Ben Bernstein, Chef för cybersäkerhetsrådgivare på Huntress – Intervjuserie

Ben Bernstein, Chef för cybersäkerhetsrådgivare på Huntress, är en cybersäkerhetsprofessionell med mer än ett decennium av erfarenhet som spänner över teknisk support, systemadministration, kundframgång, teknisk kontohantering och ledarskap inom säkerhetsrådgivning. Han började sin karriär i praktiska IT-roller, gick från helpdeskarbete till systemadministration innan han gick över till kontohantering och kundframgång på Integris. Bernstein tillbringade senare tre år på Red Canary, där han hanterade relationer med företagskunder som Teknisk kontohanterare och Senior Enterprise Teknisk Kontohanterare. Sedan han gick med i Huntress 2024 som en grundande Teknisk kontohanterare har han avancerat inom ledarskap för teknisk kontohantering och leder nu företagets Cybersäkerhetsrådgivare, och drar nytta av sin kombination av teknisk expertis och kundinriktad erfarenhet för att hjälpa organisationer att bättre förstå och svara på utvecklande cyberhot.

Huntress är ett cybersäkerhetsföretag som tillhandahåller en helt hanterad säkerhetsplattform utformad för att skydda organisationer över slutpunkter, identiteter, loggar och användare. Plattformen kombinerar teknologier inklusive Managed Endpoint Detection and Response (EDR), Identity Threat Detection and Response (ITDR), Security Information and Event Management (SIEM) samt säkerhetsmedvetenhetsträning med ett AI‑centrerat Security Operations Center (SOC) som är bemannat dygnet runt av mänskliga säkerhetsexperter. Huntress uppger att deras teknik för närvarande skyddar mer än 5 miljoner slutpunkter och 15 miljoner identiteter hos över 277 000 företag, och deras team hanterar hotdetektering, undersökning, svar och återställning på kundernas vägnar.

Du började din karriär i helpdesk och systemadministration innan du gick vidare genom teknisk kontohantering och slutligen in i ledarskap för cybersäkerhetsrådgivning på Huntress. Hur har den praktiska IT‑bakgrunden format ditt sätt att tänka på säkerhet idag, särskilt när samma verktyg som administratörer förlitar sig på också kan bli en angripares inträdespunkt?

Jag är evigt tacksam för min IT‑bakgrund varje dag nu när jag befinner mig på den dedikerade cyber‑sidan av verksamheten. Den ger mig ett praktiskt perspektiv. När du vet hur operativsystem, applikationer och systemprocesser beter sig när allt fungerar normalt, framträder avvikelser och hot tydligt. Min tid inom IT har också utvecklat ett felsöknings‑ och grundorsaks‑tänk. Du lär dig snabbt att följa tråden för att säkerställa att du helt avgränsar ett problem eller ett hot.

Jag minns att jag starkt förlitade mig på samma verktyg, som RMM‑system, som idag missbrukas av hotaktörer. Efter att ha distribuerat dem själv uppskattar jag fullt ut deras kraft i både en IT‑administratörs och en angripares händer. Eftersom RMM‑system finns överallt lägger det press på säkerhetsteam att granska all aktivitet kring deras körning. Att ha ett RMM på en maskin är inte i sig ont. Men om det RMM‑systemet plötsligt börjar släppa ytterligare verktyg eller skapa okända skript, tvingas försvararna sluta förlita sig på betrodda mjukvarulistor och fokusera helt på att observera beteenden.

AI diskuteras ofta inom cybersäkerhet i termer av sofistikerade autonoma angripare, men hur stor del av AI:s omedelbara påverkan är helt enkelt att göra vanliga cyberkriminella snabbare och mer kapabla? Är vi på väg mot en punkt där relativt lågkvalificerade angripare kan genomföra kampanjer som tidigare krävde mycket djupare teknisk expertis?

Det råder mycket panik just nu kring autonoma AI‑hackningssystem, men verkligheten på fältet är att detta inte är någon ny hantverksmetod. Dessa modeller bryter inte in i nätverk med högst sofistikerade tekniker. De gör exakt det som mänskliga script‑kiddies har gjort i åratal genom att skanna efter internetexponerade, ouppdaterade och felkonfigurerade resurser. Det får rubriker eftersom uttrycket \”autonomous AI\” låter skrämmande eller sexigt beroende på vem du frågar, men de faktiska mekanismerna bakom dessa attacker är enkla.

Det faktiska problemet vi står inför är att AI sänker tröskeln för cyberkriminella. Angripare kan automatisera de tråkiga delarna av ett exploit och skala upp sina operationer utan att behöva djup teknisk expertis. Det gör det möjligt för lågkvalificerade angripare att genomföra kampanjer mycket snabbare, vilket lägger stor press på företag. Du kan inte längre installera ett säkerhetsverktyg och glömma det. Organisationer måste förutsätta att deras nätverk ständigt blir sonderade.

