Menneske-AI-samarbejdet i EDR: Forbedring af cybersikkerhedshold med kunstig intelligens

Da cyberangreb bliver mere hyppige og komplekse, kæmper virksomheder for at følge med. Højt kvalificerede sikkerhedshold arbejder nat og dag for at spotte og stoppe digitale indtrængere, men det føles ofte som en tabende kamp. Hackere synes altid at have overtaget.

Der er dog et lys for enden af tunnelen. En ny bølge af kunstig intelligens-teknologi kan skifte oddsene tilbage i forsvarernes favør. Ved at bruge selv-læringsprogrammer som digitale allierede kan sikkerhedsanalytikere styrke deres bestræbelser på at beskytte virksomhedens netværk og enheder – uden at skulle bruge en masse ekstra ressourcer.

En gren af cybersikkerhed, hvor AI har en stor indvirkning, er endpoint-detection og respons (EDR). Dette fungerer grundlæggende som et tidligt advarselssystem mod angreb, der overvåger computere, telefoner og andre endpunkter for de subtile kendetegn på et kommende cyberangreb. Når noget ser forkert ud, lyder EDR alarmen, så menneskelige eksperter kan undersøge det. Det kan endda udføre grundlæggende handlinger som at isolere kompromitterede enheder for at købe tid.

Men vil AI-drevet EDR helt erstatte og negere behovet for menneskelig indgriben? Det simple svar er nej. Som vi ser i mange AI-anvendelser, synes de bedste resultater at komme, når AI og mennesker arbejder sammen, ikke den ene i stedet for den anden. Lad os se, hvorfor det er tilfældet.

Løftet om AI-drevet EDR

EDR-værktøjer er blevet vitalt våben til at identificere, analysere og afhjælpe konstant udviklende angreb på enorme mængder af enheder. I dag udnytter mange af de førende EDR-platforme kunstig intelligens til at supplere menneskelige evner, hvilket forbedrer nøjagtighed og effektivitet.

Med supervised machine learning-algoritmer, der er trænet på bjerge af trusler, kan AI-drevet EDR:

• Spotte hidtil usete angrebsmønstre og adfærd. Ved at analysere systemhændelser og sammenligne enorme datasæt, kan AI detektere anomalier, som menneskelige analytikere sandsynligvis ville overse. Dette giver mulighed for at identificere og stoppe listige angreb, som andre værktøjer ikke kan se.
• Give kontekst gennem automatiseret undersøgelse. AI kan øjeblikkeligt spore tilbage til det fulde omfang af en begivenhed, ved at scanne efter tegn på kompromittering på tværs af miljøet. Dette reducerer den manuelle jagt for analytikere til at forstå rodårsagerne.
• Prioritere de mest kritiske begivenheder. Ikke alle advarsler kræver samme niveau af hastighed, men at skelne mellem trivialt og alvorligt kan være udfordrende. AI-vurderinger fremhæver de farligste trusler for at fokusere på dyrebare menneskelige opmærksomhed.
• Anbefale optimale responser tilpasset hvert angreb. Baseret på specifikationerne for malware-stammer, sårbarheder, der udnyttes, og mere, foreslår AI den bedste indholdning og afhjælpningshandling til at eliminere truslen med kirurgisk præcision.

AI-supplementering giver analytikere mulighed for at arbejde smartere og hurtigere ved at håndtere meget af den tunge løftning i trusselsdetektion, undersøgelse og anbefalinger. Menneskelig ekspertise og kritisk tænkning er dog stadig afgørende for at forbinde punkterne.

Menneskeligt element: Dom, kreativitet, intuition

Selvom AI er godt til at knuse data, bringer menneskelige analytikere nøglestyrker til endpoint-forsvar, som maskiner mangler. Mennesker giver tre afgørende evner:

Balanceret vurdering

AI kan nogen gange flagre harmløse begivenheder som mistænkelige, hvilket fører til falske advarsler, eller det kan overse virkelige trusler. Men menneskelige eksperter kan bruge deres erfaring og gode dom til at evaluere, hvad AI finder. For eksempel, hvis systemet forkert mærker en normal softwareopdatering som skadelig, kan en analytiker undersøge det og rette fejlen, hvilket undgår unødvendige afbrydelser. Denne balancerede menneskelige vurdering giver mere præcis trusselsdetektion.

Kreativ problemløsning

Angribere ændrer hele tiden deres malware for at udmanøvrere AI-systemer, der ofte er indstillet til at spotte kendte trusler. Men menneskelige analytikere kan tænke udenfor boksen og identificere nye eller subtile trusler baseret på små anomalier. Når hackere ændrer deres taktik, kan analytikere komme med kreative nye detectionsregler baseret på små anomalier i koden – indsigt, som maskiner ville have svært ved at opdage.

At se det større billede

Beskyttelse af komplekse netværk indebærer at tage mange skiftende faktorer i betragtning, som algoritmer ikke fuldt ud kan tage i betragtning. I midten af et sofistikeret angreb bliver menneskelig dom afgørende for at træffe højrisikable beslutninger – som om at isolere systemer eller forhandle en løsesum. Mens AI kan foreslå muligheder, er menneskelig perspektiv stadig nødvendigt for at guide responsen og minimere forretningsindvirkning.

