Ραμούτε Βαρνελύτε, Διευθύντρια της IPXO – Σειρά Συνεντεύξεων

Ραμούτε Βαρνελύτε, Διευθύντρια της IPXO, έχει πάνω από 15 χρόνια εμπορικής ηγετικής εμπειρίας και διορίστηκε να ηγηθεί της εταιρείας στις αρχές του 2025. Στο ρόλο της, οδηγεί την στρατηγική ανάπτυξη, την επιχειρησιακή αριστεία και τη θέση της αγοράς, εξασφαλίζοντας ότι η IPXO παραμένει στην πρώτη γραμμή της καινοτομίας στη διαχείριση και εκμίσθωση διευθύνσεων IP.

IPXO, που σημαίνει Οργανισμός Ανταλλαγής Πρωτοκόλλου Διαδικτύου, ιδρύθηκε το 2021 για να αντιμετωπίσει την παγκόσμια έλλειψη IPv4, δημιουργώντας μια δυναμική πλατφόρμα εκμίσθωσης και εμπορευματοποίησης. Έχει εξελιχθεί στον μεγαλύτερο πλήρως αυτοματοποιημένο рынок για την εκμίσθωση διευθύνσεων IP. Η πλατφόρμα υποστηρίζει εκατομμύρια διευθύνσεις IP παγκοσμίως, με την υποστήριξη ισχυρών σχέσεων με Περιφερειακούς Καταχωρητές Διαδικτύου και με αποστολή να κατασκευάσει einen ενοποιημένο, αποτελεσματικό οικοσύστημα IP.

Θα συζητήσουμε πώς η IPXO χρησιμοποιεί προφίλ κινδύνου βασισμένα στη συμπεριφορά και μηχανική μάθηση για να διακρίνει μεταξύ αβλαβούς αυτοματοποίησης AI και κακόβουλου bot δραστηριότητας. Η συζήτηση θα εξετάσει την άνοδο των πρακτόρων AI στο διαδικτυακό траφέ, τις προκλήσεις κυβερνοασφάλειας των παρόχων ISP και τις στρατηγικές για την ισορροπία της ασφάλειας με την επιχειρησιακή αποτελεσματικότητα.

Ποίες τάσεις οδήγησαν στο συμπέρασμα ότι οι πράκτορες AI – και όχι απλά bots scraping – κυριαρχούν τώρα στα μοτίβα траφέ σε πολλές οργανώσεις;

Τα bots είναι παντού τώρα, υπερβαίνοντας σημαντικά τον ανθρώπινο траφέ. Περισσότερο από ένα τρίτο του траφέ bot αποτελείται από το λεγόμενο «κακό bot» μερίδιο, το οποίο συνεισφέρει σε πολλές κακόβουλες δραστηριότητες. Η τάση είναι σαφής σε διάφορες αναφορές περιστατικών: όταν οι εταιρείες ερευνήσουν ασυνήθιστο ή επιζήμιο траφέ, περίεργες αιχμές στη χρήση API ή άλλες ανωμαλίες, τα στοιχεία δείχνουν ότι πολλά από αυτά τα αυτοματοποιημένα συστήματα συμπεριφέρονται περισσότερο σαν πράκτορες AI, επειδή προσωποποιούν διαφορετικούς browser ή συσκευές (απατηλή αναγνώριση user-agent), γρήγορα αλλάζουν τις διευθύνσεις IP (γρήγορη περιστροφή IP), είναι ασυνεπή όταν συγκρίνονται με τυπική δραστηριότητα scraping bot, και παρόμοια. Βασικά, το απίστευτο όγκο του траφέ, καθώς και η αυξημένη сложκότητα των ενεργειών τους, δείχνει προς τους πράκτορες AI, και όχι απλά bots.

