Ben Bernstein, manažer poradců pro kybernetickou bezpečnost ve společnosti Huntress – série rozhovorů

Ben Bernstein, manažer poradců pro kybernetickou bezpečnost ve společnosti Huntress, je odborník na kybernetickou bezpečnost s více než desetiletou zkušeností zahrnující technickou podporu, správu systémů, úspěch zákazníků, technické řízení účtů a vedení bezpečnostního poradenství. Začal svou kariéru v praktických IT rolích, postupně se vypracoval z práce na helpdesku na správu systémů, než přešel do řízení účtů a úspěchu zákazníků ve společnosti Integris. Bernstein pak strávil tři roky ve společnosti Red Canary, kde spravoval vztahy s podnikovými zákazníky jako technický account manager a senior enterprise technický account manager. Od svého připojení k Huntress v roce 2024 jako zakládající technický account manager postupně postoupil do vedení technického řízení účtů a nyní řídí poradce pro kybernetickou bezpečnost společnosti, čerpajíc ze své kombinace technické odbornosti a zkušeností v kontaktu se zákazníky, aby pomáhal organizacím lépe pochopit a reagovat na vyvíjející se kybernetické hrozby.

Huntress je společnost zabývající se kybernetickou bezpečností, která poskytuje plně řízenou bezpečnostní platformu určenou k ochraně organizací napříč koncovými body, identitami, protokoly a uživateli. Její platforma kombinuje technologie včetně Managed Endpoint Detection and Response (EDR), Identity Threat Detection and Response (ITDR), Security Information and Event Management (SIEM) a školení povědomí o bezpečnosti s 24/7 AI‑centrickým Security Operations Center (SOC), kde pracují lidscí bezpečnostní experti. Huntress uvádí, že její technologie v současnosti chrání více než 5 milionů koncových zařízení a 15 milionů identit ve více než 277 000 podnicích, přičemž její tým provádí detekci hrozeb, vyšetřování, reakci a nápravu jménem zákazníků.

Začal jste svou kariéru v helpdesku a správě systémů, poté jste přešel do technického řízení účtů a nakonec do vedení poradenství v oblasti kybernetické bezpečnosti ve společnosti Huntress. Jaký vliv měl tento praktický IT background na vaše současné myšlení o bezpečnosti, zejména když stejné nástroje, na které se správci spoléhají, mohou také sloužit jako vstupní bod pro útočníky?

Jsem věčně vděčný za své IT zázemí každý den, nyní když působím na oddělení kybernetické bezpečnosti. Poskytuje mi praktický pohled. Když znáte, jak se chovají operační systémy, aplikace a systémové procesy při normálním provozu, anomálie a hrozby skutečně vyniknou. Moje doba v IT také vybudovala myšlení zaměřené na odstraňování problémů a hledání příčiny. Rychle se naučíte, že musíte sledovat souvislosti, abyste plně pochopili rozsah problému nebo hrozby.

Pamatuji si, že jsem se silně spoléhal na stejné nástroje, jako jsou RMM, které dnes zneužívají útočníci. Když jsem je sám nasadil, plně oceňuji jejich sílu jak v rukou IT administrátora, tak útočníka. Protože jsou RMM rozšířeny všude, vyvíjí to tlak na bezpečnostní týmy, aby sledovaly veškerou aktivitu související s jejich spuštěním. Mít RMM běžící na stroji není samo o sobě zlé. Ale pokud tento RMM najednou začne stahovat další nástroje nebo spouštět neznámé skripty, nutí obránce přestat spoléhat na seznamy důvěryhodného softwaru a soustředit se výhradně na pozorování chování.

Umělá inteligence se v kybernetické bezpečnosti často diskutuje v souvislosti se sofistikovanými autonomními útočníky, ale jak velká část okamžitého dopadu AI spočívá jen v tom, že běžní kyberzločinci jsou rychlejší a schopnější? Dostáváme se do bodu, kdy relativně nízkokvalifikovaní útočníci mohou provádět kampaně, které dříve vyžadovaly mnohem hlubší technické znalosti?

