Ben Bernstein, leder for Cybersecurity Advisors hos Huntress – intervjuserie

Ben Bernstein, leder for Cybersecurity Advisors hos Huntress, er en cybersikkerhetsprofesjonell med mer enn et tiår med erfaring som spenner over teknisk support, systemadministrasjon, kundesuksess, teknisk kontoadministrasjon og ledelse av sikkerhetsrådgivning. Han begynte sin karriere i praktiske IT‑roller, og gikk fra helpdesk‑arbeid til systemadministrasjon før han gikk over til kontoadministrasjon og kundesuksess hos Integris. Bernstein tilbrakte senere tre år i Red Canary, hvor han håndterte relasjoner med bedriftskunder som Technical Account Manager og Senior Enterprise Technical Account Manager. Siden han begynte i Huntress i 2024 som medgrunnlegger og Technical Account Manager, har han avansert innen ledelse av teknisk kontoadministrasjon og leder nå selskapets Cybersecurity Advisors, og trekker på sin kombinasjon av teknisk ekspertise og kundevendt erfaring for å hjelpe organisasjoner med å forstå og reagere på stadig utviklende cybertrusler.

Huntress er et cybersikkerhetsselskap som leverer en fullt administrert sikkerhetsplattform designet for å beskytte organisasjoner på tvers av endepunkter, identiteter, logger og brukere. Plattformen kombinerer teknologier som Managed Endpoint Detection and Response (EDR), Identity Threat Detection and Response (ITDR), Security Information and Event Management (SIEM) og opplæring i sikkerhetsbevissthet med et 24/7 AI‑sentrert Security Operations Center (SOC) bemannet av menneskelige sikkerhetseksperter. Huntress oppgir at teknologien deres i dag beskytter mer enn 5 millioner endepunkter og 15 millioner identiteter hos over 277 000 virksomheter, og teamet håndterer trusseldeteksjon, etterforskning, respons og utbedring på vegne av kundene.

Du startet karrieren i helpdesk og systemadministrasjon før du gikk videre til teknisk kontoadministrasjon og til slutt inn i ledelse av cybersikkerhetsrådgivning hos Huntress. Hvordan har denne praktiske IT‑bakgrunnen påvirket måten du tenker på sikkerhet i dag, spesielt når de samme verktøyene administratorer er avhengige av også kan bli en angripers inngangspunkt?

Jeg er evig takknemlig for min IT‑bakgrunn hver eneste dag nå som jeg er på den dedikerte cyber‑siden av virksomheten. Den gir meg et praktisk perspektiv. Når du vet hvordan operativsystemer, applikasjoner og systemprosesser oppfører seg når alt fungerer normalt, fremstår avvik og trusler tydelig. Min tid i IT har også utviklet en feilsøkings‑ og rotårsaksanalyse‑mentalitet. Du lærer raskt at du må følge tråden for å sikre at du fullt ut kartlegger et problem eller en trussel.

Jeg husker at jeg i stor grad stolte på de samme verktøyene, som RMM‑er, som i dag misbrukes av trusselaktører. Etter å ha distribuert dem selv, setter jeg fullt pris på hvor kraftige de er i både en IT‑admins og en angripers hender. Siden RMM‑er finnes overalt, legger det press på sikkerhetsteamene til å se på all aktivitet rundt deres utførelse. Å ha en RMM kjørende på en maskin er ikke i seg selv ondt. Men hvis den RMM‑en plutselig begynner å slippe inn ekstra verktøy eller starte ukjente skript, tvinger det forsvarerne til å slutte å stole på lister over pålitelig programvare og i stedet fokusere helt på å observere atferd.

AI blir ofte diskutert innen cybersikkerhet i sammenheng med sofistikerte autonome angripere, men hvor mye av AI‑s umiddelbare påvirkning er egentlig bare at vanlige cyberkriminelle blir raskere og mer kapable? Er vi på vei mot et punkt der relativt lavkompetente angripere kan gjennomføre kampanjer som tidligere krevde mye dypere teknisk ekspertise?