Ποια συμπεριφορικά σήματα χρησιμοποιούνται για την κατασκευή προφίλ κινδύνου IP – όπως η συχνότητα αιτήσεων, headers ή γεωγραφικά μοτίβα;

Είναι δυνατό να αξιολογηθεί η «βαθμολογία φήμης» ενός IP χωρίς να εξεταστεί ακόμη και το περιεχόμενο των αιτήσεων, αλλά απλά παρατηρώντας πώς συμπεριφέρεται στο δίκτυο. Αυτά τα ανωμαλά μοτίβα είναι «αγνόητα περιεχομένου», που σημαίνει ότι δεν χρειάζεται πραγματικά δεδομένα. Μεταδεδομένα και συγκεκριμένη συμπεριφορά είναι αρκετά για να αξιολογηθεί το προφίλ κινδύνου των IP. Αυτό λειτουργεί και σε κλίμακα, καθώς η ύποπτη συμπεριφορά δεν κρύβεται από τη σύγχρονη κρυπτογράφηση όπως το TLS 1.3 ή το ECH. Υπάρχει ακόμη khá πολύ παρατηρήσιμο δεδομένο που απλώς δεν κρυπτογραφείται.

Πώς το σύστημά σας διακρίνει μεταξύ αβλαβούς αυτοματοποίησης AI και κακόβουλου δραστηριότητας όπως scraping, botnets ή stuffing πιστοποιητικών – ειδικά χωρίς να ελέγχει το περιεχόμενο του payload;

Είναι σημαντικό να ληφθεί υπόψη πώς η αυτοματοποίηση συμπεριφέρεται σε ένα συγκεκριμένο χρονικό διάστημα, όχι μόνο τι περιεχόμενο ζητά. Οι «καλοί» bots είναι συνήθως πολύ προβλέψιμοι, έχουν μια συγκεκριμένη δομή και βήματα που ακολουθούν. Κακόβουλα bots, από την άλλη πλευρά, συχνά πηδούν ανεξέλεγκτα, χρησιμοποιούν αναλώσιμους αναγνωριστικούς, διατηρούν einen σκληρό «μηχανικό» ρυθμό και διασκορπίζουν αιτήσεις σε πολλούς servers για να αποφευχθεί η ανίχνευση. Αυτό καταλήγει σε εκτεταμένο μοντέλο συμπεριφοράς, αξιολογώντας πώς κινείται γύρω από τον ιστότοπο με τον καιρό.

Μπορείτε να εξηγήσετε πώς οι υφιστάμενοι ISP δυσκολεύονται να αντιμετωπίσουν την αυξανόμενη κυκλοφορία proxy ενώ διατηρούν ισχυρές άμυνες ενάντια σε κυβερνοεπιθέσεις;

Τα σύγχρονα πρωτόκολλα κρύβουν περισσότερες λεπτομέρειες σύνδεσης για αυξημένη ιδιωτικότητα, οπότε γίνεται πιο δύσκολο και πιο ακριβό για τους ISP να αξιολογηθεί ο τύπος του траφέ καθώς και να ταξινομηθεί σωστά. Καθώς είναι πιο δύσκολο να δουν τι είναι μέσα, οι ISP βασίζονται περισσότερο στη συμπεριφορά του траφέ, όχι στο περιεχόμενο. Η δυσκολία έγκειται στην αναγκαία αλλαγή της μεθόδου τους από την εξάρτηση κυρίως από την επιθεώρηση του траφέ, η οποία έχει αυξήσει τους επιχειρησιακούς κόστους, και την ενσωμάτωση νέων εργαλείων ευφυούς ανίχνευσης απειλών για να ταιριάξει η νέα προσέγγιση.

Ποια είναι οι εμπορικές συναλλαγές ασφαλείας που αντιμετωπίζουν οι ISP αν χαλαρώσουν τους περιορισμούς για να φιλοξενήσουν τον траφέ των πρακτόρων AI;

Η χαλάρωση των φίλτρων μπορεί να μειώσει τα ψευδώς θετικά αποτελέσματα και τις τριβές, επιτρέποντας στους πράκτορες να ολοκληρώνουν ομαλά τις εργασίες τους. Μπορεί όμως να αυξήσει και τον αριθμό των απειλών και επιθέσεων, καθώς τα «κακόβουλα bot» αποτελούν ήδη σημαντικό μέρος της κίνησης. Πιο χαλαρά φίλτρα σημαίνουν υψηλότερο κίνδυνο. Μια ισορροπημένη λύση θα ήταν η εφαρμογή προστατευτικών ορίων ανάλογα με το επίπεδο κινδύνου. Για παράδειγμα, όταν η κίνηση φαίνεται ύποπτη, το πρώτο βήμα θα μπορούσε να είναι η επιβράδυνσή της αντί για τον πλήρη αποκλεισμό. Απαιτείται πιο λεπτομερής ρύθμιση.