Huntress har observerat att angripare använder LLM‑genererade infostealer‑skript under RMM‑intrång. Vad säger detta om hur generativ AI förändrar ekonomin och tillgängligheten för cyberbrott?

Det visar att generativ AI effektiviserar den operativa bördan för cyberbrott. Att skriva ett infostealer‑skript är inte ny teknisk arbete, men det krävde traditionellt mycket utvecklartid eller inköp av specialiserade verktyg från ett underjordiskt forum. Genom att använda en LLM inom ett offers nätverk kan angripare generera funktionella, anpassade skript på begäran istället för att förlita sig på färdigbyggd skadlig kod.

Även om åtkomsten till dessa modeller fortfarande innebär vissa kostnader är inträdesbarriären lägre än någonsin. Vi ser ofta genomsnittliga angripare utnyttja dessa verktyg för att arbeta snabbare och eliminera manuella kodningsuppgifter. Det förändrar i grunden ekonomin i en attack genom att göra exekveringsfasen mycket tillgänglig, vilket möjliggör för mindre erfarna aktörer att skala sina operationer utan att behöva djup teknisk expertis.

Huntress rapporterade en 277 % år‑till‑år ökning av missbruk av fjärrövervaknings‑ och hanteringsverktyg. Varför har legitima RMM‑plattformar blivit ett så attraktivt alternativ till skräddarsydd skadlig kod, och vilka fördelar ger de angripare när de väl får åtkomst?

Det finns inget i sig ont med RMM‑verktyg. De fyller en viktig funktion genom att hjälpa IT‑administratörer och MSP:er att arbeta effektivt och stödja användare. Problemet är att skräddarsydd skadlig kod flaggas av traditionell antivirusprogramvara, medan RMM‑verktyg är signerade, betrodda och kringgår vanliga säkerhetskontroller. Ännu bättre för en angripare är att RMM‑agenter naturligt körs med förhöjda administratörsbehörigheter och erbjuder inbyggd persistens, vilket betyder att de förblir aktiva över systemomstarter utan extra ansträngning för att behålla åtkomsten.

När en angripare får sin egen RMM‑agent att köra på en måldator har de i praktiken en fjärrstyrningskonsol. De kan överföra filer fram och tillbaka sömlöst, och de sätter ofta upp sin RMM‑instans i förväg med skadliga skript och verktyg redo att köras på flera slutpunkter med ett enda klick. Eftersom själva applikationen är legitim kan försvarare inte bara blockera verktyget. Det tvingar säkerhetsteam att sluta förlita sig på listor över betrodd programvara och i stället fokusera på att observera beteende, vilket gör 24/7‑övervakning avgörande om man vill fånga en angripare som missbrukar administrativ programvara.

En teknik som Huntress har dokumenterat är att angripare “kedjar” flera RMM‑verktyg för att fragmentera telemetri och skapa redundant åtkomst. Kan du gå igenom hur en intrång som detta vanligtvis utvecklas och varför det kan vara så svårt för försvarare att känna igen vad som händer?

Här är ett särskilt intressant exempel som vi fångade och skrev en blogg om. Intrånget började med ett phishing‑e‑mail som använde en falsk affärsdokumentlockelse, såsom ett ”Network Solutions Agreement”. Offret klickade på länken i e‑posten, hamnade på en sida som var låst bakom en falsk CAPTCHA och laddade ner det de trodde var en standard‑PDF‑ eller tjänstedokument. I verkligheten var nedladdningen en körbar installationsfil. När användaren dubbelklickade på filen för att öppna avtalet installerade de tyst ett legitimt men obehörigt fjärråtkomstverktyg som heter Tiflux RMM.

När hotaktören fick den initiala Tiflux‑agenten att köra använde de omedelbart dess inbyggda funktioner för att trycka ner och sidoladda ytterligare verktyg som Splashtop, ScreenConnect och UltraVNC på exakt samma maskin. Det är viktigt att notera att dessa alla är ytterligare legitima RMM‑verktyg i sig.

Angripare gör detta för att etablera super‑persistens. De vet att om en IT‑admin upptäcker ett obehörigt fjärrverktyg och avinstallerar det, har angriparen fortfarande två eller tre andra aktiva bakdörrar som väntar. Denna taktik fragmenterar telemetrin. Säkerhetsplattformar ser bara separata, signerade administrativa applikationer som körs samtidigt och som ringer hem till legitima leverantörers infrastruktur. Om en försvarare inte aktivt övervakar den aktiviteten och frågar varför en enda slutpunkt plötsligt behöver flera olika fjärrhanteringsagenter installerade samma eftermiddag, smälter det bara in i bruset från rutinmässigt IT‑underhåll.