Det er mye panikk akkurat nå rundt autonome AI‑hakkingsystemer, men virkeligheten på bakken er at dette ikke er ny håndverk. Disse modellene bryter ikke inn i nettverk med høyt sofistikerte teknikker. De gjør akkurat det menneskelige script‑kiddies har gjort i årevis ved å skanne etter internett‑eksponerte, uoppdaterte og feilkonfigurerte ressurser. Det får overskrifter fordi uttrykket «autonomous AI» høres skummelt eller sexy ut, avhengig av hvem du spør, men de faktiske mekanismene bak disse angrepene er grunnleggende.

Det egentlige problemet vi står overfor er at AI senker inngangsbarrieren for cyberkriminelle. Angripere kan automatisere de tidkrevende delene av et utnyttelsesprogram og skalere sine operasjoner uten å måtte ha dyp teknisk ekspertise. Det gjør det mulig for lavkompetente angripere å gjennomføre kampanjer mye raskere, noe som legger stort press på virksomheter. Du kan ikke lenger installere et sikkerhetsverktøy og glemme det. Organisasjoner må forvente at nettverkene deres kontinuerlig blir sondret.

Huntress har observert angripere som bruker LLM‑genererte infostealer‑skript under RMM‑inntrengninger. Hva forteller dette oss om hvordan generativ AI endrer økonomien og tilgjengeligheten til nettkriminalitet?

Det viser at generativ AI effektiviserer den operative belastningen ved nettkriminalitet. Å skrive et infostealer‑skript er ikke ny teknisk oppgave, men det har tradisjonelt krevd mye utviklertid eller kjøp av spesialiserte verktøy fra et undergrunnsforum. Ved å bruke en LLM inne i et offers nettverk kan angripere generere funksjonelle, tilpassede skript på forespørsel i stedet for å stole på forhåndsbygget skadelig programvare.

Selv om tilgang til disse modellene fortsatt medfører noen kostnader, er terskelen for å komme i gang lavere enn noensinne. Vi ser ofte gjennomsnittlige angripere utnytte disse verktøyene for å jobbe raskere og eliminere manuelle kodeoppgaver. Det endrer grunnleggende økonomien i et angrep ved å gjøre utførelsesfasen svært tilgjengelig, slik at mindre erfarne aktører kan skalere operasjonene sine uten å trenge dyp teknisk ekspertise.

Huntress rapporterte en 277% år‑over‑år økning i misbruk av verktøy for fjernovervåking og -administrasjon. Hvorfor har legitime RMM‑plattformer blitt et så attraktivt alternativ til skreddersydd skadelig programvare, og hvilke fordeler gir de angripere når de får tilgang?

Det er ingenting iboende ondt med RMM‑verktøy. De har en viktig funksjon, ved å hjelpe IT‑administratorer og MSP‑er med å jobbe effektivt og støtte brukere. Problemet er at skreddersydd skadelig programvare blir flagget av tradisjonell antivirusprogramvare, mens RMM‑er er signert, pålitelige og omgår standard sikkerhetskontroller. Enda bedre for en angriper er at RMM‑agenter naturlig kjører med forhøyede admin‑privilegier og gir innebygd vedvarende tilgang, noe som betyr at de forblir aktive over systemomstarter uten at ekstra innsats kreves for å opprettholde tilgang.

Når en angriper får sin egen RMM‑agent til å kjøre på en måldatamaskin, har de i praksis en fjernkontrollkonsoll. De kan overføre filer frem og tilbake sømløst, og de setter ofte opp RMM‑instansen på forhånd med ondsinnede skript og verktøy klare til å kjøres på tvers av endepunkter med ett enkelt klikk. Siden selve applikasjonen er legitim, kan forsvarere ikke bare blokkere verktøyet. Det tvinger sikkerhetsteam til å slutte å stole på lister over pålitelig programvare og i stedet fokusere på å observere atferd, noe som gjør 24/7‑overvåking avgjørende hvis man vil fange en angriper som misbruker administrativ programvare.