V současnosti je mnoho paniky ohledně autonomních AI hackovacích systémů, ale realita je, že se nejedná o novou taktiku. Tyto modely nepronikají do sítí pomocí vysoce sofistikovaných technik. Dělají přesně to, co lidské \”script kiddies\” dělaly po léta – skenují internetově vystavená, neopravená a špatně nakonfigurovaná zařízení. Přitahuje pozornost, protože výraz \”autonomous AI\” zní děsivě nebo lákavě, v závislosti na tom, koho se zeptáte, ale skutečná mechanika těchto útoků je základní.

Skutečný problém, kterému čelíme, je to, že AI snižuje bariéru vstupu pro kyberzločince. Útočníci mohou automatizovat nudné části exploitů a rozšířit své operace bez nutnosti hlubokých technických znalostí. To umožňuje nízkokvalifikovaným útočníkům provádět kampaně mnohem rychleji, což vyvíjí velký tlak na podniky. Už nemůžete nainstalovat bezpečnostní nástroj a zapomenout na něj. Organizace musí předpokládat, že jejich sítě jsou neustále prohledávány.

Huntress zaznamenala, že útočníci během RMM průniků používají skripty infostealer generované LLM. Co nám to říká o tom, jak generativní AI mění ekonomiku a dostupnost kyberzločinu?

Ukazuje to, že generativní AI zjednodušuje provozní náročnost kyberzločinu. Psát skript infostealer není nová technická práce, ale tradičně vyžadovalo hodně času vývojářů nebo nákup specializovaných nástrojů na undergroundových fórech. Použitím LLM uvnitř sítě oběti mohou útočníci na vyžádání generovat funkční, na míru šité skripty místo spoléhaní se na předpřipravený malware.

Zatímco přístup k těmto modelům stále představuje určité náklady, vstupní bariéra je nyní nižší než kdykoli předtím. Často vidíme průměrné útočníky, kteří tyto nástroje využívají k rychlejší práci a eliminaci ručních programovacích úkolů. To zásadně mění ekonomiku útoku tím, že fáze provedení je vysoce dostupná, což umožňuje méně kvalifikovaným aktérům rozšiřovat své operace bez nutnosti hlubokých technických znalostí.

Huntress zaznamenala 277% nárůst zneužívání nástrojů pro vzdálené monitorování a správu (RMM) meziročně. Proč se legitimní platformy RMM staly tak atraktivní alternativou k vlastnímu malwaru a jaké výhody poskytují útočníkům, jakmile získají přístup?

Na nástrojích RMM není nic inherentně zlého. Plní zásadní úlohu, pomáhají správcům IT a poskytovatelům spravovaných služeb (MSP) pracovat efektivně a podporovat uživatele. Problém spočívá v tom, že vlastní malware je označen tradiční antivirovou software, zatímco RMM jsou podepsané, důvěryhodné a obcházejí standardní bezpečnostní kontroly. Pro útočníka je ještě výhodnější, že agenti RMM běží s vyššími administrátorskými právy a poskytují vestavěnou perzistenci, což znamená, že zůstávají aktivní i po restartu systému, aniž by vyžadovaly další úsilí k udržení přístupu.

Jakmile útočník spustí svůj vlastní RMM agent na cílovém počítači, v podstatě získá konzoli pro vzdálené ovládání. Může bezproblémově přenášet soubory tam i zpět a často předem připraví svou RMM instanci s škodlivými skripty a nástroji připravenými k provedení na koncových bodech jedním kliknutím. Protože je samotná aplikace legitimní, obránci ji nemohou jednoduše zablokovat. To nutí bezpečnostní týmy přestat spoléhat na seznamy důvěryhodného softwaru a soustředit se na sledování chování, což činí 24/7 monitorování nezbytným, pokud chcete zachytit útočníka zneužívajícího administrativní software.

