Ben Bernstein, Manager doradców ds. cyberbezpieczeństwa w Huntress – seria wywiadów

Ben Bernstein, Manager doradców ds. cyberbezpieczeństwa w Huntress, jest specjalistą ds. cyberbezpieczeństwa z ponad dziesięcioletnim doświadczeniem obejmującym wsparcie techniczne, administrację systemami, sukces klienta, zarządzanie kontami technicznymi oraz przywództwo w doradztwie bezpieczeństwa. Rozpoczął karierę w praktycznych rolach IT, awansując od pracy w helpdesku do administracji systemami, a następnie przechodząc do zarządzania kontami i sukcesu klienta w Integris. Bernstein spędził później trzy lata w Red Canary, gdzie zarządzał relacjami z klientami korporacyjnymi jako Technical Account Manager oraz Senior Enterprise Technical Account Manager. Od dołączenia do Huntress w 2024 roku jako założycielski Technical Account Manager, awansował w kierownictwie zarządzania kontami technicznymi i obecnie kieruje doradcami ds. cyberbezpieczeństwa firmy, wykorzystując połączenie wiedzy technicznej i doświadczenia w kontaktach z klientami, aby pomóc organizacjom lepiej rozumieć i reagować na rozwijające się zagrożenia cybernetyczne.

Huntress to firma zajmująca się cyberbezpieczeństwem, oferująca w pełni zarządzaną platformę zabezpieczeń zaprojektowaną do ochrony organizacji w zakresie punktów końcowych, tożsamości, logów i użytkowników. Jej platforma łączy technologie, w tym Managed Endpoint Detection and Response (EDR), Identity Threat Detection and Response (ITDR), Security Information and Event Management (SIEM) oraz szkolenia z zakresu świadomości bezpieczeństwa, wspierane przez całodobowy, oparty na sztucznej inteligencji Security Operations Center (SOC) obsługiwany przez ludzkich ekspertów ds. bezpieczeństwa. Huntress podaje, że jej technologia obecnie chroni ponad 5 milionów punktów końcowych i 15 milionów tożsamości w ponad 277 000 firm, a zespół zajmuje się wykrywaniem zagrożeń, ich badaniem, reagowaniem i naprawą w imieniu klientów.

Zacząłeś swoją karierę w helpdesku i administracji systemami, a następnie przeszedłeś przez zarządzanie kontami technicznymi, by w końcu objąć przywództwo w doradztwie ds. cyberbezpieczeństwa w Huntress. W jaki sposób to praktyczne doświadczenie w IT ukształtowało Twoje dzisiejsze podejście do bezpieczeństwa, szczególnie gdy te same narzędzia, na których polegają administratorzy, mogą stać się punktem wejścia dla atakującego?

Jestem niezmiernie wdzięczny za moje doświadczenie w IT każdego dnia, odkąd pracuję po stronie cyberbezpieczeństwa. Daje mi to praktyczną perspektywę. Kiedy wiesz, jak zachowują się systemy operacyjne, aplikacje i procesy systemowe w normalnym działaniu, anomalie i zagrożenia naprawdę się wyróżniają. Mój czas w IT ukształtował także podejście do rozwiązywania problemów i analizy przyczyn źródłowych. Szybko uczysz się, że trzeba podążać za wątkiem, aby mieć pełny obraz problemu lub zagrożenia.

Pamiętam, że mocno polegałem na tych samych narzędziach, takich jak RMM, które dziś są wykorzystywane przez aktorów złośliwych. Mając je samodzielnie wdrożone, w pełni doceniam ich moc zarówno w rękach administratora IT, jak i atakującego. Ponieważ RMM są wszechobecne, wywiera to presję na zespoły bezpieczeństwa, aby przyglądały się całej aktywności otaczającej ich uruchomienie. To, że RMM działa na maszynie, nie jest z natury złe. Jednak jeśli ten RMM nagle zacznie zrzucać dodatkowe narzędzia lub uruchamiać nieznane skrypty, zmusza to obrońców do rezygnacji z polegania na listach zaufanego oprogramowania i skupienia się wyłącznie na obserwacji zachowań.

Sztuczna inteligencja jest często omawiana w kontekście cyberbezpieczeństwa pod kątem zaawansowanych, autonomicznych atakujących, ale w jakim stopniu jej natychmiastowy wpływ polega po prostu na przyspieszeniu i zwiększeniu zdolności zwykłych cyberprzestępców? Czy zbliżamy się do momentu, w którym stosunkowo niskokwalifikowani atakujący mogą prowadzić kampanie, które wcześniej wymagały znacznie głębszej wiedzy technicznej?

