Χρηματοδότηση

Η CodeWall συγκεντρώνει 4 εκατομμύρια δολάρια σε χρηματοδότηση προ-σποράς για να φέρει αυτόνομους πράκτορες επίθεσης στην ασφάλεια των επιχειρήσεων

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Conceptual illustration of autonomous security agents tracing attack paths through an enterprise network.

Μια ομάδα ασφάλειας μπορεί να διορθώσει μια ευπάθεια και παρ’ όλα αυτά να αφήσει στον εισβολέα μια άλλη διαδρομή προς τα ίδια δεδομένα. Το δυσκολότερο ερώτημα είναι αν μπορούν να συνδυαστούν αδυναμίες σε εφαρμογές, ταυτότητες και υποδομές, ώστε να καταστεί δυνατή μια εισβολή.

Η CodeWall χτίζει την επιχειρηματική της δραστηριότητα με στόχο να απαντά διαρκώς σε αυτό το ερώτημα. Η νεοφυής επιχείρηση από το Λονδίνο βγήκε από τη φάση της μυστικής ανάπτυξης, έχοντας εξασφαλίσει 4 εκατομμύρια δολάρια σε χρηματοδότηση προ-σποράς με επικεφαλής την Osney Capital και τη συμμετοχή των InReach Ventures, Antler και επενδυτών-αγγέλων, σύμφωνα με την ανακοίνωσή της στις 14 Οκτωβρίου.

Η εταιρεία αναπτύσσει αυτόνομους πράκτορες επίθεσης που προσεγγίζουν μια επιχείρηση από έξω, χωρίς να απαιτούν διαπιστευτήρια, πηγαίο κώδικα ή εσωτερική πρόσβαση. Στόχος της είναι να προσφέρει στους αμυνόμενους έναν διαρκή τρόπο εντοπισμού και επαλήθευσης διαδρομών που μπορούν να αξιοποιηθούν για επιθέσεις, προτού τις χρησιμοποιήσει κάποιος κακόβουλος δράστης.

Από τον κατάλογο αδυναμιών στα τεκμήρια μιας διαδρομής επίθεσης

Η τεχνική θεώρηση της CodeWall εστιάζει στην προσαρμογή μιας διερεύνησης καθώς προκύπτουν νέα στοιχεία. Η εταιρεία υποστηρίζει ότι η έλλειψη εξειδικευμένων γνώσεων στην επιθετική ασφάλεια και οι περιοδικές αξιολογήσεις δυσκολεύουν τους οργανισμούς να ελέγχουν ένα περιβάλλον που αλλάζει από τη μία αξιολόγηση στην επόμενη.

Η ανακοίνωσή της περιγράφει εξειδικευμένους πράκτορες που διεξάγουν παράλληλες έρευνες και ανταλλάσσουν ανακαλύψεις μέσω ενός διαρκούς γραφήματος διερεύνησης. Ένα εύρημα σε μια εφαρμογή μπορεί να βοηθήσει τον επόμενο πράκτορα να εξετάσει μια συνδεδεμένη υπηρεσία, ταυτότητα ή αποθήκη δεδομένων. Το επιδιωκόμενο αποτέλεσμα είναι μια καταγραφή του τι μπορεί να παραβιαστεί, του τρόπου με τον οποίο λειτουργεί η διαδρομή και των στοιχείων που στηρίζουν αυτό το συμπέρασμα.

Στην πράξη, ένα γράφημα αποτυπώνει τις σχέσεις μεταξύ των ευρημάτων, αντί να αντιμετωπίζει κάθε ειδοποίηση ως μεμονωμένο στοιχείο. Μια σύνδεση μπορεί να έχει μεγαλύτερη σημασία από τις επιμέρους αδυναμίες: η έκθεση σε ένα σημείο του συστήματος θα μπορούσε να καταστήσει προσβάσιμο έναν δεύτερο μηχανισμό ελέγχου. Αυτή η περιγραφή εξηγεί την αρχιτεκτονική ιδέα· η CodeWall δεν έχει δημοσιοποιήσει στην ανακοίνωσή της αρκετές λεπτομέρειες υλοποίησης, ώστε να αξιολογηθεί ο τρόπος με τον οποίο το γράφημά της επιλύει αντικρουόμενα ευρήματα ή επαληθεύει κάθε μετάβαση.

Σύμφωνα με τον ιστότοπο της εταιρείας, η πλατφόρμα χαρτογραφεί τις σχέσεις εμπιστοσύνης μεταξύ υπηρεσιών, API και υποδομών, προσαρμόζει τη στρατηγική της κατά τη διάρκεια των ερευνών και παράγει αναπαραγώγιμα τεκμήρια απόδειξης της ιδέας. Πρόκειται για ισχυρισμούς σχετικά με το προϊόν. Η αξία τους για μια επιχείρηση εξαρτάται από το αν τα ευρήματα παραμένουν αναπαραγώγιμα και ουσιαστικά στο δικό της περιβάλλον.

