Sikkerhedsteams retter fejl i de forkerte trusler. Her er, hvordan man kan rette op på det i alderen af AI-angreb

Cyberangreb er ikke længere manuelle, lineære operationer. Med AI indbygget i offensive strategier udvikler angribere polymorft malware, automatiserer rekognoscering og omgår forsvar hurtigere, end mange sikkerhedsteams kan reagere. Dette er ikke en fremtidig scenario, det sker nu.

På samme tid er de fleste sikkerhedsforsvar stadig reaktive. De afhænger af at identificere kendte kompromitteringsindikatorer, anvende historiske angrebsmønstre og markere risici baseret på alvorsgradsscore, der måske ikke reflekterer den virkelige trusselslandsby. Holdene er overvældet af mængden, ikke indsigt, og skaber dermed en perfekt miljø for angribere at lykkes.

Sikkerhedsindustriens arv fra fortiden bygget op omkring overholdelse af checklister, periodiske vurderinger og fragmenterede værktøjer er blevet en byrde. Sikkerhedsholdene arbejder hårdere end nogensinde, men fikser ofte de forkerte ting.

Hvorfor denne lukning findes

Sikkerhedsindustrien har længe lænet sig op ad risikoscore som CVSS til at prioritere sårbarheder. Imidlertid reflekterer CVSS-score ikke den virkelige kontekst af en organisations infrastruktur, såsom om en sårbarhed er eksponeret, kan nås eller udnyttes inden for en kendt angrebsvej.

Derfor bruger sikkerhedshold ofte værdifuld tid på at rette ikke-udnyttelige problemer, mens angribere finder kreative måder at kombinere oversete svagheder og omgå kontroller på.

Situationen er yderligere kompliceret af den fragmenterede natur af sikkerhedsstakken. SIEM’er, endpoint detection og response (EDR)-systemer, sårbarhedsstyring (VM)-værktøjer og cloud-sikkerhedsstilling (CSPM)-platforme opererer alle uafhængigt. Denne siloede telemetri skaber blinde pletter, som AI-aktiverede angribere er stadig mere dygtige til at udnytte.

Signature-baseret detection er på vej ud

En af de mest bekymrende tendenser i moderne sikkerhed er den aftagende værdi af traditionelle detectionsmetoder. Statiske signaturer og regelbaseret alarmivering var effektive, da trusler fulgte forudsigelige mønstre. Men AI-genererede angreb spiller ikke efter disse regler. De muterer kode, undgår detection og tilpaser sig kontroller.

Tag polymorft malware, som ændrer sin struktur med hver udgivelse. Eller AI-genererede phishing-e-mails, der efterligner ledelses kommunikationsstilarter med foruroligende nøjagtighed. Disse trusler kan glide forbi signature-baserede værktøjer helt.

Hvis sikkerhedshold fortsætter med at afhænge af at identificere, hvad der allerede er set, vil de blive én skridt bagud for fjender, der kontinuerligt innovere.

Reguleringspres er stigende

Problemet er ikke kun teknisk, det er også reguleringsmæssigt. U.S. Securities and Exchange Commission (SEC) har nylig introduceret nye cybersikkerhedsafsløringsregler, der kræver, at offentlige selskaber rapporterer væsentlige cybersikkerhedsincidenser og beskriver deres risikostyringsstrategier i realtid. Ligesom Europæiske Unions digitale operationelle resilienceakt (DORA) kræver en skift fra periodiske vurderinger til kontinuerlig, valideret cybersikkerhedsstyring.

De fleste organisationer er ikke klar til denne skift. De mangler evnen til at give realtidsvurderinger af, om deres nuværende sikkerheds kontroller er effektive mod i dag trusler, især da AI kontinuerligt udvikler disse trusler i maskinehastighed.

Trusselsprioritering er brudt

Kernemæssigt ligger udfordringen i, hvordan organisationer prioriterer arbejdet. De fleste afhænger stadig af statiske risikoscoringssystemer til at bestemme, hvad der skal rettes og hvornår. Disse systemer tager sjældent hensyn til den miljø, en sårbarhed findes i, eller om den er eksponeret, kan nås eller udnyttes.

Dette har ført til, at sikkerhedshold bruger betydelig tid og ressourcer på at rette sårbarheder, der ikke er angrebsbare, mens angribere finder måder at kombinere lavere scorede, oversete problemer for at få adgang. Den traditionelle “find og ret” model er blevet en ineffektiv og ofte ineffektiv måde at styre cybersikkerhedsrisiko på.

