रैनसमवेयर के खिलाफ इन्फ्रास्ट्रक्चर की सुरक्षा – विचार नेता

डॉ. अविव येहेज़केल, सह-संस्थापक और सीटीओ, सायनामिक्स

हॉस्पिटल से लेकर स्कूलों तक और मांस पैकिंग प्लांट तक, कोई भी उद्योग रैनसमवेयर हमलावरों के लिए महत्वहीन नहीं है। रैनसमवेयर इस साल अकेले अमेरिकी कंपनियों को 3.68 बिलियन डॉलर का नुकसान पहुंचाएगा। नेटवर्क और सुरक्षा ऑपरेटरों को रैनसमवेयर हमलों को रोकने और कम करने के लिए उच्च-स्तरीय नेटवर्क कवरेज की आवश्यकता है। वास्तुकला की बढ़ती जटिलता – जिसमें विरासत में मिली ऑन-प्रिमाइसेस, वर्चुअल और क्लाउड घटक शामिल हैं जो नेटवर्क पर चल रहे हैं – ने पूर्ण दृश्यता प्राप्त करना लगभग असंभव बना दिया है। वर्तमान स्थिति काम नहीं कर रही है। एक नया दृष्टिकोण आवश्यक है।

वर्तमान समाधान नेटवर्क की मांगों को पूरा नहीं कर सकते

इसके अलावा, नेटवर्क का आकार, पैमाना और आयतन भी बढ़ गया है। क्षेत्रों में, ये नेटवर्क बड़ी मात्रा में डेटा को संभाल रहे हैं जो मात्रा में बढ़ रहा है और अधिक एंडपॉइंट, अधिक कनेक्टिविटी (आंतरिक और बाहरी) और अधिक नेटवर्क साइटों (भौतिक और/या तार्किक) शामिल हैं। जबकि नेटवर्क आकार और जटिलता में बढ़ रहे हैं, अधिकांश सुरक्षा समाधान अभी भी पारंपरिक दृष्टिकोणों पर निर्भर हैं, जैसे कि उपकरण और एजेंट। और वे इस स्तर की जटिलता और डेटा की मात्रा के लिए नहीं बनाए गए हैं।

वर्तमान नेटवर्क डिटेक्शन और रिस्पॉन्स (एनडीआर) समाधान अभी भी एक ऐसे दृष्टिकोण पर आधारित हैं जो सरल समय के नेटवर्क के लिए है। समाधान श्रमसाध्य, लागू करने में महंगे और कम प्रभावी हैं। उनमें उपकरण, सेंसर और/या प्रोब शामिल हैं जो नेटवर्क डेटा को इकट्ठा और विश्लेषण करते हैं। हालांकि, यह संभव नहीं है कि इन उपकरणों के साथ पूरे नेटवर्क को कवर किया जा सके। उन्हें 100% नेटवर्क डेटा का विश्लेषण करने की आवश्यकता है – जो व्यावहारिक नहीं है। यह कंपनियों को हर दिन समझौता करने के लिए मजबूर करता है और नेटवर्क के छोटे हिस्सों तक कवरेज और डिटेक्शन को सीमित करता है, जिससे अधिकांश नेटवर्क एक कमजोर ब्लाइंड स्पॉट बन जाता है।

दृश्यता और नोवेल्टी के मुद्दे

अधिकांश रैनसमवेयर हमले नेटवर्क उल्लंघन के साथ शुरू होते हैं जो आमतौर पर नेटवर्क परिधि में एक कमजोरी के माध्यम से संभव होता है। और बुरे अभिनेता आपके नेटवर्क में जाने की कोशिश करेंगे और नुकसान को अधिकतम करने के लिए एक स्थान से दूसरे स्थान पर कूदेंगे, जब तक कि वे हमले के लिए पर्याप्त मेजबानों को संक्रमित नहीं कर लेते। वे उन ब्लाइंड स्पॉट्स को ढूंढेंगे जो निगरानी में नहीं हैं – जब आप क्षेत्रों को अनकवर्ड छोड़ देते हैं, तो आप साइबर अपराधियों के लिए घुसपैठ करने के लिए बहुत सारा कमरा बनाते हैं।

एआई और एमएल की भूमिका

मानव विश्लेषक, चाहे वे कितने भी चतुर और सक्षम क्यों न हों, आज के नेटवर्क को अपने दम पर निगरानी नहीं कर सकते – और आप उपकरणों और एजेंटों के साथ पूरे नेटवर्क को कवर नहीं कर सकते। लेकिन अपने नेटवर्क के हिस्सों को अनकवर्ड छोड़ना विकल्प नहीं है। हमलावर और साइबर अपराधी हमेशा घुसपैठ करने और अंदर घुसने के तरीकों की तलाश में रहते हैं।

इन चुनौतियों का सामना कैसे करें? एआई और मशीन लर्निंग (एमएल) तकनीक नेटवर्क डिटेक्शन और रिस्पॉन्स में एक महत्वपूर्ण भूमिका निभा सकती है। एमएल का उपयोग केवल नेटवर्क डेटा के एक छोटे से हिस्से के नमूने के आधार पर पूरे 100% नेटवर्क ट्रैफिक के व्यवहार का अनुमान लगाने के लिए किया जा सकता है। और फिर, यह स्वचालित रूप से सीख सकता है कि क्या नेटवर्क पैटर्न वैध या संदिग्ध है और स्वायत्त रूप से “समझ” नेटवर्क में बदलते रुझानों को।

नवाचार की आवश्यकता

रैनसमवेयर अथक है। यह अब स्पष्ट है कि विरासत सुरक्षा समाधान काम नहीं कर रहे हैं या खतरे के परिदृश्य के साथ तालमेल नहीं बिठा रहे हैं। यह एक अभिशाप है जो संगठनों को अरबों डॉलर का नुकसान पहुंचाता है; यह असंभव लगता है, फिर भी इसे रोकना होगा। लेकिन यह कहना आसान है जब अधिकांश नेटवर्क जटिल हो रहे हैं और विरासत और नए घटकों का मिश्रण हैं।

साइबर अपराधी एआई का सबसे अधिक उपयोग कर रहे हैं, इसलिए नेटवर्क ऑपरेटरों को भी ऐसा करने की आवश्यकता है। एक नई सुरक्षा रणनीति में एआई-ड्रिवन, नमूना-आधारित एनडीआर शामिल होना चाहिए। इस तरह के समाधान नेटवर्क ट्रैफिक के एक छोटे से हिस्से का उपयोग करते हैं ताकि पूरे नेटवर्क के लिए सामान्य क्या है, यह दृश्यता प्रदान करने के लिए जो अन्यथा संभव नहीं है। यह उन नवाचारों का एक उदाहरण है जो रैनसमवेयर और आज काम करने वाले कई अन्य नेटवर्क खतरों से आगे रहने के लिए आवश्यक हैं।