Ποια είναι οι βασικές τεχνολογίες που δίνουν ενέργεια στη βαθμολογία κινδύνου σε πραγματικό χρόνο – χρησιμοποιείτε μηχανική μάθηση, ροές ευφυούς ανίχνευσης απειλών ή ανίχνευση ανωμαλιών συμπεριφοράς;

Χρησιμοποιούμε ένα здоровό μείγμα ζωντανού δεδομένων παρακολούθησης και αξιολόγησης, μηχανικής μάθησης και διάφορων εργαλείων ευφυούς ανίχνευσης απειλών. Ο στόχος είναι να αναγνωρίσουμε γρήγορα οποιαδήποτε ανωμαλίες στη συμπεριφορά, να κατανοήσουμε την πρόθεση του траφέ και αν υπάρχουν λόγοι να πιστεύουμε ότι είναι επιζήμιο. Αν ναι, να σημάνουμε περιπτώσεις υψηλού κινδύνου και να τα αντιμετωπίσουμε ανάλογα.

Πώς το σύστημά σας ενσωματώνεται με τις υφιστάμενες ροές εργασίας ISP ή επιχείρησης SOC – μπορεί να ενεργοποιήσει ειδοποιήσεις ή μετριάσεις αυτόματα;

Ναι, το σύστημά μας στέλνει ειδοποιήσεις στις υφιστάμενες ροές εργασίας, καθώς και μπλοκάρει ορισμένες απειλές σε επίπεδο δικτύου. Μπορεί να εκτελεστεί σε διάφορες λειτουργίες, ανάλογα με την ανεκτικότητα κινδύνου.

Έχει το σύστημα προφίλ κινδύνου αποκαλύψει κάποια απροσδόκητα μοτίβα επιθέσεων ή περιπτώσεις κατάχρησης κατά τη διάρκεια των πρώτων δοκιμών ή αναπτύξεων;

Ναι, υπάρχουν πολλά. Ένα παράδειγμα σε όλη την βιομηχανία θα μπορούσε να είναι «περιήγηση crawls», όταν τα LLMs εφευρίσκουν μη υπάρχουσες διευθύνσεις URL και στη συνέχεια προσπαθούν να τις ανακτήσουν. Ή απότομες αιχμές αιτήσεων, που επαναλαμβάνονται ακριβώς στα ίδια χρονικά διαστήματα, όπως 15 λεπτά ή μια ώρα. Όλα αυτά τα μοτίβα είναι χρήσιμα για μας να βελτιώσουμε την παρακολούθηση της συμπεριφοράς και να μειώσουμε τα ψευδώς θετικά.

Ποια είναι οι επιπτώσεις ιδιωτικότητας και ασφαλείας από την κατασκευή προφίλ κινδύνου βασισμένων στη συμπεριφορά χωρίς να ελέγχει το κρυπτογραφημένο περιεχόμενο – ειδικά υπό τους παγκόσμιους νόμους προστασίας δεδομένων;

Τα μεταδεδομένα συμπεριφοράς μπορούν να θεωρηθούν προσωπικά δεδομένα, αλλά υπάρχουν εξαιρέσεις, για παράδειγμα, αν το ενδιαφέρον είναι νόμιμο, μπορεί να δικαιολογηθεί και είναι απαραίτητο για την παρακολούθηση ασφαλείας. Όμως, το ενδιαφέρον για την πρόσβαση και η ποσότητα δεδομένων που διατηρούνται πρέπει να είναι αναλογικά με τους κινδύνους που αξιολογούνται.

Πώς προλαμβάνετε τα ψευδώς θετικά από το να σημάνετε αβλαβή αυτοματοποίηση, όπως αναλυτές ερευνών ή λευκούς πράκτορες AI, ως κυβερνοαπειλές;

Δοκιμάζουμε новые προστασίες και κανόνες πριν τα αναπτύξουμε, αξιολογούμε πολλαπλά σήματα πριν λάβουμε οποιαδήποτε ενέργεια, επίσης χρησιμοποιούμε πρώτα μαλακές προκλήσεις για να δοκιμάσουμε τη νομιμότητα του траφέ, αντί να το μπλοκάρουμε απευθείας. Είναι μια πολλαπλή λίστα ελέγχου, η οποία είναι συνεχώς βελτιωμένη.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν IPXO.