Jedna technika, kterou Huntress zdokumentovala, je „řetězení“ (daisy‑chaining) více nástrojů RMM útočníky za účelem fragmentace telemetrie a vytvoření redundantního přístupu. Můžete nás provést, jak takový průnik obvykle probíhá a proč je pro obránce tak obtížné rozpoznat, co se děje?

Zde je jeden zvláště zajímavý příklad, který jsme zachytili a o kterém jsme napsali blog . Průnik začal phishingovým e‑mailem, který používal falešnou výzvu ve formě obchodního dokumentu, například \”Network Solutions Agreement\”. Oběť klikla na odkaz v e‑mailu, dostala se na stránku chráněnou falešným CAPTCHA a stáhla to, co si myslela, že je standardní PDF nebo servisní dokument. Ve skutečnosti šlo o spustitelný instalátor. Když uživatel dvojklikem otevřel soubor a tím dohodu, tiše nainstaloval legitimní, ale neautorizovaný nástroj pro vzdálený přístup s názvem Tiflux RMM.

Jakmile útočník spustil počátečního agenta Tiflux, okamžitě využil jeho vestavěných schopností k nasazení a sideloadování dalších nástrojů, jako jsou Splashtop, ScreenConnect a UltraVNC, na stejný počítač. Je důležité poznamenat, že všechny tyto nástroje jsou také legitimní RMM nástroje.

Útočníci to dělají, aby vytvořili superperzistenci. Vědí, že pokud správce IT odhalí jeden neautorizovaný vzdálený nástroj a odinstaluje jej, útočník má stále dva nebo tři další aktivní backdoory připravené. Tato taktika fragmentuje telemetrii. Bezpečnostní platformy vidí jen samostatné, podepsané administrativní aplikace běžící současně a komunikující s legitimní infrastrukturou dodavatele. Pokud obránce tuto aktivitu nemonitoruje aktivně a nepoloží si otázku, proč jeden koncový bod najednou potřebuje během odpoledne nainstalovat několik odlišných agentů pro vzdálenou správu, jednoduše to splyne s šumem běžné údržby IT.

Kromě 24/7 monitorování chování je dalším účinným opatřením zde správa bezpečnostního postavení koncových bodů (Endpoint Security Posture Management) a kontrola aplikací. Pokud organizace explicitně určí, které konkrétní varianty RMM jsou oprávněny běžet na jejich zařízeních, může zakázat spouštění neautorizovaných nástrojů a tím zastavit řetězení ještě před jeho zahájením.

Tradiční bezpečnostní modely často rozlišují mezi důvěryhodným a nedůvěryhodným softwarem, ale útoky RMM zneužívají nástroje, které mohou být legitimní, podepsané a již schválené IT. Znamená to, že se obránci musí odklonit od otázky, zda je aplikace důvěryhodná, a zaměřit se místo toho na to, zda je její chování důvěryhodné?

Ano, naprosto. Tradiční model binárního důvěryhodnosti je rozbitý. Podepisování binárek bylo navrženo k ověření, že aplikace pochází od legitimního dodavatele, nikoli k zajištění, že její činnosti jsou bezpečné.

Pokud útočník použije podepsanou binárku RMM nebo utilitu living‑off‑the‑land, samotný spustitelný soubor je čistý, ale aktivita za ním je škodlivá. Obránci musí přejít od otázky \”Je tento soubor důvěryhodný?\” a začít se soustředit na to, zda jeho chování dává v kontextu smysl. To, že na počítači běží RMM, není samo o sobě zlé. Pokud však tento nástroj najednou začne nasazovat další utility, spouštět neznámé skripty nebo provádět operace ve 2 hodin ráno pod servisním účtem, jedná se o indikátor kompromitace. Kontext a chování vždy hrály roli, ale s útočníky, kteří se tak silně spoléhají na důvěryhodný software, jsou nyní důležitější než kdy předtím.