Utöver 24/7‑beteendeövervakning är en annan effektiv kontroll här Endpoint Security Posture Management och applikationskontroll. Om en organisation explicit definierar vilka specifika varianter av RMM som är auktoriserade att köras på deras maskiner, kan de hindra oauktoriserade verktyg från att köras alls, vilket stoppar kedjekedjan innan den startar.

Traditionella säkerhetsmodeller skiljer ofta mellan betrodd och icke‑betrodd programvara, men RMM‑attacker utnyttjar verktyg som kan vara legitima, signerade och redan godkända av IT. Betyder detta att försvarare måste sluta fråga om en applikation är betrodd och istället fokusera på om dess beteende är betrott?

Ja, absolut. Den traditionella modellen med binär förtroende är bruten. Binärsignering designades för att verifiera att en applikation kom från en legitim leverantör, inte för att garantera att dess handlingar är säkra.

Om en angripare använder en signerad RMM‑binär eller ett living‑off‑the‑land‑verktyg är själva körfilen ren, men aktiviteten bakom den är skadlig. Försvarare måste gå förbi frågan ”Är den här filen betrodd?” och börja fokusera på om dess beteende är meningsfullt i sammanhanget. Att ha ett RMM‑verktyg på en maskin är inte i sig ont. Men om det verktyget plötsligt börjar släppa ytterligare verktyg, starta okända skript eller köras klockan 02.00 under ett servicekonto, är det en indikator på kompromiss. Kontext och beteende har alltid varit viktiga, men när angripare förlitar sig så starkt på betrodd programvara är de viktigare än någonsin.

Eftersom AI komprimerar tiden mellan att upptäcka en sårbarhet eller konfigurationslucka och att utnyttja den, hur förändras då rollen för säkerhets‑posturhantering? Vilka svagheter i identitet, slutpunkt och fjärråtkomst bör organisationer prioritera innan angripare får möjlighet att utnyttja dem?

Security posture management är viktigare än någonsin eftersom det hjälper organisationer att proaktivt täppa till de vanliga säkerhetsluckor som angripare utnyttjar varje dag. Det kompletterar detektering och respons genom att kontinuerligt identifiera och åtgärda problem som felkonfigurationer, överdrivna behörigheter, obehöriga applikationer och andra svagheter på endpoint‑nivå och i identiteter. När fönstret mellan sårbarhetsavslöjande och automatiserad skanning krymper till timmar blir det avgörande att minska dessa luckor innan de kan utnyttjas. Organisationer måste upprätthålla en konsekvent, härdad hållning över alla miljöer för att minska antalet incidenter de drabbas av och begränsa vad en angripare kan nå om de lyckas ta sig in.

Medan nästan varje cybersäkerhetsleverantör gärna “utbildar” (eller skrämmer) allmänheten om den hot‑ eller säkerhetsdomän de säljer lösningar för, är den faktiska prioriteringslistan något som bara varje enskild organisation kan svara på. Varje företag värderar olika komponenter i CIA‑triaden, och varje företag har känslig data lagrad eller åtkomlig på olika platser. Det verkliga rådet de flesta företag behöver höra är att utvärdera vilken data, vilka tillgångar eller produktionssystem som är mest kritiska för deras verksamhet, och sedan arbeta baklänges därifrån för att skydda det som är viktigast.

Det växer en oro för att AI‑agenter så småningom ska utföra betydande delar av attacklivscykeln autonomt. Vilka förmågor måste förbättras innan autonoma cyberattacker blir påtagligt farligare än dagens AI‑assisterade attacker, och förbereder sig försvararna tillräckligt snabbt?

Oroandet kring autonoma agenter antyder att detta är ett framtida problem, men vi ser redan dem utföra attacker idag. Dessa autonoma attacker är dock långt ifrån perfekta. Titta på den senaste JadePuffer‑ransomware‑kampanjen. Den drevs helt av en AI‑agent, men den gjorde uppenbara misstag. Modellen hallucinerade delar av operationen, inklusive att påhitta en falsk Bitcoin‑plånboksadress för lösenmeddelandet. Ännu mer löjligt glömde AI:n att spara eller överföra krypteringsnyckeln. Den skrev bara ut den slumpmässigt genererade nyckeln till en tillfällig konsolutmatning och stängde sessionen, vilket gjorde det matematiskt omöjligt för offret att återfå sina data även om de betalade.

Den jordade verkligheten är att ur ett TTP‑perspektiv (taktik, teknik och procedur) gör autonoma AI, automatiserade skript och mänskliga angripare exakt samma sak. De utnyttjar fortfarande samma typer av internetexponerade, sårbara och felkonfigurerade tillgångar. AI måste fortfarande gå igenom den vanliga kill‑chainen. Den måste fortfarande uppnå initial åtkomst, höja behörigheter, röra sig lateralt och köra sin payload. I JadePuffer‑fallet använde den bara en känd, oåtgärdad sårbarhet för att få fotfäste och snubblade sedan igenom nätverket.