Obecnie panuje duży panika wokół autonomicznych systemów hakerskich opartych na AI, ale rzeczywistość jest taka, że nie jest to nowa sztuka. Modele te nie włamują się do sieci przy użyciu wysoce zaawansowanych technik. Robią dokładnie to, co od lat robią ludzkie tzw. script kiddies, skanując zasoby wystawione w Internecie, niezałatane i źle skonfigurowane. Przyciągają uwagę, ponieważ określenie \”autonomous AI\” brzmi przerażająco lub seksownie, w zależności od tego, kogo zapytasz, ale faktyczne mechanizmy tych ataków są proste.

Prawdziwym problemem, z którym się mierzymy, jest to, że AI obniża barierę wejścia dla cyberprzestępców. Atakujący mogą automatyzować żmudne części exploitu i skalować swoje działania bez potrzeby głębokiej wiedzy technicznej. Umożliwia to niskokwalifikowanym atakującym prowadzenie kampanii znacznie szybciej, co wywiera duży nacisk na firmy. Nie można już po prostu zainstalować narzędzia zabezpieczającego i o nim zapomnieć. Organizacje muszą zakładać, że ich sieci są nieustannie skanowane.

Huntress zaobserwowała, że atakujący używają skryptów infostealer generowanych przez LLM podczas intruzji RMM. Co to mówi nam o tym, jak generatywna AI zmienia ekonomię i dostępność cyberprzestępczości?

Pokazuje to, że generatywna AI usprawnia operacyjne koszty cyberprzestępczości. Tworzenie skryptu infostealer nie jest nowatorską pracą techniczną, ale tradycyjnie wymagało dużo czasu programistów lub zakupu specjalistycznych narzędzi na podziemnych forach. Korzystając z LLM wewnątrz sieci ofiary, atakujący mogą na żądanie generować funkcjonalne, niestandardowe skrypty, zamiast polegać na gotowym złośliwym oprogramowaniu.

Choć dostęp do tych modeli nadal wiąże się z pewnym kosztem, próg wejścia jest niższy niż kiedykolwiek. Często obserwujemy, że przeciętni atakujący wykorzystują te narzędzia, aby pracować szybciej i eliminować ręczne zadania programistyczne. Fundamentally zmienia to ekonomię ataku, czyniąc fazę wykonania wysoce dostępną, co pozwala mniej wykwalifikowanym sprawcom skalować swoje operacje bez potrzeby głębokiej wiedzy technicznej.

Huntress odnotowała 277% roczny wzrost nadużywania narzędzi do zdalnego monitorowania i zarządzania (RMM). Dlaczego legalne platformy RMM stały się tak atrakcyjną alternatywą dla własnego malware i jakie korzyści dają atakującym po uzyskaniu dostępu?

W narzędziach RMM nie ma nic z natury złego. Służą one ważnemu celowi, pomagając administratorom IT i dostawcom usług zarządzanych (MSP) pracować efektywnie i wspierać użytkowników. Problem polega na tym, że własne malware jest wykrywane przez tradycyjne oprogramowanie antywirusowe, podczas gdy RMM są podpisane, zaufane i omijają standardowe kontrole bezpieczeństwa. Co więcej, agenci RMM działają naturalnie z podwyższonymi uprawnieniami administratora i zapewniają wbudowaną trwałość, co oznacza, że pozostają aktywni po ponownym uruchomieniu systemu bez konieczności dodatkowego wysiłku w utrzymaniu dostępu.

Gdy atakujący uruchomi własnego agenta RMM na docelowej maszynie, ma w zasadzie zdalną konsolę sterowania. Może on płynnie przesyłać pliki w obie strony i często przygotowuje swoją instancję RMM z wyprzedzeniem, instalując złośliwe skrypty i narzędzia gotowe do uruchomienia na wielu punktach końcowych jednym kliknięciem. Ponieważ samo oprogramowanie jest legalne, obrońcy nie mogą po prostu zablokować narzędzia. Zmusza to zespoły bezpieczeństwa do rezygnacji z polegania na listach zaufanego oprogramowania i skupienia się na obserwacji zachowań, co czyni monitorowanie 24/7 niezbędnym, jeśli chce się wykryć atakującego nadużywającego oprogramowania administracyjnego.