Jak AI zkracuje dobu mezi objevením zranitelnosti nebo konfigurační mezery a jejím zneužitím, jak se tím mění role správy bezpečnostního postavení? Které slabiny v identitách, koncových bodech a vzdáleném přístupu by měly organizace upřednostňovat, než útočníci získají příležitost je zneužít?

Řízení bezpečnostního postavení je nyní důležitější než kdy jindy, protože pomáhá organizacím proaktivně uzavírat běžné bezpečnostní mezery, které útočníci každodenně využívají. Doplnňuje detekci a reakci tím, že neustále identifikuje a řeší problémy, jako jsou špatné konfigurace, nadměrná oprávnění, neautorizované aplikace a další slabiny napříč koncovými body a identitami. Když se okno mezi zveřejněním zranitelnosti a automatizovaným skenováním zkrátí na hodiny, je nezbytné tyto mezery odstranit dříve, než mohou být zneužity. Organizace musí udržovat konzistentní, zpevněné postavení napříč prostředími, aby snížily počet incidentů, kterým čelí, a omezily, co útočník může dosáhnout, pokud se mu podaří proniknout.

Zatímco téměř každý kybernetický dodavatel rád „vzdělává“ (nebo straší) veřejnost o hrozbě či bezpečnostní oblasti, pro kterou nabízí řešení, skutečný seznam priorit může odpovědět jen každá konkrétní organizace. Každý podnik oceňuje jiné komponenty trojice CIA a každá společnost má citlivá data uložená nebo přístupná na různých místech. Skutečná rada, kterou většina firem potřebuje slyšet, je vyhodnotit, která data, aktiva nebo výrobní systémy jsou pro jejich provoz nejkritičtější, a poté odtud pracovat zpětně, aby chránily to, na čem nejvíce záleží.

Roste obava, že AI agenti nakonec budou autonomně provádět významné části životního cyklu útoku. Jaké schopnosti by se musely zlepšit, než se autonomní kybernetické útoky stanou podstatně nebezpečnějšími než dnešní AI‑asistované útoky, a připravují se obránci dostatečně rychle?

Obava z autonomních agentů naznačuje, že jde o budoucí problém, ale už dnes vidíme, jak provádějí útoky. Tyto autonomní útoky jsou však daleko od dokonalosti. Podívejte se na nedávnou ransomware kampaň JadePuffer. Byla řízena výhradně AI agentem, ale udělala zjevné chyby. Model si halucinoval části operace, včetně vymyšlené bitcoinové peněženky pro výkupné. Ještě absurdnější bylo, že AI zapomněla uložit nebo přenést šifrovací klíč. Jednoduše vytiskla náhodně vygenerovaný klíč do dočasného výstupu konzole a ukončila relaci, což učinilo matematicky nemožným, aby oběť mohla data obnovit, i kdyby zaplatila.

Realita z pohledu taktik, technik a postupů je, že autonomní AI, automatizované skripty i lidské útočníky dělají naprosto totéž. Stále zneužívají stejné typy internetově exponovaných, zranitelných a špatně nakonfigurovaných aktiv. AI stále musí projít standardním řetězcem zabití. Musí získat počáteční přístup, zvýšit oprávnění, pohybovat se laterálně a spustit svůj payload. V případě JadePuffer použila známou, neopravenou zranitelnost k získání vstupu a pak se po síti potácela.

Protože základní mechanika útoku se nezměnila, obránci nemusí vyhazovat své současné scénáře. Stále potřebujete vrstvenou bezpečnost, základní IT hygienu a silnou behaviorální detekci. Co se mění, je tlak a rychlost, s jakou musí obránci zpracovávat události a tříděnit upozornění. Když AI agent udělá chybu, přečte chybový log a během několika sekund se samokoriguje, aby pokračoval dál, obránci jednoduše musejí přizpůsobit se rychlosti, jakou nyní kybernetické útoky nabírají.

Útočníci přijímají AI, ale obránci mají přístup k mnoha stejným technologiím. Kde vidíte, že AI poskytne největší obrannou výhodu: při detekci neobvyklého chování, analýze telemetrie, prioritizaci zranitelností, automatizaci reakce, nebo zcela jinde?

