Alon Noy, dyrektor generalny i współzałożyciel Astelia — cykl wywiadów

Alon Noy, dyrektor generalny i współzałożyciel Astelia, jest cenionym specjalistą ds. cyberbezpieczeństwa z ponad 15-letnim doświadczeniem w bezpieczeństwie ofensywnym i defensywnym. Służył w izraelskiej jednostce 8200, a następnie kierował izraelskim krajowym zespołem red team ds. cyberbezpieczeństwa. Do jego zadań należało testowanie odporności infrastruktury krytycznej oraz współpraca z zespołami ds. bezpieczeństwa przy identyfikowaniu rzeczywistych ścieżek ataku i przeciwdziałaniu im. Noy zarządzał również dużymi organizacjami badawczo-rozwojowymi, ukończył izraelski program Talpiot i uzyskał tytuł magistra informatyki na Uniwersytecie w Tel Awiwie. Jego doświadczenie zdobyte zarówno z perspektywy atakującego, jak i obrońcy pomogło ukształtować podejście Astelia, które koncentruje się na ustalaniu, które luki w zabezpieczeniach są rzeczywiście osiągalne i możliwe do wykorzystania w środowisku danej organizacji.

Astelia to firma z branży cyberbezpieczeństwa, od podstaw oparta na AI, która koncentruje się na zarządzaniu ekspozycją i lukami w zabezpieczeniach. Założona przez weteranów i byłych szefów izraelskiego krajowego zespołu red team firma wykorzystuje AI oraz analizę uwzględniającą specyfikę sieci, by ustalać, które luki tworzą rzeczywiste ścieżki ataku, zamiast opierać się głównie na ogólnych ocenach poziomu zagrożenia. Jej platforma odwzorowuje środowisko organizacji za pomocą integracji zapewniających wyłącznie dostęp do odczytu, analizuje wymagania dotyczące wykorzystania luk w kontekście topologii sieci oraz pomaga zespołom ds. bezpieczeństwa ustalać priorytety wśród luk, do których można rzeczywiście uzyskać dostęp. Wskazuje też możliwości ich usunięcia lub ograniczenia, takie jak instalowanie poprawek, zmiana konfiguracji, segmentacja czy stosowanie zabezpieczeń kompensacyjnych. Szerszym celem firmy jest pomoc przedsiębiorstwom w ograniczeniu liczby alertów o lukach, które muszą analizować, oraz skupieniu zasobów na tych ekspozycjach, które atakujący mogliby realnie wykorzystać.

Zanim założyłeś Astelia, przez ponad dekadę pracowałeś w izraelskim sektorze bezpieczeństwa narodowego, między innymi w jednostce 8200 oraz jako szef izraelskiego krajowego zespołu red team ds. cyberbezpieczeństwa. Twoim zadaniem było myśleć i działać jak atakujący. Czego te doświadczenia nauczyły cię o tym, jak w rzeczywistości przebiegają zaawansowane ataki? Jaka luka na rynku cyberbezpieczeństwa skłoniła cię ostatecznie do współzałożenia Astelia?

Przez ponad dekadę moja praca polegała w zasadzie na tym, by myśleć jak ktoś, kto próbuje się włamać, a nie jak ktoś, kto próbuje mu w tym przeszkodzić. Najważniejsza lekcja z tego doświadczenia jest taka, że zaawansowane ataki niemal nigdy nie polegają na jednej spektakularnej luce w zabezpieczeniach. Zazwyczaj składają się z dwóch lub trzech drobnych problemów, które z osobna wydawały się nieistotne: konta, którego nigdy nie dezaktywowano; części sieci, która miała być odizolowana, ale nie była; uprawnienia szerszego, niż było to konieczne; i tym podobnych. Gdy kierowałem krajowym zespołem red team, znacznie więcej czasu poświęcaliśmy na zrozumienie, jak naprawdę działa sieć celu, niż na tworzenie samego exploita. Kiedy już wiadomo, którędy prowadzą ścieżki, ich wykorzystanie jest niemal najłatwiejszą częścią zadania. Po przejściu na stronę obrony zacząłem dostrzegać pewien schemat. Istniała długa lista luk określanych jako „krytyczne”, ale brakowało skutecznego sposobu, by ustalić, do których z nich atakujący mogliby rzeczywiście uzyskać dostęp. Astelia powstała, by zlikwidować tę lukę: wykorzystać analizę osiągalności — proces, którym posługują się atakujący, by znaleźć drogę do sieci — i zastosować ją w pracy obrońców.