Jedna z technik udokumentowanych przez Huntress polega na „łańcuchowaniu” kilku narzędzi RMM w celu rozproszenia telemetrii i stworzenia redundantnego dostępu. Czy możesz przeprowadzić nas przez typowy przebieg takiego włamania i wyjaśnić, dlaczego obrońcom tak trudno rozpoznać, co się dzieje?

Oto szczególnie interesujący przykład, który przechwyciliśmy i opisaliśmy w blog . Intruz rozpoczął atak od e‑maila phishingowego z fałszywą przynętą w postaci dokumentu biznesowego, takiego jak „Network Solutions Agreement”. Ofiara kliknęła link w wiadomości, trafiła na stronę zabezpieczoną fałszywym CAPTCHA i pobrała to, co wydawało się standardowym plikiem PDF lub dokumentem usługowym. W rzeczywistości pobrany plik był instalatorem wykonywalnym. Gdy użytkownik dwukrotnie kliknął plik, aby otworzyć umowę, w tle zainstalowano legalne, ale nieautoryzowane narzędzie zdalnego dostępu o nazwie Tiflux RMM.

Gdy aktor zagrożenia uruchomił początkowego agenta Tiflux, natychmiast wykorzystał wbudowane możliwości, aby wprowadzić i załadować dodatkowe narzędzia, takie jak Splashtop, ScreenConnect i UltraVNC, na dokładnie tę samą maszynę. Warto podkreślić, że wszystkie te programy są również legalnymi narzędziami RMM.

Atakujący stosują tę metodę, aby zapewnić sobie super‑trwałość. Wiedzą, że jeśli administrator IT zauważy jedno nieautoryzowane narzędzie zdalne i odinstaluje je, wciąż pozostają dwa lub trzy inne aktywne tylne drzwi. Ta taktyka rozprasza telemetrię. Platformy bezpieczeństwa widzą jedynie oddzielne, podpisane aplikacje administracyjne działające jednocześnie i łączące się z infrastrukturą legalnych dostawców. Dopóki obrońca nie monitoruje aktywności i nie pyta, dlaczego pojedynczy punkt końcowy nagle potrzebuje kilku odrębnych agentów zdalnego zarządzania w tym samym popołudniu, sytuacja wtopi się w szum rutynowej konserwacji IT.

Poza całodobowym monitorowaniem zachowań, skuteczną kontrolą w tym kontekście jest zarządzanie postawą bezpieczeństwa punktów końcowych oraz kontrola aplikacji. Jeśli organizacja jasno określi, które konkretne wersje RMM są autoryzowane do uruchamiania na jej maszynach, może zablokować uruchamianie niezatwierdzonych narzędzi, zapobiegając rozpoczęciu łańcucha.

Tradycyjne modele bezpieczeństwa często rozróżniają oprogramowanie zaufane i niezaufane, ale ataki RMM wykorzystują narzędzia, które mogą być legalne, podpisane i już zatwierdzone przez IT. Czy to oznacza, że obrońcy muszą przestać pytać, czy aplikacja jest zaufana, i skupić się zamiast tego na tym, czy jej zachowanie jest zaufane?

Tak, absolutnie. Tradycyjny model zaufania binarnego jest zepsuty. Podpisy binarne zostały stworzone, aby potwierdzić, że aplikacja pochodzi od legalnego dostawcy, a nie aby gwarantować, że jej działania są bezpieczne.

Jeśli atakujący używa podpisanego pliku binarnego RMM lub narzędzia living‑off‑the‑land, sam plik jest czysty, ale działania za nim stojące są złośliwe. Obrońcy muszą przestać pytać „Czy ten plik jest zaufany?” i zacząć oceniać, czy jego zachowanie ma sens w danym kontekście. Posiadanie RMM na maszynie nie jest z natury złe. Jednak jeśli to narzędzie nagle zaczyna wdrażać dodatkowe utilitety, uruchamiać nieznane skrypty lub działać o 2 nad ranem pod kontem serwisowym, jest to wskaźnik kompromisu. Kontekst i zachowanie zawsze były istotne, a przy tak dużym poleganiu atakujących na zaufanym oprogramowaniu, są teraz ważniejsze niż kiedykolwiek.

W miarę jak AI skraca czas od odkrycia luki lub luki konfiguracyjnej do jej wykorzystania, jak zmienia to rolę zarządzania postawą bezpieczeństwa? Które słabości tożsamości, punktów końcowych i zdalnego dostępu organizacje powinny priorytetyzować, zanim atakujący będą mieli okazję je wykorzystać?