Zaprvé je AI vysoce účinná pro korelaci v modrém týmu. Bezpečnostní týmy nemají problém s daty; mají problém s šumem. AI je neuvěřitelně užitečná při vytahování jehliček z kupy sena, spojování nesourodých, na první pohled nesouvisejících událostí a skládání kompletního příběhu o průniku.

Zadruhé AI dělá pro obránce to samé, co dělá pro útočníky – překonává mezeru ve dovednostech. Když se juniorní analytik SOC setká s těžce obfuskovaným skriptem nebo složitým upozorněním, může použít LLM k okamžitému překladu těchto dat do srozumitelné angličtiny. Odstraňuje manuální těžkou práci reverzního inženýrství a umožňuje obráncům rychleji tříděnit a reagovat.

Nakonec, pokud se podíváme za reaktivní obranu, existuje obrovská příležitost pro červené a fialové týmy využít AI k proaktivnímu testování a ověřování obrany. Plně rozsáhlé, lidsky vedené penetrační testy jsou stále naprosto nezbytné. Ale AI snižuje technickou bariéru pro provádění menších, atomických testů k ověření různých vrstev v bezpečnostním stacku. Místo čekání na roční pen-test nebo převalování prstů, když se objeví skutečná organická hrozba, mohou organizace použít AI k bezpečnému a častému testování vlastního prostředí, aby zjistily, co skutečně selže.

Jaký je váš výhled do budoucna – očekáváte, že odvětví kybernetické bezpečnosti vstoupí do prostředí, kde útočníci i obránci čím dál více operují prostřednictvím autonomních agentů? Pokud ano, co nakonec určí, kdo bude mít výhodu, když stroje na obou stranách dokážou identifikovat a reagovat na hrozby rychlostí stroje?

AI rozhodně otřásá podzemní ekonomikou. Darknetový trh s kyberkriminalitou jako službou prosperoval prodejem malwaru a skriptů, protože jejich vytvoření tradičně vyžadovalo specializované vývojářské dovednosti. AI mění přístupnost a ekonomiku tohoto ekosystému tím, že umožňuje méně kvalifikovaným operátorům generovat vlastní nástroje na vyžádání. Pravděpodobně zavře dveře mnoha starým, standardním prodejcům malwaru. Proč by útočník platil za generický standardní malware na podzemním fóru, když může jednoduše požádat LLM o vytvoření vlastního nástroje na vyžádání?

Když jsou obě strany vybaveny AI, výhoda závisí na infrastruktuře, ladění a dohledu. Stává se to bojem o to, kdo má větší výpočetní rozpočet (kdo má více tokenů k spálení) a kdo má lépe vyladěný model. Pro útočníky je testem, zda jejich AI dokáže iterativně řešit problémy, číst chybové logy a vhodně pivotovat, když exploit selže. Pro obránce je testem, zda jsou vaše detektory skutečně vyladěny a zda jsou datové kanály správně propojeny tak, aby AI v reálném čase dostávala správnou telemetrii. Ale ještě důležitější je, zda máte ve smyčce lidské odborníky s obchodním kontextem, kteří dokážou učinit kritická rozhodnutí, například přečíst AI interpretaci incidentu a rozhodnout, zda izolovat kompromitovaný stroj nebo vypnout produkční systém, aby se hrozba omezila.

Nakonec AI nemění základní principy bezpečnosti. Firmy, které budou mít největší úspěch, jsou ty, které i nadále zvládají drobnosti. Jde o snížení útočného povrchu, opravu zranitelností, posílení konfigurací, nepřetržité monitorování 24 hodin denně, předpoklad kompromisu a pravidelné proaktivní testování obrany. AI je jen urychlovač. Ten, kdo základní opatření provádí rychleji a důsledněji, je vítězem.

Děkujeme za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více, by měli navštívit Huntress.