Tulad ng nalalaman mo, ang modernong arkitektura ng software ay gumagana nang mas mahusay kaysa dati. Ito ay walang alinlangan na mas madaling ibagay, masinsinang data, at mabilis kaysa sa mga hinalinhan nito. Gayunpaman, ito ay isang tunay na hamon - lalo na sa modernong panahon - upang mapangalagaan ang parehong software mula sa mga banta sa online (kilala rin bilang cyberattacks). Dahil ang mga system ng software ay nagpapagana sa lahat ng bagay sa kasalukuyan - mula sa mga mobile device hanggang sa mga safety camera, mula sa mga smart car hanggang sa mga smart home, at mula sa paggawa ng mga halaman hanggang sa mga nuclear power station, ang modernong software ay masyadong mahalaga upang masira o ma-hack.

Halimbawa, ang isang planta ng nukleyar na kuryente sa Kudankulam, India ay na-hack noong Oktubre 2019. Gumamit ang pag-atake ng isang malware na na-program para sa pagkuha ng data, ngunit ang panloob na network ng halaman ay hindi nakompromiso, buti na lang. Kung maaaring malabag ng malware ang panloob na network, maaaring nakawin ang mahahalagang data tungkol sa planta ng kuryente, sa gayon ay pumasok sa kritikal na imprastraktura ng bansa. Bukod dito, kung ang pag-atake ay may layunin na kontrolin ang planta ng kuryente at naging matagumpay sa plano nito, maaari itong gumawa ng napakalaking pinsala sa pamamagitan ng pagwasak sa halaman.

Mabuti na lang at walang malubhang pinsalang naganap. Gayunpaman, ang India — o anumang bansa sa kasong iyon — ay maaaring hindi maging ganito kaswerte sa hinaharap. Kaya naman dapat buuin ang modernong software mula sa simula nang isinasaalang-alang ang seguridad nito. Gayundin, dapat itong regular na subukan para sa mga bug at kahinaan sa seguridad. Gayunpaman, ang pagsubok sa seguridad ng aplikasyon ay isang magastos na proseso, at samakatuwid, ang awtomatikong pagsubok ang kailangan ngayon . Sa mga estratehiya ng awtomatikong pagsubok, ang isa sa mga pinakakaraniwan at epektibong solusyon ay kilala bilang awtomatikong pagsubok sa penetration.

Awtomatikong Pagsubok ng Penetration

Tumutukoy sa proseso ng paglulunsad ng mga simulate na pag-atake sa isang network o system na awtomatiko para sa paghahanap ng mga security bug at kahinaan. Ang layunin ay upang mahanap ang mga kahinaan at ayusin ang mga ito bago malaman ng mga cybercriminal tungkol sa at pagsamantalahan ang mga ito. Kadalasan ito ay isang bahagi ng isang kumpletong pag-audit sa cybersecurity, na maaaring kailanganin para sa pagsunod at mga ligal na kadahilanan. Halimbawa, hinihiling ng PCI DSS (Pamantayan sa Security ng Data ng Card ng Payment Card) ang mga samahan na magsagawa ng pentesting sa isang regular na iskedyul.

Isinasagawa ang automated pentesting gamit ang software , hindi tulad ng manual penetration testing na isinasagawa ng mga eksperto sa cybersecurity. Dahil isinasagawa ito ng software, limitado ito sa saklaw ng ibinigay na software, na limitado rin sa kaalaman at kasanayan ng mga propesyonal sa seguridad na nagdidisenyo ng software. Bukod dito, hindi ito gaanong epektibo para sa mga bagong banta dahil tinutukoy o sinusubok lamang nito ang mga kilalang kahinaan, na siyang dahilan kung bakit hindi ito epektibo laban sa mga hindi alam.

“ Dito pumapasok ang artificial intelligence – ang automation na makakamit mo sa pamamagitan ng artificial intelligence ay makakatulong upang mas mapadali ang paggawa ng pentesting nang palagian at malawakan. Kaugnay nito, makakatulong ito sa mga organisasyon na harapin ang parehong isyu ng mga kasanayan at kultura, at maging seryoso sa kanilang mga estratehiya sa cybersecurity, ” isinulat ng Packt Hub . Nakakatulong ang artificial intelligence na palawakin ang proseso ng automated pentesting habang pinapahusay ang mga feature nito sa pag-scan para sa mga hindi kilalang kahinaan.

Artipisyal na Katalinuhan at ang Epekto nito

Sa pag-usad ng artipisyal na intelihensiya sa mga nagdaang dekada, sinusubukan ng mga eksperto sa pag-aautomat at mga siyentipiko sa computer na i-automate ang lahat nang walang mga pagbubukod sa mga teknolohiya ng cyber-defense. Halimbawa, maraming mga automated na tool na umakma sa mga tool sa pagsubok ng pagtagos para sa pagbibigay ng mga matalinong ulat. Ang mga awtomatikong solusyon na ito ay may ilang pangunahing kakayahan ng artipisyal na intelihensiya, ngunit ito ay unti-unting lumalaki, salamat sa patuloy na pananaliksik at bukas na mga kumpetisyon.