Ett teknikk Huntress har dokumentert er at angripere «daisy‑chaining» flere RMM‑verktøy for å fragmentere telemetri og skape redundante tilganger. Kan du gå gjennom hvordan en inntrenging som dette vanligvis utvikler seg, og hvorfor det kan være så vanskelig for forsvarere å gjenkjenne hva som skjer?

Her er et spesielt interessant eksempel vi oppdaget og skrev en blogg om. Inntrengingen startet med en phishing‑e‑post som brukte et falskt forretningsdokument som lokkemiddel, for eksempel en “Network Solutions Agreement”. Offeret klikket på lenken i e‑posten, havnet på en side beskyttet av en falsk CAPTCHA, og lastet ned det de trodde var en standard PDF‑ eller tjenestedokument. I virkeligheten var nedlastingen en kjørbar installasjonsfil. Da brukeren dobbeltklikket på filen for å åpne avtalen, installerte de stille et legitimt, men uautorisert, fjernstyringsverktøy kalt Tiflux RMM.

Da trusselaktøren fikk den første Tiflux‑agenten i gang, brukte de umiddelbart dens innebygde funksjoner til å distribuere og sideloade ekstra verktøy som Splashtop, ScreenConnect og UltraVNC på nøyaktig samme maskin. Det er viktig å merke seg at disse også er legitime RMM‑verktøy.

Angripere gjør dette for å etablere super‑vedvarende tilgang. De vet at hvis en IT‑admin oppdager ett uautorisert fjernverktøy og avinstallerer det, har angriperen fortsatt to eller tre andre aktive bakdører som venter. Denne taktikken fragmenterer telemetrien. Sikkerhetsplattformer ser bare separate, signerte administrative applikasjoner som kjører samtidig og kontakter legitime leverandørinfrastrukturer. Med mindre en forsvarer aktivt overvåker aktiviteten og spør hvorfor ett enkelt endepunkt plutselig trenger flere ulike fjernstyringsagenter installert samme ettermiddag, smelter det bare inn i støyen fra rutinemessig IT‑vedlikehold.

Utover 24/7‑atferdsmonitorering er en annen effektiv kontroll her Endpoint Security Posture Management og applikasjonskontroll. Hvis en organisasjon eksplisitt definerer hvilke spesifikke varianter av RMM‑er som er autorisert å kjøre på deres maskiner, kan de hindre uautoriserte verktøy fra å kjøre i det hele tatt, og stoppe daisy‑chainen før den starter.

Tradisjonelle sikkerhetsmodeller skiller ofte mellom pålitelig og upålitelig programvare, men RMM‑angrep utnytter verktøy som kan være legitime, signerte og allerede godkjente av IT. Betyr dette at forsvarere må gå bort fra å spørre om en applikasjon er pålitelig, og i stedet fokusere på om dens atferd er pålitelig?

Ja, absolutt. Den tradisjonelle modellen for binær tillit er brutt. Binærsignering ble designet for å verifisere at en applikasjon kom fra en legitim leverandør, ikke for å garantere at handlingene er trygge.

Hvis en angriper bruker en signert RMM‑binær eller et living‑off‑the‑land‑verktøy, er selve den kjørbare filen ren, men aktiviteten bak den er ondsinnet. Forsvarere må gå forbi spørsmålet “Er denne filen pålitelig?” og begynne å fokusere på om atferden gir mening i konteksten. Å ha en RMM som kjører på en maskin er ikke iboende ondt. Men hvis verktøyet plutselig begynner å slippe inn ekstra verktøy, starte ukjente skript, eller kjøre klokken 02.00 under en tjenestekonto, er det en indikasjon på kompromittering. Kontekst og atferd har alltid vært viktig, men når angripere i så stor grad stoler på pålitelig programvare, er de nå viktigere enn noen gang.