Astelia podchodzi do zarządzania lukami w zabezpieczeniach inaczej: odwzorowuje rzeczywistą topologię sieci organizacji i wykorzystuje agentową AI, aby ustalić, do których luk można rzeczywiście uzyskać dostęp i które da się wykorzystać. Jak to wygląda w praktyce i dlaczego uważasz, że tradycyjne metody oceny luk często prowadzą obrońców do błędnego ustalania priorytetów?

Za pomocą integracji zapewniających wyłącznie dostęp do odczytu odwzorowujemy rzeczywistą sieć organizacji: to, jak systemy są faktycznie ze sobą połączone, oraz miejsca, w których istniejące zabezpieczenia sieciowe już utrudniają działania atakującego. Gdy mamy już taki obraz, AI analizuje każdą lukę i ustala, co faktycznie byłoby potrzebne, by ją wykorzystać, na przykład jakie uprawnienia byłyby wymagane, jaką drogę należałoby pokonać w sieci i jakie warunki musiałyby być spełnione. Następnie sprawdza te ustalenia w odniesieniu do rzeczywistej topologii i istniejących zabezpieczeń. Spośród wszystkich luk wskazanych przez skaner zazwyczaj mniej niż 1% okazuje się rzeczywiście osiągalnych. CVSS i EPSS mają ten sam zasadniczy problem: oceniają lukę tak, jakby każda sieć wyglądała tak samo, jakby system był bezpośrednio wystawiony na otwarty internet albo jakby ogólnobranżowe trendy dotyczące wykorzystywania luk mówiły cokolwiek o konkretnym środowisku danej organizacji. W większości środowisk żadne z tych założeń nie jest prawdziwe. Błąd o krytycznej ocenie, ukryty trzy przeskoki za segmentowaną siecią, nie stanowi takiego samego zagrożenia jak błąd w serwerze dostępnym z internetu. Podobnie luka z wysokim wynikiem EPSS w skali całej branży może w ogóle być nieosiągalna w danej sieci. Oceny te są niezmienne i nie odzwierciedlają stanu konkretnej sieci w czasie. Osiągalność stale się zmienia, ponieważ zmieniają się sieci i chroniące je zabezpieczenia.

Twierdzisz, że wiele zagrożeń, którymi przejmują się obrońcy, nie ma związku z tym, jak działają prawdziwi atakujący. Z twojego doświadczenia w przeprowadzaniu autoryzowanych ataków na wysoce zabezpieczone środowiska — co zespoły ds. bezpieczeństwa najczęściej błędnie rozumieją w kwestii tego, jak atakujący wyszukują słabe punkty i łączą je w łańcuch?

Panuje powszechne przekonanie, że atakujący biorą na cel to, co oceniono jako najbardziej niebezpieczne. W praktyce rzadko tak postępujemy. Wybieramy to, co najszybciej przybliży nas do celu, a często jest to coś, co skaner ocenił jako średnio lub mało niebezpieczne: udział sieciowy z niewłaściwie ustawionymi uprawnieniami, dane logowania pozostałe po projekcie, który rzekomo zamknięto, czy niewielki przyczółek, który stał się groźny dopiero po połączeniu z czymś, co nikomu nie wydawało się powiązane. Skanery oceniają każde wykryte zagrożenie osobno. Ataki tak nie wyglądają — atakujący zawsze analizuje, jak poszczególne elementy się ze sobą łączą. Coś, co samo w sobie wydaje się nieszkodliwe, może być właśnie tym, czego atakujący potrzebuje, by przejść od konta o niskich uprawnieniach do pełnej kontroli. Większość obrońców wciąż ocenia ryzyko po jednym wykrytym zagrożeniu naraz i dlatego przeocza ścieżki, które naprawdę mają znaczenie.