Halimbawa, ang Cyber ​​Grand Challenge 2016 - isang kumpetisyon na sinusuportahan ng DARPA - ay hinamon ang mga tao na bumuo at makipagkumpitensya sa mga bot sa pag-hack. Ang mga artipisyal na matalinong bot na ito ay nagsasagawa ng pagsubok sa pagtagos upang maghanap at mag-patch ng mga kahinaan sa seguridad bago sila pagsamantalahan ng mga koponan. Ang nagwagi nito - kilala bilang Mayhem - ay maaaring makahanap, mag-ayos, at maghanap ng mga panghihimasok sa host system nito habang naghahanap at nagsasamantala sa mga kahinaan sa seguridad sa mga sistemang mapagkumpitensya.

Sinabi nito, ang artipisyal na katalinuhan ay tumutulong na mapabuti ang kahusayan ng mga solusyon sa cyber-defense - lalo na ang mga solusyon sa pagsubok sa pagtagos. Ang dahilan kung bakit nakakatulong itong mapabuti ang iba't ibang mga yugto ng awtomatikong pagtagos sa pagsubok tulad ng inilarawan sa ibaba.

Yugto 1: Pagpaplano

Ang unang yugto - pagpaplano at pagsisiyasat - ay nangangalap ng impormasyon tungkol sa target. At nangangailangan ng maraming mapagkukunan dahil maraming impormasyon na iyong nakalap, mas maraming pagkakataon na magkaroon ka ng tagumpay. Sa yugtong ito, ang paggamit ng AI ay makakatulong na makapagbigay ng mas mahusay na mga resulta na may mas kaunting halaga ng mga mapagkukunan. Ang AI kasama ang Computer Vision at Pagproseso ng Likas na Wika ay maaaring makatulong na bumuo ng isang kumpletong profile tungkol sa target na samahan at mga empleyado nito, network, postura ng seguridad, atbp.

Yugto 2: Pag-scan

Humihiling ang ikalawang yugto ng komprehensibong saklaw ng mga target na system. Iyon ay, dapat mong i-scan para sa daan-daang kung hindi libu-libong mga computer at iba pang mga aparato at pag-aralan ang mga resulta. Gamit ang AI, ang mga tool ay maaaring mai-tweak upang matalinong i-scan ang mga aparato at tipunin ang kinakailangang mga resulta, pinapasimple ang proseso ng pag-aaral.

Yugto 3: Pagkuha ng Pag-access

Ang pangatlong yugto ay ang pagkakaroon ng pag-access sa isa sa mga target na network o system. Ang kompromiso na sistem na ito ay maaaring magamit upang kumuha ng data o maglunsad ng mga pag-atake sa iba pang mga system sa network. Gamit ang AI, maaaring subukan ng mga tool ang iba't ibang mga pag-atake at maraming mga kumbinasyon ng password para sa pag-access. Pagkatapos, maaari din silang gumamit ng mga algorithm upang makahanap ng mahinang mga pattern o mga trend na maaaring makompromiso.

Yugto 4: Pagpapanatili ng Pag-access

Ang ika-apat na yugto ay ang pagpapanatili ng pag-access sa nakompromisong sistema. Gamit ang AI, ang mga tool ay maaaring maghanap para sa mga kilala o hindi kilalang mga backdoor, naka-encrypt na mga channel, at bantayan ang mga account at log upang makita at iulat ang mga kahina-hinalang o hindi pinahihintulutang mga aktibidad. Halimbawa, ang isang bagong administrator account o network access channel ay maaaring magdirekta patungo sa isang nakompromiso na system at / o hindi awtorisadong pag-access.

Yugto 5: Pagsusuri At Pag-uulat

Ang huling yugto ay pagsubok kung ang isang hindi pinahintulutang entity ay maaaring masakop ang mga track, ibig sabihin, tanggalin ang kasaysayan at mga tala mula sa iyong mga system, na ginagawang imposibleng makita ang mga pag-atake. Gamit ang AI, ang mga tool ay maaaring makakita ng mga nakatagong backdoors, hindi pinahintulutang mga endpoint ng pag-access, atbp Gayundin, ang mga tool na ito ay maaaring mas mahusay na pag-aralan ang mga mensahe ng error at mga log ng system upang makahanap ng mga error, nawawalang mga entry, o iba pang mga kahina-hinalang aktibidad. Sa wakas, ang pagtatasa na ito ay inilalagay sa isang madaling basahin na ulat na nagdedetalye sa kumpletong mga resulta ng pagsubok ng target.