Etter hvert som AI komprimerer tiden mellom å oppdage en sårbarhet eller konfigurasjonsgap og å utnytte den, hvordan endrer det rollen til sikkerhets‑postur‑styring? Hvilke svakheter knyttet til identitet, endepunkter og fjern‑tilgang bør organisasjoner prioritere før angripere får muligheten til å utnytte dem?

Sikkerhetsposisjonsstyring er viktigere enn noen gang fordi den hjelper organisasjoner med proaktivt å lukke de vanlige sikkerhetshullene angripere utnytter hver dag. Den supplerer deteksjon og respons ved kontinuerlig å identifisere og adressere problemer som feilkonfigurasjoner, overdrevne tillatelser, uautoriserte applikasjoner og andre svakheter på tvers av endepunkter og identiteter. Når tidsvinduet mellom sårbarhetsavsløring og automatisert skanning krymper til timer, blir det avgjørende å redusere disse hullene før de kan utnyttes. Organisasjoner må opprettholde en konsistent, forsterket posisjon på tvers av miljøer for å redusere antall hendelser de opplever og begrense hva en angriper kan nå dersom de kommer seg inn.

Mens nesten alle cybersikkerhetsleverandører gjerne “opplærer” (eller skremmer) publikum om hvilken trussel eller sikkerhetsdomene de selger løsninger for, er den faktiske prioriteringslisten noe kun hver enkelt organisasjon kan svare på. Hver virksomhet verdsetter ulike komponenter av CIA-triaden, og hvert selskap har sensitiv data lagret eller tilgjengelig på forskjellige steder. Det virkelige rådet de fleste bedrifter trenger å høre er å vurdere hvilke data, eiendeler eller produksjonssystemer som er mest kritiske for driften, og deretter arbeide bakover derfra for å beskytte det som betyr mest.

Det er økende bekymring for at AI‑agenter etter hvert vil utføre betydelige deler av angrepslivssyklusen autonomt. Hvilke evner må forbedres før autonome cyberangrep blir merkbart farligere enn dagens AI‑assisterte angrep, og forbereder forsvarerne seg raskt nok?

Bekymringen for autonome agenter antyder at dette er et fremtidig problem, men vi ser allerede at de utfører angrep i dag. Disse autonome angrepene er imidlertid langt fra perfekte. Se på den nylige JadePuffer‑løsepengevirus‑kampanjen. Den ble drevet helt av en AI‑agent, men den gjorde åpenbare feil. Modellen hallusinerte deler av operasjonen, inkludert å lage en falsk Bitcoin‑lommebokadresse for løsepåminnelsen. Enda mer latterlig var at AI‑en glemte å lagre eller overføre krypteringsnøkkelen. Den skrev bare den tilfeldig genererte nøkkelen til en midlertidig konsollutskrift og lukket økten, noe som gjorde det matematisk umulig for offeret å gjenopprette dataene selv om de betalte.

Den jordnære realiteten er at fra et taktikk‑, teknikk‑ og prosedyreperspektiv gjør autonome AI, automatiserte skript og menneskelige angripere nøyaktig det samme. De utnytter fortsatt de samme typer internett‑eksponerte, sårbare og feilkonfigurerte eiendeler. AI må fortsatt gå gjennom den vanlige kill‑chainen. Den må fortsatt oppnå første tilgang, heve tillatelser, bevege seg lateralt og kjøre sin nyttelast. I JadePuffer‑tilfellet brukte den bare en kjent, uoppdatert sårbarhet for å komme seg inn, og snublet seg så gjennom nettverket.

Fordi de grunnleggende mekanismene i angrepet ikke har endret seg, trenger ikke forsvarerne kaste ut sin nåværende spillbok. Du trenger fortsatt lagdelt sikkerhet, grunnleggende IT‑hygiene og sterk atferdsdeteksjon. Det som endrer seg er presset og hastigheten forsvarerne må behandle hendelser og triagere varsler med. Når en AI‑agent gjør en feil, leser feilloggen og korrigerer seg selv på sekunder for å fortsette, må forsvarerne bare tilpasse seg den raske hastigheten cyberangrep nå beveger seg med.