AI radykalnie skraca czas i ogranicza poziom wiedzy specjalistycznej potrzebne do przekształcenia nowo ujawnionych luk w działające exploity. Jak zmienia to ekonomię cyberataków i którzy napastnicy mogą najwięcej zyskać dzięki coraz bardziej zaawansowanym modelom AI?

Największym kosztem tworzenia exploita była dotąd wiedza specjalistyczna: znalezienie błędu, ustalenie, jak dokładnie go wykorzystać, i zapewnienie, że exploit będzie działał niezawodnie. To, co zespołowi ekspertów często zajmowało miesiące, zwykły napastnik mający dostęp do najnowocześniejszych modeli może dziś zrobić w kilka godzin. To rzeczywista zmiana ekonomicznych uwarunkowań. Wykorzystanie nowego CVE do przeprowadzenia ataku wymagało kiedyś znacznych nakładów; teraz niemal ich nie wymaga, a czas między ujawnieniem luki a powstaniem działającego exploita stale się skraca. Większość cykli aktualizacji zabezpieczeń nigdy nie była projektowana z myślą o takim tempie. Najwięcej zyskują na tym nie najpotężniejsi aktorzy państwowi, którzy już wcześniej dysponowali silnymi zdolnościami ofensywnymi. Zyskują mniejsze grupy i przestępcy działający z okazji, którzy nie mieli takiej wiedzy specjalistycznej we własnych szeregach — AI w praktyce im ją zapewnia.

Inicjatywa GOLD EAGLE Białego Domu opiera się na ściślejszej współpracy rządu, firm technologicznych i operatorów infrastruktury krytycznej, a najnowocześniejsze modele AI mają służyć do szybszego wykrywania i usuwania luk w zabezpieczeniach. Jak ten model sprawdza się z perspektywy atakującego, a w czym może się okazać niewystarczający?

GOLD EAGLE trafnie wskazuje, ile czasu marnuje się na powielanie działań: różne organizacje niezależnie skanują systemy i analizują tę samą ujawnioną lukę, zanim ktokolwiek podejmie konkretne działania. Scentralizowanie tych działań i wykorzystanie AI do przyspieszenia koordynacji między instytucjami rządowymi a operatorami infrastruktury rzeczywiście skraca czas, jakim dysponuje atakujący, a z jego perspektywy właśnie to ma największe znaczenie. W tej grze liczy się przede wszystkim szybkość. Moim zdaniem słabością tego podejścia jest to, że koordynacja w całej branży nie pozwala żadnej pojedynczej firmie ustalić, czy daną lukę można wykorzystać w jej własnej sieci. Organizacja może mieć dostęp do dobrze uporządkowanego według priorytetów źródła informacji o zagrożeniach, a mimo to nie wiedzieć, czy dotyczą one jej samej. Ostatni krok — sprawdzenie tego w odniesieniu do własnej topologii sieci — nadal pozostaje obowiązkiem każdej organizacji.

Ponad 100 organizacji z branży technologicznej, cyberbezpieczeństwa, finansów i infrastruktury ostrzegło, że może pozostać niewiele czasu na wzmocnienie zabezpieczeń, zanim ataki wspomagane przez AI staną się znacznie powszechniejsze. Czy podzielasz to poczucie pilności i co organizacje powinny realnie osiągnąć w tym „oknie dla obrońców”?

