Viitorul securității cibernetice: IA, automatizare și factorul uman

În ultimul deceniu, odată cu creșterea explozivă a tehnologiei informației, realitatea întunecată a amenințărilor la adresa securității cibernetice a evoluat dramatic. Atacurile cibernetice, care au fost conduse în primul rând de hackeri răutăcioși care căutau notorietate sau câștig financiar, au devenit mult mai sofisticate și țintite. De la spionajul sponsorizat de state la furtul de identitate și corporate, motivele din spatele crimelor cibernetice sunt din ce în ce mai sinistre și periculoase. Chiar dacă câștigul financiar rămâne un motiv important pentru crima cibernetică, a fost eclipsat de scopuri mai malefice, cum ar fi furtul de date și active critice. Atacatorii cibernetici folosesc pe scară largă tehnologii de ultimă generație, inclusiv inteligența artificială, pentru a pătrunde în sisteme și a desfășura activități malefice. În Statele Unite, Biroul Federal de Investigații (FBI) a raportat peste 800.000 de plângeri legate de infracțiuni cibernetice în 2022, cu pierderi totale care depășesc 10 miliarde de dolari, depășind totalul de 6,9 miliarde de dolari din 2021, conform Centrului de Plângeri pentru Crime de Internet al biroului.

Având în vedere că peisajul amenințărilor evoluează rapid, este timpul ca organizațiile să adopte o abordare multi-prongedă a securității cibernetice. Abordarea ar trebui să vizeze modul în care atacatorii obțin acces; prevenirea compromiterii inițiale; detectarea rapidă a incursiunilor; și permiterea unei răspunsuri și remedieri rapide. Protejarea activelor digitale necesită utilizarea puterii inteligenței artificiale și a automatizării, asigurând în același timp că analiștii umani calificați rămân integrați în postura de securitate.

Protejarea unei organizații necesită o strategie multi-stratificată care ține cont de diversele puncte de intrare și vectori de atac utilizați de adversari. În general, acestea se încadrează în patru categorii principale: 1) Atacuri web și de rețea; 2) Atacuri bazate pe comportamentul utilizatorilor și identitate; 3) Atacuri asupra entităților care vizează medii cloud și hibride; și 4) Malware, inclusiv ransomware, amenințări persistente avansate și alte coduri malefice.

Folosirea IA și a automatizării

Implementarea modelelor de IA și de învățare automată (ML) personalizate pentru fiecare dintre aceste clase de atacuri este critică pentru detectarea și prevenirea proactivă a amenințărilor. Pentru atacurile web și de rețea, modelele trebuie să identifice amenințări precum phishingul, exploatarea browserului și atacurile de tip Distributed Denial-of-Service (DDoS) în timp real. Analiza comportamentului utilizatorilor și a entităților, utilizând IA, poate detecta activități anormale care indică compromiterea contului sau utilizarea abuzivă a resurselor și datelor sistemului. În final, analiza malware-ului condusă de IA poate tria rapid noi tulpini, poate identifica comportamentul malefic și poate reduce impactul amenințărilor bazate pe fișiere. Prin implementarea modelelor de IA și ML pe întregul spectru al suprafețelor de atac, organizațiile pot îmbunătăți semnificativ capacitatea lor de a identifica autonom amenințările la stadiile incipiente, înainte de a deveni incidente majore.

Odată ce modelele de IA/ML au identificat activități potențial periculoase de-a lungul diverselor vectori de atac, organizațiile se confruntă cu o altă provocare cheie – dând sens frecventelor alerte și separând incidentele critice de zgomot. Având în vedere numărul mare de puncte de date și detectări generate, aplicarea unei alte straturi de IA/ML pentru a corela și a prioritiza cele mai grave alerte care necesită o investigație și un răspuns ulterioare devine crucial. Oboseala alertelor este o problemă din ce în ce mai critică care trebuie rezolvată.

IA poate juca un rol crucial în acest proces de triaj al alertelor, prin ingestia și analiza unor volume mari de telemetrie de securitate, fuzionarea insight-urilor de la multiple surse de detectare, inclusiv informații despre amenințări, și prezentarea numai a incidentelor de înaltă fidelitate pentru răspuns. Acest lucru reduce povara de pe analiștii umani, care ar fi altfel copleșiți de false pozitive și alerte de joasă fidelitate lipsite de context adecvat pentru a determina gravitatea și următorii pași.

Deși actorii amenințării au fost activi în implementarea IA pentru a alimenta atacuri precum DDoS, phishing țintit și ransomware, partea defensivă a fost în urmă în ceea ce privește adoptarea IA. Cu toate acestea, acest lucru se schimbă rapid, deoarece furnizorii de securitate se grăbesc să dezvolte modele avansate de IA/ML capabile să detecteze și să blocheze aceste amenințări alimentate de IA.