Τι καταδεικνύει η έρευνά της για τη McKinsey

Η CodeWall έχει ήδη δημοσιεύσει έρευνα που περιγράφει αδυναμίες σε πλατφόρμες τις οποίες διαχειρίζονται μεγάλες συμβουλευτικές εταιρείες. Η περιγραφή της δοκιμής της πλατφόρμας τεχνητής νοημοσύνης Lilli της McKinsey, στις 9 Μαρτίου, έχει ιδιαίτερη σημασία για τις επιχειρήσεις που συνδέουν εφαρμογές τεχνητής νοημοσύνης με εσωτερική γνώση.

Σύμφωνα με την CodeWall, ο πράκτοράς της απέκτησε πρόσβαση ανάγνωσης και εγγραφής στη βάση δεδομένων παραγωγής σε λιγότερο από δύο ώρες. Η εταιρεία απέδωσε το σημείο εισόδου σε μια διεπαφή χωρίς έλεγχο ταυτότητας και σε ένα ζήτημα έγχυσης SQL, που αφορούσε τον τρόπο διαχείρισης των ονομάτων των πεδίων των αιτημάτων. Η σημασία του ευρήματος ήταν η πρόσβαση στα υποκείμενα δεδομένα και τις ρυθμίσεις της εφαρμογής, όχι κάποια αστοχία του ίδιου του γλωσσικού μοντέλου.

Οι ερευνητές εξέτασαν επίσης τις συνέπειες της πρόσβασης εγγραφής στις αποθηκευμένες προτροπές συστήματος: η παραβίαση της υποδομής της εφαρμογής θα μπορούσε να ανοίξει τον δρόμο για την αλλαγή των οδηγιών που καθορίζουν τα έμπιστα αποτελέσματα της τεχνητής νοημοσύνης. Πρόκειται για πιθανή συνέπεια που περιγράφεται στην έκθεση, όχι για απόδειξη ότι οι σύμβουλοι έλαβαν αλλοιωμένες συμβουλές.

Η CodeWall αναφέρει ότι γνωστοποίησε τα ευρήματα στη McKinsey, περιόρισε την πρόσβαση για σκοπούς επαλήθευσης και επιβεβαίωσε ότι το πρόβλημα αποκαταστάθηκε πριν από τη δημοσίευση. Οι λεπτομέρειες αυτές προέρχονται από την ερευνητική αναφορά του προμηθευτή· δεν θα πρέπει να εκληφθούν ως ένδειξη συνεχιζόμενης ευπάθειας ή ως γενική συγκριτική αξιολόγηση που αποδεικνύει ότι οι πράκτορές του υπερτερούν των ανθρώπων που διενεργούν δοκιμές.

Οι συνεχείς δοκιμές αλλάζουν τις λειτουργικές προκλήσεις

Η CodeWall αναφέρει ότι η πλατφόρμα της επανεξετάζει τα συστήματα όταν αλλάζουν οι εφαρμογές, εμφανίζονται νέα περιουσιακά στοιχεία ή εφαρμόζονται διορθώσεις, λειτουργώντας εντός εξουσιοδοτημένου πεδίου. Έτσι δημιουργείται ένας δυνητικά χρήσιμος κύκλος ανατροφοδότησης: εντοπισμός μιας διαδρομής, αντιμετώπιση των αδυναμιών που συμβάλλουν σε αυτήν και δοκιμή για να διαπιστωθεί αν εξακολουθεί να λειτουργεί.

Οι επαναληπτικές δοκιμές έχουν σημασία, επειδή το κλείσιμο ενός μεμονωμένου αιτήματος δεν αποδεικνύει κατ’ ανάγκη ότι εξαλείφθηκε ο αρχικός επιχειρηματικός κίνδυνος. Μια διόρθωση μπορεί να αποκλείσει μία διαδρομή, αφήνοντας κάποια άλλη ανοιχτή, ή μια μεταγενέστερη ανάπτυξη να αναιρέσει μια προηγούμενη διόρθωση.

Σε παλαιότερο άρθρο του, το Unite.AI εξέτασε την ίδια στροφή προς την επαναλαμβανόμενη επαλήθευση, στο πλαίσιο της αυτόνομης δοκιμής διείσδυσης και αποκατάστασης. Η CodeWall δίνει έμφαση στην εξωτερική αφετηρία της και στη συντονισμένη διερεύνηση διασυνδεδεμένων συστημάτων. Οι παρόμοιοι εμπορικοί στόχοι δεν συνεπάγονται ταυτόσημες αρχιτεκτονικές πρακτόρων ή μηχανισμούς ελέγχου της εκτέλεσης.