Podzielam to poczucie pilności, choć nieco inaczej ująłbym jego przyczynę. Ataki wspomagane przez AI nie są zagrożeniem przyszłości — czas między ujawnieniem luki a powstaniem działającego exploita już teraz skraca się szybciej, niż większość organizacji jest w stanie instalować poprawki. Próba wygrania tego wyścigu wyłącznie dzięki szybszemu instalowaniu poprawek nie jest realistyczna. Realne jest natomiast wykorzystanie tego okresu na poznanie własnego środowiska. Oznacza to ustalenie rzeczywistej topologii sieci, określenie, które luki faktycznie można wykorzystać, i skoncentrowanie działań na tej mniejszej grupie zamiast rozpraszania ich na tysiące teoretycznych zagrożeń. Warto też wykorzystać ten czas na opracowanie innych sposobów usuwania zagrożeń niż instalowanie poprawek, takich jak segmentacja czy zmiany konfiguracji, ponieważ samo tempo instalowania poprawek nie wystarczy, by nadążyć za przyspieszonym przez AI tworzeniem exploitów.

Wspólna obrona cybernetyczna w dużej mierze zależy od tego, czy organizacje dzielą się informacjami o lukach i zagrożeniach. Co musi się zmienić pod względem technicznym lub kulturowym, aby rządy i firmy prywatne mogły dostatecznie szybko dzielić się przydatnymi informacjami, nie stwarzając przy tym nowych zagrożeń dla bezpieczeństwa?

Wyzwanie techniczne łatwiej rozwiązać. Trudniejszym problemem jest zaufanie. Żadna organizacja nie chce ujawniać słabości we własnym środowisku i ryzykować, że zostanie ona powiązana z tą organizacją, zwłaszcza jeśli później pojawi się w raporcie o naruszeniu bezpieczeństwa. Sprawdza się udostępnianie przydatnych, ale niepozwalających zidentyfikować źródła informacji — wzorca pokazującego, jak można wykorzystać daną lukę, zamiast opisu na tyle szczegółowego, by wskazywał konkretną firmę. Wymaga to lepszej infrastruktury: danych o zagrożeniach w formacie możliwym do odczytu maszynowego, przesyłanych zautomatyzowanymi kanałami zamiast w plikach PDF i na listach mailingowych. Infrastruktura nigdy jednak nie była prawdziwą przeszkodą. Problem polega na tym, że większość organizacji wciąż postrzega dzielenie się informacjami jako ryzyko prawne, a nie coś, co je chroni. Neutralny, godny zaufania pośrednik jest jednym z rozwiązań, które ma zapewnić GOLD EAGLE, i może w znacznym stopniu przyczynić się do zmiany tego stanu rzeczy.

Astelia podkreśla znaczenie „osiągalności”, a nie tylko poziomu zagrożenia czy istnienia znanego exploita. W miarę jak AI przyspiesza tworzenie exploitów i sprawia, że mogą one stać się powszechniejsze, czy osiągalność staje się ważniejszą miarą ryzyka? Jak CISO powinni na nowo przemyśleć priorytetyzację podatności w tym ujęciu?

Osiągalność nie tylko zyskuje na znaczeniu — staje się miarą, która faktycznie rozstrzyga. Poziom zagrożenia zawsze był jedynie przybliżeniem tego, jak poważne szkody może coś wyrządzić; osiągalność pozwala ustalić, czy daną podatność można wykorzystać w danym środowisku tu i teraz. Obrońcy zakładali kiedyś, że większość podatności o niskim poziomie zagrożenia może pozostawać niezałatana przez miesiące, bo nikt raczej nie wykorzysta jej w ataku. To założenie przestaje być słuszne, gdy tworzenie exploitów staje się szybkie i tanie. Trzeba odejść od zaległości uporządkowanych według poziomu zagrożenia na rzecz eliminowania tych luk, do których można rzeczywiście dotrzeć. O tym, które nieliczne podatności mają znaczenie, a które nie, decyduje to, czy napastnik może do nich dotrzeć w rzeczywistej sieci danej organizacji. CISO powinni domagać się dowodów osiągalności, a nie kolejnej oceny dodanej do wyniku CVSS.