Viitorul pentru IA defensivă se află în implementarea unor modele de limbaj mic și specializat, adaptate unor tipuri specifice de atacuri și cazuri de utilizare, mai degrabă decât a se baza doar pe modele de IA generative mari. Modelele de limbaj mari, pe de altă parte, arată mai mult potențial pentru operațiunile de securitate cibernetică, cum ar fi automatizarea funcțiilor de asistență, recuperarea procedurilor operaționale standard și asistarea analiștilor umani. Încărcarea grea a detectării precise a amenințărilor și a prevenirii va fi gestionată cel mai bine de modelele de IA/ML specializate mici.

Rolul expertizei umane

Este crucial să se utilizeze IA/ML alături de automatizarea proceselor pentru a permite o remediere și conținere rapidă a amenințărilor verificate. La acest stadiu, echipate cu incidente de înaltă încredere, sistemele de IA pot declanșa răspunsuri automate personalizate pentru fiecare tip de atac – blocarea adreselor IP malefice, izolarea gazdelor compromise, aplicarea politicilor adaptive și multe altele. Cu toate acestea, expertiza umană rămâne esențială, validând ieșirile de IA, aplicând gândirea critică și supravegherea acțiunilor de răspuns autonome pentru a asigura protecția fără întreruperea activității comerciale.

Înțelegerea nuanțată este ceea ce oamenii aduc la masa discuțiilor. De asemenea, analiza noilor și complexelor amenințări de malware necesită creativitate și abilități de rezolvare a problemelor care pot fi dincolo de posibilitățile mașinilor.

Expertiza umană este esențială în mai multe domenii cheie:

• Validarea și contextualizarea: sistemele de IA, în ciuda sofisticării lor, pot genera uneori false pozitive sau interpreta greșit datele. Analiștii umani sunt necesari pentru a valida ieșirile de IA și a oferi contextul necesar pe care IA ar putea să-l ignore. Acest lucru asigură că răspunsurile sunt adecvate și proporționale cu amenințarea reală.
• Investigarea complexă a amenințărilor: unele amenințări sunt prea complexe pentru a fi gestionate de IA singură. Experții umani pot să se aprofundeze în aceste incidente, utilizând experiența și intuiția lor pentru a descoperi aspecte ascunse ale amenințării pe care IA le-ar putea pierde. Această perspicacitate umană este critică pentru înțelegerea întregului spectru al atacurilor sofisticate și pentru elaborarea de contra-măsuri eficiente.
• Luarea deciziilor strategice: în timp ce IA poate gestiona sarcini rutiniere și procesarea datelor, deciziile strategice cu privire la postura generală de securitate și strategiile de apărare pe termen lung necesită judecata umană. Experții pot interpreta insight-urile generate de IA pentru a lua decizii informate despre alocarea resurselor, modificarea politicilor și inițiativelor strategice.
• Îmbunătățirea continuă: analiștii umani contribuie la îmbunătățirea continuă a sistemelor de IA prin furnizarea de feedback și date de antrenament. Insight-urile lor ajută la rafinarea algoritmilor de IA, făcându-i mai precisi și mai eficienți în timp. Această relație simbiotică între expertiza umană și IA asigură că ambele evoluează împreună pentru a aborda amenințările emergente.

Echiparea optimizată om-mașină

La baza acestei tranziții se află nevoia de sisteme de IA care pot învăța din datele istorice (învățare supervizată) și care se pot adapta continuu pentru a detecta atacuri noi prin abordări de învățare nesupervizată și de întărire. Combinarea acestor metode va fi cheia pentru a rămâne înaintea capacităților de IA ale atacatorilor.

În general, IA va fi crucială pentru apărători pentru a-și scala capacitățile de detectare și răspuns. Expertiza umană trebuie să rămână strâns integrată pentru a investiga amenințări complexe, a audita ieșirile sistemelor de IA și a ghida strategiile defensive. Un model de echipare om-mașină optimizat este ideal pentru viitor.

Pe măsură ce se acumulează volume masive de date de securitate în timp, organizațiile pot aplica analize de IA asupra acestor date pentru a obține insight-uri pentru vânătoarea proactivă de amenințări și consolidarea apărării. Învățarea continuă din incidentele anterioare permite modelarea predictivă a noilor tipare de atac. Pe măsură ce capacitățile de IA evoluează, rolul modelelor de limbaj mic și specializat, adaptate unor cazuri de utilizare specifice de securitate, va crește. Aceste modele pot ajuta la reducerea ulterioară a “oboselii alertelor” prin triajul precis al celor mai esențiale alerte pentru analiza umană. Răspunsul autonom, alimentat de IA, poate, de asemenea, să se extindă pentru a gestiona mai multe sarcini de securitate de nivel 1.

Cu toate acestea, judecata și gândirea critică umană vor rămâne indispensabile, mai ales pentru incidentele de gravitate ridicată. Fără îndoială, viitorul este unul de echipare optimizată om-mașină, în care IA gestionează procesarea datelor voluminoase și sarcinile rutiniere, permițând experților umani să se concentreze pe investigarea amenințărilor complexe și a strategiei de securitate de nivel superior.