Οι συχνότερες δοκιμές αυξάνουν επίσης τη σημασία των λειτουργικών ορίων. Οι επιχειρήσεις που αξιολογούν μια τέτοια πλατφόρμα θα πρέπει να καθορίζουν τους επιτρεπόμενους στόχους και τις ενέργειες, τους κανόνες διαχείρισης των τεκμηρίων, τις διαδικασίες κλιμάκωσης και τη δυνατότητα διακοπής μιας διερεύνησης. Πρόκειται για κριτήρια αξιολόγησης και όχι για δυνατότητες που τεκμηριώνονται από την ανακοίνωση χρηματοδότησης της CodeWall.

Τι θα αναπτύξει με τη χρηματοδότηση

Ο ιδρυτής και διευθύνων σύμβουλος Paul Price παρουσιάζει την εταιρεία ως έναν τρόπο να καταστεί η επιθετική δοκιμή μια μόνιμη αμυντική ικανότητα. Η CodeWall αναφέρει ότι ήδη βοηθά τράπεζες και χρηματοπιστωτικά ιδρύματα να εντοπίζουν και να επαληθεύουν διαδρομές επίθεσης που μπορούν να αξιοποιηθούν, αν και η ανακοίνωση δεν κατονομάζει πελάτες του χρηματοπιστωτικού τομέα ούτε παρέχει ανεξάρτητες μετρήσεις επιδόσεων.

Η χρηματοδότηση θα στηρίξει την επέκταση των περιβαλλόντων που μπορούν να διερευνούν οι πράκτορές της, καθώς και τη διενέργεια διαρκών δοκιμών, την επαλήθευση και τις ροές εργασίας αποκατάστασης. Η εταιρεία σχεδιάζει επίσης να διευρύνει τις ομάδες της στους τομείς της επιθετικής ασφάλειας, της μηχανικής, της εξυπηρέτησης πελατών και της εμπορικής ανάπτυξης στο Λονδίνο.

Για τους αγοραστές, σημαντικό ζήτημα θα είναι το εύρος αυτών των ροών εργασίας αποκατάστασης. Η παροχή στοιχείων τεκμηρίωσης και η σύσταση διορθωτικών ενεργειών διαφέρουν από την αυτόματη πραγματοποίηση αλλαγών σε περιβάλλον παραγωγής. Η ανακοίνωση δεν διευκρινίζει ότι η CodeWall αναπτύσσει διορθώσεις αυτόνομα, επομένως οι επιχειρήσεις θα πρέπει να αποσαφηνίσουν σε ποιο σημείο της διαδικασίας γίνεται η έγκριση και η εκτέλεση.

Το ισχυρότερο μέτρο προόδου θα είναι η ποιότητα των αποφάσεων ασφαλείας που προκύπτουν: αναπαραγώγιμες διαδρομές, σαφής επιχειρηματικός αντίκτυπος, κατάλληλος χειρισμός ευαίσθητων στοιχείων τεκμηρίωσης και επιβεβαίωση ότι η αποκατάσταση εξαλείφει την έκθεση. Ο γύρος χρηματοδότησης pre-seed της CodeWall τής παρέχει τους πόρους για να επιδιώξει αυτό το λειτουργικό μοντέλο. Το ζητούμενο πλέον είναι να καταστήσει τις συνεχείς δοκιμές προσομοίωσης επιθέσεων αρκετά αξιόπιστες, ώστε να αποτελέσουν συνήθη πρακτική στις επιχειρήσεις.

Miles Okada είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στην Unite.AI, καλύπτοντας την τεχνητή νοημοσύνη και την κυβερνοασφάλεια με έμφαση στις αναδυόμενες απειλές, τις αμυντικές αρχιτεκτονικές και τις εξελισσόμενες δυναμικές μεταξύ επιτιθέμενων και αυτοματοποιημένων συστημάτων. Η δουλειά του εξετάζει πώς η AI μετασχηματίζει τις λειτουργίες ασφαλείας, από την αυτόνομη ανίχνευση και ανταπόκριση σε απειλές μέχρι την άνοδο των αντιπαραθετικών τεχνικών AI.

Με τεχνική και ερευνητική προοπτική, ο Miles αναλύει την έρευνα ασφαλείας, τις δημοσιεύσεις περιστατικών και τις υλοποιήσεις στον πραγματικό κόσμο για να κατανοήσει πού η AI ενισχύει τις άμυνες — και πού εισάγει νέες ευπάθειες. Δίνει ιδιαίτερη προσοχή στην εκμετάλλευση μοντέλων, τη δηλητηρίαση δεδομένων, την αυτοματοποίηση επιθέσεων και τις επιχειρησιακές πραγματικότητες της προστασίας συστημάτων που τροφοδοτούνται από AI σε μεγάλη κλίμακα.

Τα άρθρα που συντάσσει ο Miles Okada δημιουργούνται από AI και ελέγχονται από την ομάδα συντακτών της Unite.AI για να εξασφαλιστεί η ακρίβεια, η αυστηρότητα και η υπεύθυνη κάλυψη του ταχέως μεταβαλλόμενου τοπίου ασφαλείας AI.