Astelia wykorzystuje też agentów AI na różnych etapach cyklu życia podatności — od wykrywania nowych zagrożeń po koordynowanie działań naprawczych. Jak dużą autonomię powinny ostatecznie mieć agenty cyberbezpieczeństwa, gdy są w stanie wprowadzać zmiany w środowiskach produkcyjnych, i w których obszarach człowiek powinien bezwzględnie zachować kontrolę?

Agenty powinny mieć rzeczywistą autonomię w zakresie analizy: mapowania sieci, ustalania warunków wykorzystania luk, korelowania informacji o nowo ujawnionych podatnościach i wskazywania tego, do czego można dotrzeć. Właśnie tu szybkość ma największe znaczenie, a błąd oznacza jedynie błędną rekomendację, którą wychwyci człowiek. Wyraźnie sprzeciwiam się wprowadzaniu bez nadzoru zmian w środowisku produkcyjnym. Bez danych o osiągalności w sieci agent wdrażający poprawkę działa na ślepo, a błędna reguła zapory sieciowej lub zmiana segmentacji mogą wyrządzić więcej szkód niż podatność, którą miały usunąć. Właśnie dlatego większość tego, co reklamuje się dziś jako „autonomiczne usuwanie podatności”, w rzeczywistości sprowadza się do automatycznego tworzenia zgłoszeń. Przedsiębiorstwa chcą, by człowiek zatwierdzał takie zmiany, zwłaszcza że poprawka nie zawsze jest dostępna. Właściwy model zakłada, że agenty proponują poparte dowodami rozwiązania, a człowiek je zatwierdza, zanim cokolwiek zostanie zmienione w środowisku produkcyjnym. Zakres autonomii będzie się zwiększał wraz z dojrzewaniem danych o osiągalności i wzrostem zaufania do węższych kategorii zmian, które zostały dobrze przetestowane, ale od samodzielnego działania w środowisku produkcyjnym bym nie zaczynał.

Patrząc w przyszłość, gdy zarówno napastnicy, jak i obrońcy zyskują dostęp do coraz bardziej zaawansowanych autonomicznych systemów AI, jak — Pańskim zdaniem — zmieni się równowaga między ofensywnym a defensywnym cyberbezpieczeństwem? Co będzie odróżniać organizacje przygotowane na ten kolejny etap od tych, które nie są na niego gotowe?

Napastnicy mają początkową przewagę dzięki AI, ponieważ potrzebują tylko jednej skutecznej drogi ataku, a AI dobrze nadaje się do szybkiego jej znalezienia: przyspiesza rozpoznanie, opracowywanie exploitów, a treści phishingowe stają się bardziej przekonujące. Obrońcy nie zlikwidują tej przewagi, używając AI do szybszego wykonywania tych samych działań. Zlikwidują ją, wykorzystując AI do wykrywania i usuwania podatności, do których można rzeczywiście dotrzeć w ich własnej sieci, z uwzględnieniem specyfiki ich środowiska, zamiast zarządzać ryzykiem na podstawie ogólnych, branżowych danych o zagrożeniach. O tym, które organizacje są przygotowane, zadecyduje to, czy zmieniły podejście, zanim zostały do tego zmuszone, oraz czy potrafią wskazać na podstawie dowodów, które z ich podatności można rzeczywiście wykorzystać w ich środowisku, zamiast liczyć na to, że nadążą z harmonogramem instalowania poprawek. Organizacje, które nadal zarządzają ryzykiem w oderwaniu od własnego kontekstu, będą zaskakiwane przez coś, co ich własny skaner rok wcześniej uznał za mało istotne.

Dziękujemy za ciekawy wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, mogą odwiedzić stronę Astelia.