Sammen giver menneskelig indsigt og AI en kraftfuld forsvar, der kan fange avancerede cyberangreb, som andre systemer måske ikke kan se. AI-behandling af data sker hurtigt, mens menneskelig grundighed udfylder hullerne. Når mennesker og AI arbejder sammen, styrker de endpoint-beskyttelsen.

Optimering af det menneskelige-AI-sikkerhedshold

Her er nogle tips til at hjælpe dig med at få det bedste ud af dit AI-forbedrede EDR med menneskeledede hold:

• Stol på, men verificér AI-vurderinger. Udnyt AI-detections til at afgrænse begivenheder hurtigt, men valider fundene gennem manuel jagt, før du handler. Stol ikke blindt på hver advarsel.
• Brug AI til at fokusere på menneskelig ekspertise. Lad AI håndtere repetitive opgaver som overvågning af endpunkter og indsamling af trusselsdetaljer, så analytikere kan dedikere energi til højere-værdi-indsats som strategisk responsplanlægning og proaktiv jagt.
• Giv feedback for at forbedre AI-modeller over tid. Tilføj menneskelig validering tilbage i systemet – bekræftelse af sande/falske positiver – giver algoritmer mulighed for at selvkorrigere og blive mere nøjagtige. AI lærer af menneskelig visdom over tid.
• Samarbejd med AI dagligt. Jo mere analytikere og AI arbejder sammen, jo mere lærer begge parter, hvilket forbedrer færdigheder og præstationer på begge sider. Daglig brug forstærker viden.

Lige som cyber-modstandere udnytter automatisering og AI til angreb, må forsvarere slå tilbage med et AI-drevet arsenal. Endpoint-sikkerhed, der er drevet af både kunstig og menneskelig intelligens, giver det bedste håb for at sikre vores digitale verden.

Når mennesker og maskiner samarbejder, udnyttende komplementære evner til at udmanøvrere enhver modstander, er der ingen grænser for, hvad vi kan opnå sammen. Fremtiden for cybersikkerhed er ankommet – og det er et menneske-AI-samarbejde.

Udfordringer ved at implementere AI-forbedret EDR

At implementere AI til sikkerheds-overvågning lyder godt i teorien. Men for hold, der allerede er strakt til bristepunktet, kan det blive rod i praksis. Mennesker står over for alle mulige hindringer, når de ruller ud denne avancerede teknologi, fra at forstå, hvordan værktøjerne tænker, til at stoppe alarm-udmattelse.

alarm-udmattelse.

Kompleksiteten

Sikkerhedsanalytikerne, der bruger EDR-værktøjer dagligt, er ikke altid ingeniører af fag. Så, at forvente, at de intuitivt forstår konfidensintervaller, præcisionsrater, modeloptimering og andre maskinlæringsideer? Det er en høj ordre. Uden plain-talk-træning til at afmystificere begreberne, bliver AI’s klokker og fløjter aldrig sat i gang til at fange skurke.

<b_At drukne i falske positiver

I de tidlige dage, især, gik nogle AI-værktøjer over gevind med at mærke trusler. Pludselig begyndte analytikere at drukne under hundredvis af lav-konfidens-advarsler hver uge – mange af dem falske. Dette begravde de kritiske signaler i støj. Følelsesmæssigt overvældet kunne mange hold ende med at ignorere advarslerne helt. Værktøjerne skal være optimeret og finjusteret, så der er balance i sensitiviteten.

De sorte boks-værktøjer

Neurale netværk fungerer som uigennemtrængelige sorte boks. Da rationalet bag risikovurderinger og anbefalinger forbliver uigennemskueligt, har personale svært ved at stole på et automatiseret system til at træffe beslutninger. For at AI kan opnå troværdighed hos sine menneskelige kolleger, skal det lade dem kigge under køleren nok til at forstå sin grundighed – men det er ikke altid muligt med nuværende teknologi.

Mere end en magisk kugle

At drope nye AI-værktøjer alene vil ikke være nok. For at fuldt udnytte teknologien, må sikkerhedshold forbedre deres processer, kompetencer, politikker, målinger og selv kulturelle normer for at gensyne med det. At implementere AI som en turnkey-pakke uden at udvikle organisationen, låser alle de spil-forandrende potentialer væk.

Endelig ord

AI bringer en bred vifte af spændende værktøjer og forsvar mod cybersikkerhedstrusler. Selvom dette er gode nyheder, vil meget af det forblive potentiale, indtil AI- og menneskehold kan arbejde sammen i harmoni, udnyttende hinandens styrker. EDR er et område inden for cybersikkerhed, der især afhænger af et smukt samarbejde mellem maskin-intelligens og menneskelig ekspertise.

Selvfølgelig er der en læringskurve, der går begge veje. AI-systemer skal bedre formidle deres interne logik til menneskelige kolleger i gennemsigtige termer, som de kan forstå og handle på. At rydde op i signal-til-støj-problemet i tidlige advarselssystemer vil også hjælpe med at forhindre analytiker-udmattelse og fraflytning.