu kerana ia hanya mengenal pasti atau menguji kerentanan yang diketahui, yang menjadikannya tidak berkesan terhadap perkara yang tidak diketahui.

“ Di sinilah kecerdasan buatan memainkan peranan – automasi yang boleh anda capai melalui kecerdasan buatan boleh membantu menjadikan ujian penembusan lebih mudah dilakukan secara konsisten dan berskala besar. Sebaliknya, ini akan membantu organisasi menangani isu kemahiran dan budaya, dan mengambil serius tentang strategi keselamatan siber mereka, ” tulis Packt Hub . Kecerdasan buatan membantu meningkatkan proses ujian penembusan automatik sambil meningkatkan ciri pengimbasannya untuk kelemahan yang tidak diketahui.

Kecerdasan Buatan dan Kesannya

Dengan kemajuan kecerdasan buatan dalam beberapa dekad kebelakangan ini, pakar automasi dan saintis komputer berusaha mengautomasikan semuanya dengan teknologi pertahanan siber tidak terkecuali. Sebagai contoh, terdapat banyak alat automatik yang melengkapkan alat ujian penembusan untuk menyediakan laporan cerdas. Penyelesaian automatik ini mempunyai beberapa kemampuan kecerdasan buatan asas, tetapi secara beransur-ansur berkembang, berkat penyelidikan dan pertandingan terbuka yang berterusan.

Sebagai contoh, Cyber ​​Grand Challenge 2016 - pertandingan yang ditaja oleh DARPA - mencabar orang ramai untuk membina dan bersaing dengan penggodaman bot. Bot pintar buatan ini melakukan ujian penembusan untuk mencari dan memperbaiki kelemahan keselamatan sebelum pasukan pesaing dapat memanfaatkannya. Pemenangnya - dikenali sebagai Mayhem - dapat mencari, memperbaiki, dan mencari gangguan pada sistem hosnya sambil mencari dan mengeksploitasi kerentanan keselamatan pada sistem yang kompetitif.

Oleh itu, kecerdasan buatan membantu meningkatkan kecekapan penyelesaian pertahanan siber - terutamanya penyelesaian ujian penembusan. Sebabnya ia membantu meningkatkan pelbagai peringkat ujian penembusan automatik seperti yang dijelaskan di bawah.

Tahap 1: Merancang

Peringkat pertama - perancangan dan pengintaian - mengumpulkan maklumat mengenai sasaran. Dan memerlukan banyak sumber kerana semakin banyak maklumat yang anda kumpulkan, semakin banyak peluang anda untuk berjaya. Pada peringkat ini, menggunakan AI membantu memberikan hasil yang lebih baik dengan jumlah sumber yang lebih sedikit. AI bersama dengan Penglihatan Komputer dan Pemprosesan Bahasa Asli dapat membantu membina profil lengkap mengenai organisasi sasaran dan pekerjanya, rangkaian, postur keselamatan, dll.

Tahap 2: Mengimbas

Tahap kedua meminta liputan menyeluruh terhadap sistem sasaran. Maksudnya, anda mesti mengimbas ratusan jika tidak ribuan komputer dan peranti lain dan menganalisis hasilnya. Dengan menggunakan AI, alat-alat tersebut dapat ditukar untuk mengimbas peranti dengan cerdas dan mengumpulkan hasil yang diperlukan, mempermudah proses analisis.

Tahap 3: Mendapatkan Akses

Tahap ketiga memperoleh akses ke salah satu rangkaian atau sistem sasaran. Sistem yang dikompromikan ini kemudian dapat digunakan untuk mengekstrak data atau melancarkan serangan terhadap sistem lain dalam jaringan. Dengan menggunakan AI, alat ini dapat mencuba pelbagai serangan dan banyak kombinasi kata laluan untuk mendapatkan akses. Kemudian, mereka juga dapat menggunakan algoritma untuk mencari corak atau tren lemah yang mungkin terganggu.

Tahap 4: Mengekalkan Akses

Tahap keempat adalah mengekalkan akses ke sistem yang dikompromikan. Dengan menggunakan AI, alat tersebut dapat mencari jalan belakang yang diketahui atau tidak diketahui, saluran yang disulitkan, dan mengawasi akaun dan log untuk mengesan dan melaporkan aktiviti yang mencurigakan atau tidak sah. Sebagai contoh, akaun pentadbir baru atau saluran akses rangkaian boleh menuju ke sistem yang dikompromikan dan / atau akses yang tidak dibenarkan.

Tahap 5: Analisis Dan Pelaporan

Tahap terakhir adalah menguji apakah entiti yang tidak dibenarkan dapat menutup trek, iaitu, menghapus sejarah dan log dari sistem anda, sehingga mustahil untuk mengesan serangan. Dengan menggunakan AI, alat ini dapat mengesan pintu belakang yang tersembunyi, titik akhir akses yang tidak dibenarkan, dll. Juga, alat ini dapat menganalisis mesej ralat dan log sistem dengan lebih baik untuk mencari kesilapan, entri yang hilang, atau aktiviti mencurigakan lain. Akhirnya, analisis ini dibuat pada laporan yang mudah dibaca yang memperincikan keputusan ujian yang lengkap dari sasaran.