Sikkerhed må udvikle sig fra at reagere på alarmer mod at forstå fjendens adfærd – hvordan en angriber ville faktisk bevæge sig gennem et system, hvilke kontroller de kunne omgå, og hvor de virkelige svagheder ligger.

En bedre vej fremad: Proaktiv, angrebsvejsdrevet forsvar

Hvad hvis sikkerhedshold i stedet for at reagere på alarmer kontinuerligt kunne simulere, hvordan rigtige angribere ville forsøge at bryde deres miljø, og kun rette, hvad der betyder mest?

Dette tilgang, ofte kaldet kontinuerlig sikkerhedsvalidering eller angrebsvejs simulation, vinder frem som en strategisk skift. I stedet for at behandle sårbarheder i isolation, kartlægger den, hvordan angribere kunne kombinere misconfigurations, identitets svagheder og sårbare aktiver for at nå kritiske systemer.

Ved at simulere fjendens adfærd og validerer kontroller i realtid kan holdene fokusere på udnyttelige risici, der faktisk udsætter forretningen, og ikke kun de, der er markeret af overholdelsesværktøjer.

Anbefalinger til CISO’er og sikkerhedsledere

Her er, hvad sikkerhedshold skal prioritere i dag for at holde sig foran AI-genererede angreb:

• Implementer kontinuerlige angrebs simulationer Adopter automatiserede, AI-drevne fjendebilleder, der tester jeres kontroller, som rigtige angribere ville. Disse simulationer skal være kontinuerlige, ikke kun reserveret til årlige rød team-øvelser.
• Prioriter udnyttelighed over alvorsgrad Gå ud over CVSS-score. Inkorporer angrebsvejsanalyse og kontekstuel validering i jeres risikomodeller. Spørg: Er denne sårbarhed nåbar? Kan den udnyttes i dag?
• Sammenføj jeres sikkerhedstelemetri Konsolider data fra SIEM, CSPM, EDR og VM-platforme i en centraliseret, korreleret visning. Dette muliggør angrebsvejsanalyse og forbedrer jeres evne til at opdage komplekse, multi-trins angreb.
• Automatiser forsvarsvalidering Skift fra manuel detectionsingeniørarbejde til AI-drevet validering. Brug maskinelæring til at sikre, at jeres detections- og responsstrategier udvikler sig sammen med truslerne, de er tiltænkt at stoppe.
• Moderniser cybersikkerhedsrapportering Erstat statiske risikodashboard med realtids eksponeringsvurderinger. Alignér med rammer som MITRE ATT&CK for at demonstrere, hvordan jeres kontroller kortlægger sig til virkelige trusselsadfærd.

Organisationer, der skifter til kontinuerlig validering og udnyttelighedsbaseret prioritering, kan forvente målbare forbedringer på tværs af flere dimensioner af sikkerhedsoperationer. Ved at fokusere kun på handlebare, høj-impact trusler kan sikkerhedshold reducerer alarmertræthed og eliminere distraktioner forårsaget af falske positiver eller ikke-udnyttelige sårbarheder. Denne fokuserede fokus muliggør hurtigere og mere effektive svar på rigtige angreb, hvilket betydeligt reducerer opholds tid og forbedrer incidentindhold.

Desuden forbedrer denne tilgang regulatorisk alignment. Kontinuerlig validering tilfredsstiller de voksende krav fra rammer som SEC’s cybersikkerhedsafsløringsregler og EU’s DORA-regulering, der begge kræver realtids indsigt i cybersikkerhedsrisiko. Måske vigtigst af alt sikrer denne strategi mere effektiv ressourceallokering og tillader hold at investere deres tid og opmærksomhed, hvor det betyder mest, i stedet for at sprede sig tyndt over en bred overflade af teoretisk risiko.

Tiden til at tilpasse er nu

Æraen for AI-drevet cyberkriminalitet er ikke længere en forudsigelse, det er nutiden. Angribere bruger AI til at finde nye veje ind. Sikkerhedshold må bruge AI til at lukke dem.

Det handler ikke om at tilføje flere alarmer eller rette hurtigere. Det handler om at vide, hvilke trusler betyder noget, validerer jeres forsvar kontinuerligt og aligner strategi med virkelige angrebsadfærd. Kun derved kan forsvarerne genskabe overtagen i en verden, hvor AI genopbygger reglerne for engagement.