Angripere tar i bruk AI, men forsvarere har tilgang til mange av de samme teknologiene. Hvor ser du at AI gir den største defensive fordelen: oppdage unormal atferd, analysere telemetri, prioritere sårbarheter, automatisere respons, eller noe helt annet?

For det første er det svært effektivt for blå‑team‑korrelasjon. Sikkerhetsteam har ikke et dataproblem; de har et støyproblem. AI er utrolig nyttig for å trekke nålene ut av høystakken, samle disparate, tilsynelatende urelaterte hendelser og sette dem sammen for å fortelle hele historien om et innbrudd.

For det andre gjør AI for forsvarere akkurat det den gjør for angripere ved å bygge bro over kompetansegapet. Når en junior SOC‑analytiker står overfor et sterkt obfusert skript eller et komplekst varsel, kan de bruke en LLM til umiddelbart å oversette dataene til klartekst. Det fjerner det manuelle slitet med reversering og gjør at forsvarerne kan triagere og svare mye raskere.

Til slutt, når vi ser utover reaktivt forsvar, finnes det en enorm mulighet for røde og lilla team til å bruke AI til proaktivt å teste og validere forsvar. Fullt omfangsrike, menneskestyrte penetrasjonstester er fortsatt et absolutt must. Men AI senker den tekniske terskelen for å kjøre mindre, atomære tester for å validere ulike lag i en sikkerhetsstabel. I stedet for å vente på en årlig pen‑test eller krysse fingrene når en ekte organisk trussel dukker opp, kan organisasjoner bruke AI til trygt og hyppig å teste sine egne miljøer for å se hva som faktisk bryter.

Ser du for deg at cybersikkerhetsbransjen vil gå inn i et miljø der både angripere og forsvarere i økende grad opererer gjennom autonome agenter? I så fall, hva vil til slutt avgjøre hvem som har overtaket når maskiner på begge sider kan identifisere og reagere på trusler med maskinhastighet?

AI ryster definitivt den underjordiske økonomien. Markedet på darknet for cybercrime-as-a-service har blomstret ved å selge malware og skript fordi de tradisjonelt krevde spesialiserte utviklerferdigheter for å lage dem. AI endrer tilgjengeligheten og økonomien i dette økosystemet ved å la lavere kvalifiserte operatører generere sine egne verktøy på forespørsel. Det vil sannsynligvis stenge døren for mange eldre, standard malware‑leverandører. Hvorfor skulle en trusselaktør betale for generisk standard malware på et undergrunnsforum når de enkelt kan be en LLM om å generere tilpasset verktøy på forespørsel?

Når begge sider er bevæpnet med AI, kommer fordelen ned til infrastruktur, finjustering og tilsyn. Det blir en kamp om hvem som har budsjettet for beregning (hvem som har flere tokens å brenne) og hvem som har den best finjusterte modellen. For trusselaktører er testen om deres AI kan iterativt feilsøke, lese feillogger og pivotere riktig når et exploit mislykkes. For forsvarere er testen om dine detektorer faktisk er finjusterte og om dine datapipelines er riktig koblet til å levere riktig telemetri til AI i sanntid. Men viktigst er det om du har menneskelige eksperter med forretningskontekst i løkken som kan ta de kritiske vurderingsbeslutningene, som å lese AI‑ens tolkning av en hendelse og bestemme om en kompromittert maskin skal isoleres eller om et produksjonssystem skal tas offline for å inneholde en trussel.

Til syvende og sist endrer ikke AI sikkerhetens grunnprinsipper. De virksomhetene som vil klare seg best er de som fortsetter å få de små tingene riktig. Det handler om å redusere angrepsflaten, patche sårbarheter, styrke konfigurasjoner, overvåke 24/7, anta kompromittering og proaktivt teste forsvarene regelmessig. AI er bare en akselerator. Den som utfører grunnleggende oppgaver raskere og mer konsistent, er den som vinner.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Huntress.