Eftersom attackens grundmekanik inte har förändrats behöver försvararna inte kasta bort sin nuvarande playbook. Du behöver fortfarande lagerbaserad säkerhet, grundläggande IT‑hygien och stark beteendedetektion. Det som förändras är trycket och hastigheten med vilken försvararna måste bearbeta händelser och triagera larm. När en AI‑agent gör ett misstag, läser felloggen och självkorrekterar på sekunder för att fortsätta, måste försvararna helt enkelt anpassa sig till den snabba hastighet som cyberattacker nu rör sig i.

Angripare tar i bruk AI, men försvarare har tillgång till många av samma teknologier. Var ser du AI ge den största defensiva fördelen: att upptäcka ovanligt beteende, analysera telemetri, prioritera sårbarheter, automatisera svar, eller någon helt annan aspekt?

För det första är det mycket effektivt för blå‑team‑korrelation. Säkerhetsteam har inte ett dataproblem; de har ett brus‑problem. AI är otroligt användbart för att plocka nålen ur höstacken, ta disparata, till synes orelaterade händelser och väva ihop dem för att berätta hela historien om en intrång.

För det andra gör AI för försvarare exakt det den gör för angripare genom att överbrygga kompetensgapet. När en junior SOC‑analytiker möter ett kraftigt fördolt skript eller ett komplext larm kan de använda en LLM för att omedelbart översätta den datan till klartext. Det tar bort det manuella slitandet med reverse engineering och låter försvararna triagera och svara mycket snabbare.

Slutligen, bortom reaktivt försvar, finns en enorm möjlighet för röda och lila team att använda AI för att proaktivt testa och validera försvar. Fullt omfattande, mänskligt ledda penetrationstester är fortfarande ett absolut måste. Men AI sänker den tekniska tröskeln för att köra mindre, atomära tester för att validera olika lager i en säkerhetsstack. Istället för att vänta på ett årligt pentest eller hålla tummarna när ett riktigt organiskt hot dyker upp, kan organisationer använda AI för att säkert och ofta testa sina egna miljöer för att se vad som faktiskt går sönder.

Ser du framåt att cybersäkerhetsbranschen kommer att hamna i en miljö där både angripare och försvarare i allt högre grad opererar genom autonoma agenter? Om så är fallet, vad kommer i slutändan avgöra vem som har fördelen när maskiner på båda sidor kan identifiera och reagera på hot i maskinhastighet?

AI skakar definitivt om den underjordiska ekonomin. Darknet-marknaden för cybercrime-as-a-service har blomstrat genom att sälja skadlig kod och skript eftersom de traditionellt krävde specialiserade utvecklarkunskaper för att skapa dem. AI förändrar tillgängligheten och ekonomin i det ekosystemet genom att låta mindre erfarna aktörer generera sina egna verktyg på begäran. Det kommer sannolikt att stänga dörren för många äldre, färdigpaketerade skadlig‑kod‑leverantörer. Varför skulle en hotaktör betala för generisk färdigpaketerad skadlig kod på ett underjordiskt forum när de enkelt kan be en LLM att generera skräddarsydda verktyg på begäran?

När båda sidor är beväpnade med AI handlar fördelen om infrastruktur, finjustering och övervakning. Det blir en kamp om vem som har budgeten för beräkningskraft (vem som har fler tokens att bränna) och vem som har den bäst finjusterade modellen. För hotaktörer är testet om deras AI kan felsöka iterativt, läsa felloggar och pivotera på rätt sätt när ett exploit misslyckas. För försvarare är testet om era detektorer faktiskt är finjusterade och om era datapipelines är korrekt kopplade för att i realtid förse AI:n med rätt telemetri. Men viktigast är att det beror på om ni har mänskliga experter med affärskontext i loopen för att fatta kritiska bedömningar, såsom att läsa AI:s tolkning av en incident och besluta om en komprometterad maskin ska isoleras eller ett produktionssystem ska tas offline för att begränsa ett hot.

I slutändan förändrar AI inte säkerhetens grundprinciper. De företag som kommer att klara sig bäst är de som fortsätter att få de små detaljerna rätt. Det handlar om att minska er attackyta, patcha sårbarheter, stärka konfigurationer, övervaka dygnet runt, anta kompromiss och proaktivt testa era försvar regelbundet. AI är bara en accelerator. Den som utför grunderna snabbare och mer konsekvent är den som vinner.

Tack för den fantastiska intervjun, läsare som vill lära sig mer bör besöka Huntress.