Kot morda že veste, sodobna arhitektura programske opreme deluje veliko bolje kot kdaj koli prej. Nedvomno je bolj prilagodljiv, podatkovno intenziven in hiter kot njegovi predhodniki. Vendar je resničen izziv - zlasti v sodobnem času - zaščititi isto programsko opremo pred spletnimi grožnjami (znanimi tudi kot kibernapadi). Ker danes programski sistemi poganjajo vse - od mobilnih naprav do varnostnih kamer, od pametnih avtomobilov do pametnih domov in od proizvodnih obratov do jedrskih elektrarn, je sodobna programska oprema preveč pomembna, da bi jo lahko zlomili ali vdrli.

Na primer, jedrska elektrarna v indijskem Kudankulamu je bila vdrta oktobra 2019. V napadu je bila uporabljena zlonamerna programska oprema, programirana za pridobivanje podatkov, vendar je bilo notranje omrežje elektrarne na srečo brezkompromisno. Če bi zlonamerna programska oprema lahko kršila notranje omrežje, bi lahko ukradla ključne podatke o elektrarni in tako vdrla v kritično infrastrukturo države. Poleg tega, če bi bil cilj napada prevzeti nadzor nad elektrarno in bi bil v svojem načrtu uspešen, bi lahko s premočitvijo elektrarne naredil ogromno škode.

Na srečo ni bilo hude škode. Vendar Indija – ali katera koli druga država v tem primeru – v prihodnosti morda ne bo imela toliko sreče. Zato je treba sodobno programsko opremo graditi od začetka do konca, pri čemer je treba upoštevati njeno varnost. Prav tako jo je treba redno testirati glede varnostnih napak in ranljivosti. Vendar pa je testiranje varnosti aplikacij drag postopek, zato je avtomatizirano testiranje nujno . Med strategijami avtomatiziranega testiranja je ena najpogostejših in najučinkovitejših rešitev avtomatizirano testiranje penetracije.

Avtomatsko preskušanje penetracije

Nanaša se na postopek samodejnega uvajanja simuliranih napadov na omrežje ali sistem za iskanje varnostnih napak in ranljivosti. Cilj je najti ranljivosti in jih odpraviti, preden kiber kriminalci spoznajo in izkoristijo. Običajno je del popolne revizije kibernetske varnosti, ki bo morda potrebna zaradi skladnosti in pravnih razlogov. Na primer PCI DSS (Standard za varstvo podatkov o plačilnih karticah) od organizacij zahteva, da redno izvajajo testiranje.

Avtomatizirano testiranje vdorov se izvaja s programsko opremo , za razliko od ročnega testiranja vdorov, ki ga izvajajo strokovnjaki za kibernetsko varnost. Ker ga izvaja programska oprema, je omejeno z obsegom dane programske opreme, ki je omejen z znanjem in spretnostmi varnostnih strokovnjakov, ki oblikujejo programsko opremo. Poleg tega se izkaže za manj učinkovito pri novih grožnjah, saj identificira ali testira le znane ranljivosti, zaradi česar je neučinkovito pri neznanih.

» Tukaj nastopi umetna inteligenca – avtomatizacija, ki jo je mogoče doseči z umetno inteligenco, bi lahko olajšala dosledno in obsežno izvajanje testiranja vdorov. To bi organizacijam pomagalo pri reševanju vprašanj znanj in kultur ter pri resnem jemanju strategij kibernetske varnosti, « je zapisal Packt Hub . Umetna inteligenca pomaga pri skaliranju avtomatiziranega procesa testiranja vdorov, hkrati pa izboljšuje njegove funkcije skeniranja za neznane ranljivosti.