Zarządzanie postawą bezpieczeństwa ma teraz większe znaczenie niż kiedykolwiek, ponieważ pomaga organizacjom proaktywnie zamykać typowe luki bezpieczeństwa, które atakujący wykorzystują codziennie. Uzupełnia wykrywanie i reagowanie, stale identyfikując i usuwając problemy takie jak błędne konfiguracje, nadmierne uprawnienia, nieautoryzowane aplikacje i inne słabości w endpointach i tożsamościach. Gdy okno pomiędzy ujawnieniem podatności a automatycznym skanowaniem skraca się do kilku godzin, redukcja tych luk przed ich wykorzystaniem staje się niezbędna. Organizacje muszą utrzymywać spójną, wzmocnioną postawę we wszystkich środowiskach, aby zmniejszyć liczbę incydentów i ograniczyć to, do czego atakujący może dotrzeć, jeśli przełamie drzwi.

Choć prawie każdy dostawca cyberbezpieczeństwa chętnie „edukuje” (lub straszy) opinię publiczną o dowolnym zagrożeniu lub obszarze bezpieczeństwa, w którym sprzedaje rozwiązania, rzeczywista lista priorytetów to kwestia, na którą może odpowiedzieć tylko dana organizacja. Każda firma ceni różne elementy trójki CIA, a każda ma wrażliwe dane przechowywane lub dostępne w różnych miejscach. Najważniejsza rada, jaką większość firm powinna usłyszeć, to ocena, które dane, zasoby lub systemy produkcyjne są najważniejsze dla ich działalności, a następnie odwrócenie procesu od tej oceny, aby chronić to, co najważniejsze.

Rosnące obawy dotyczące tego, że agenci AI w końcu będą samodzielnie realizować znaczące części cyklu ataku. Jakie zdolności musiałyby się poprawić, zanim autonomiczne cyberataki staną się znacząco niebezpieczniejsze niż dzisiejsze ataki wspomagane AI, i czy obrońcy przygotowują się wystarczająco szybko?

Obawy dotyczące autonomicznych agentów sugerują, że jest to problem przyszłości, ale już dziś obserwujemy ich wykonywanie ataków. Jednak te autonomiczne ataki są dalekie od doskonałości. Spójrzmy na niedawną kampanię ransomware JadePuffer. Została przeprowadzona w całości przez agenta AI, ale popełniła rażące błędy. Model halucynował części operacji, w tym wymyślił fałszywy adres portfela Bitcoin w notatce z żądaniem okupu. Co jeszcze bardziej absurdalne, AI zapomniało zapisać lub przesłać klucza szyfrowania. Po prostu wydrukowało losowo wygenerowany klucz w tymczasowym wyjściu konsoli i zamknęło sesję, czyniąc matematycznie niemożliwym odzyskanie danych ofiary, nawet jeśli zapłaci.

Rzeczywistość z perspektywy taktyk, technik i procedur jest taka, że autonomiczne AI, zautomatyzowane skrypty i ludzcy atakujący robią dokładnie to samo. Nadal wykorzystują te same typy zasobów wystawionych w Internecie, podatnych i źle skonfigurowanych. AI wciąż musi przejść standardowy łańcuch zabójczy. Musi uzyskać początkowy dostęp, podnieść uprawnienia, przemieścić się lateralnie i uruchomić ładunek. W przypadku JadePuffer po prostu użyło znanej, niezałatanej podatności, aby wejść do środka, a potem potknęło się po sieci.

Ponieważ podstawowe mechanizmy ataku nie uległy zmianie, obrońcy nie muszą wyrzucać swojego aktualnego scenariusza. Nadal potrzebna jest warstwowa ochrona, podstawowa higiena IT i silne wykrywanie zachowań. Zmienia się jedynie presja i tempo, w jakim obrońcy muszą przetwarzać zdarzenia i triage alertów. Gdy agent AI popełnia błąd, odczytuje dziennik błędów i samokoryguje się w ciągu kilku sekund, aby kontynuować, obrońcy po prostu muszą dostosować się do szybkości, z jaką ataki cybernetyczne poruszają się obecnie.

Atakujący przyjmują AI, ale obrońcy mają dostęp do wielu tych samych technologii. Gdzie widzisz największą przewagę obronną AI: wykrywanie nietypowych zachowań, analizowanie telemetrii, priorytetyzowanie podatności, automatyzacja reakcji, czy może w zupełnie innym obszarze?