Umetna inteligenca in njen vpliv

Z napredkom umetne inteligence v zadnjih desetletjih skušajo strokovnjaki za avtomatizacijo in računalničarji vse avtomatizirati, pri čemer tehnologije kibernetske obrambe niso nobena izjema. Na primer, obstaja veliko avtomatiziranih orodij, ki dopolnjujejo orodja za testiranje penetracije za zagotavljanje inteligentnih poročil. Te avtomatizirane rešitve imajo nekaj osnovnih zmožnosti umetne inteligence, vendar postopoma naraščajo zaradi nenehnih raziskav in odprtih natečajev.

Na primer, Cyber ​​Grand Challenge 2016 - tekmovanje, ki ga sponzorira DARPA - je ljudi izzval, naj gradijo in tekmujejo s hekerskimi roboti. Ti umetno inteligentni roboti izvajajo testiranje penetracije za iskanje in popravljanje varnostnih ranljivosti, preden jih konkurenčne ekipe lahko izkoristijo. Njegov zmagovalec - znan kot Mayhem - je lahko našel, odpravil in poiskal vdore v gostiteljski sistem, medtem ko je iskal in izkoriščal varnostne ranljivosti konkurenčnih sistemov.

Kljub temu umetna inteligenca pomaga izboljšati učinkovitost rešitev za kibernetsko obrambo - zlasti rešitev za testiranje penetracije. Razlog je v tem, da pomaga izboljšati različne stopnje samodejnega testiranja penetracije, kot je opisano spodaj.

Faza 1: Načrtovanje

Prva faza - načrtovanje in izvid - je zbiranje informacij o cilju. In zahteva veliko virov, saj več informacij zberete, več možnosti imate za uspeh. Na tej stopnji uporaba umetne inteligence pomaga pri doseganju boljših rezultatov z manj viri. AI, skupaj z Computer Vision in obdelavo naravnega jezika, lahko pomagajo ustvariti popoln profil o ciljni organizaciji in njenih zaposlenih, omrežju, varnostni drži itd.

2. stopnja: skeniranje

Druga stopnja zahteva celovito pokritost ciljnih sistemov. To pomeni, da morate skenirati na stotine, če ne tisoče računalnikov in drugih naprav ter analizirati rezultate. Z uporabo umetne inteligence lahko orodja prilagodite za inteligentno skeniranje naprav in zbiranje zahtevanih rezultatov ter poenostavite postopek analize.

Faza 3: Dostop do dostopa

Tretja stopnja je dostop do enega od ciljnih omrežij ali sistemov. Ta ogroženi sistem lahko nato uporabite za pridobivanje podatkov ali izvajanje napadov na druge sisteme v omrežju. Z uporabo AI lahko orodja preizkusijo različne napade in številne kombinacije gesel za dostop. Nato lahko z algoritmi najdejo tudi šibke vzorce ali trende, ki bi lahko bili ogroženi.

Faza 4: Vzdrževanje dostopa

Četrta stopnja je ohranjanje dostopa do ogroženega sistema. Orodja lahko z uporabo umetne inteligence iščejo znane ali neznane zakulisne prostore, šifrirane kanale ter pazijo na račune in dnevnike, da zaznajo in prijavijo sumljive ali nepooblaščene dejavnosti. Nov skrbniški račun ali kanal za dostop do omrežja lahko na primer usmerja k ogroženemu sistemu in / ali nepooblaščenemu dostopu.

5. faza: Analiza in poročanje

Zadnja stopnja je preizkušanje, ali lahko nepooblaščeni subjekt zajema skladbe, tj. Izbriše zgodovino in dnevnike iz svojih sistemov, kar onemogoča zaznavanje napadov. Orodja lahko z uporabo umetne inteligence odkrijejo skrite zakritje, končne točke nepooblaščenega dostopa itd. Ta orodja lahko tudi bolje analizirajo sporočila o napakah in sistemske dnevnike, da najdejo napake, manjkajoče vnose ali druge sumljive dejavnosti. Na koncu je ta analiza dana v lahko berljivem poročilu, ki podrobno opisuje celotne rezultate testa.