Po pierwsze, jest to niezwykle skuteczne dla korelacji zespołu niebieskiego. Zespoły bezpieczeństwa nie mają problemu z danymi; mają problem z szumem. AI jest niezwykle przydatna do wyciągania igieł z kupki siana, łączenia rozproszonych, pozornie niepowiązanych zdarzeń i składania ich w pełną historię włamania.

Po drugie, AI robi dla obrońców dokładnie to, co robi dla atakujących, wypełniając lukę kompetencyjną. Gdy młodszy analityk SOC staje przed mocno zaciemnionym skryptem lub złożonym alertem, może użyć LLM, aby natychmiast przetłumaczyć te dane na prosty język. Usuwa ręczną, żmudną pracę inżynierii wstecznej i pozwala obrońcom szybciej triage’ować i reagować.

Wreszcie, patrząc poza reakcję, istnieje ogromna szansa dla zespołów czerwonych i fioletowych, aby wykorzystać AI do proaktywnego testowania i weryfikacji obrony. W pełni zakrojone, prowadzone przez ludzi testy penetracyjne nadal są absolutnym must-have. Jednak AI obniża barierę techniczną do przeprowadzania mniejszych, atomowych testów weryfikujących różne warstwy stosu bezpieczeństwa. Zamiast czekać na coroczne testy penetracyjne lub krzyżować palce, gdy pojawi się prawdziwe organiczne zagrożenie, organizacje mogą używać AI, aby bezpiecznie i często testować własne środowiska i zobaczyć, co faktycznie się psuje.

Patrząc w przyszłość, czy spodziewasz się, że branża cyberbezpieczeństwa wejdzie w środowisko, w którym zarówno atakujący, jak i obrońcy coraz częściej będą działać za pośrednictwem autonomicznych agentów? Jeśli tak, co ostatecznie zdecyduje, kto będzie miał przewagę, gdy maszyny po obu stronach będą mogły identyfikować i reagować na zagrożenia z prędkością maszynową?

AI zdecydowanie wstrząsa podziemną gospodarką. Rynek darknetowy dla cyberprzestępczości jako usługi rozwijał się dzięki sprzedaży złośliwego oprogramowania i skryptów, ponieważ tradycyjnie wymagały one specjalistycznych umiejętności programistycznych. AI zmienia dostępność i ekonomię tego ekosystemu, pozwalając mniej wykwalifikowanym operatorom generować własne narzędzia na żądanie. Prawdopodobnie zamknie drzwi wielu starszym dostawcom gotowego złośliwego oprogramowania. Dlaczego aktor zagrożenia miałby płacić za ogólne gotowe złośliwe oprogramowanie na podziemnym forum, skoro może po prostu poprosić LLM o wygenerowanie niestandardowego narzędzia na żądanie?

Gdy obie strony są uzbrojone w AI, przewaga sprowadza się do infrastruktury, strojenia i nadzoru. Staje się to walką o to, kto ma większy budżet obliczeniowy (kto ma więcej tokenów do spalenia) i kto ma lepiej dostrojony model. Dla aktorów zagrożenia testem jest, czy ich AI potrafi iteracyjnie rozwiązywać problemy, czytać logi błędów i odpowiednio pivotować, gdy exploit się nie powiedzie. Dla obrońców testem jest, czy wasze detektory są rzeczywiście dostrojone i czy wasze potoki danych są prawidłowo podłączone, aby dostarczyć AI odpowiednie telemetry w czasie rzeczywistym. Jednak co ważniejsze, zależy to od tego, czy w procesie są eksperci ludzcy z kontekstem biznesowym, którzy podejmują kluczowe decyzje, takie jak odczytanie interpretacji incydentu przez AI i zdecydowanie, czy odizolować zhakowaną maszynę, czy wyłączyć system produkcyjny, aby powstrzymać zagrożenie.

Ostatecznie AI nie zmienia podstaw bezpieczeństwa. Firmy, które poradzą sobie najlepiej, to te, które nadal robią małe rzeczy dobrze. Chodzi o redukcję powierzchni ataku, łatanie podatności, wzmacnianie konfiguracji, monitorowanie 24/7, zakładanie, że doszło do kompromisu, oraz regularne, proaktywne testowanie obrony. AI jest tylko przyspieszaczem. Kto szybciej i konsekwentniej realizuje podstawy, ten wygrywa.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Huntress.