ความเสี่ยงซ่อนเร้นที่ไม่คาดคิดของแอปส่วนตัว: วิธีการที่สภาพแวดล้อมมือถือแบบแยกส่วนสามารถขยายพื้นที่โจมตีขององค์กร

ในช่วงไม่กี่ปีที่ผ่านมา แอปมือถือที่เน้นความเป็นส่วนตัวได้รับความนิยมอย่างมาก เครื่องมือเช่น Shelter และแพลตฟอร์มการคอนเทนเนอร์แบบอื่นๆ สัญญาว่าจะให้ผู้ใช้ควบคุมข้อมูลส่วนบุคคลได้มากขึ้นโดยการสร้างสภาพแวดล้อมที่แยกออกหรือซ่อนอยู่บนอุปกรณ์ของพวกเขา สำหรับผู้บริโภคบุคคล การกระทำนั้นดูเหมือนจะเป็นชัยชนะ แต่สำหรับองค์กร การกระทำนั้นกลับสร้างความเสี่ยงใหม่ที่ไม่ได้รับการยอมรับมาก่อน ซึ่งก็คือ การสร้างสภาพแวดล้อมมือถือแบบขนานที่ทีมความปลอดภัยไม่สามารถมองเห็น จัดการ หรือปกป้องได้

เมื่อองค์กรต่างๆ ยังคงสนับสนุนการนำอุปกรณ์ของตนเองมาใช้ (BYOD) และรูปแบบการทำงานที่ยืดหยุ่น การเพิ่มขึ้นของแอปส่วนตัวเหล่านี้ทำให้พื้นที่โจมตีขององค์กรขยายออกไปในลักษณะที่เครื่องมือความปลอดภัยมือถือแบบดั้งเดิมไม่ได้รับการออกแบบมาเพื่อจัดการกับปัญหาเหล่านั้น ในเวลาเดียวกัน การนำเทคโนโลยี trí tuệ nhân tạo (AI) มาใช้โดยทั้งผู้ป้องกันและผู้โจมตีทำให้ความเร็ว ขนาด และความซับซ้อนของภัยคุกคามมือถือเพิ่มขึ้น ทำให้สภาพแวดล้อมที่ซ่อนอยู่เหล่านี้มีความอันตรายมากขึ้น

อุปกรณ์มือถือเป็นจุดอ่อนที่สุดแล้ว

อุปกรณ์มือถือได้กลายเป็นแพลตฟอร์มการประมวลผลหลักสำหรับส่วนสำคัญของพนักงาน โดยพนักงานสามารถเข้าถึงอีเมล เครื่องมือการทำงานร่วมกัน การจัดเก็บข้อมูลบนคลาวด์ ผู้ช่วย AI และแอปพลิเคชันองค์กรที่สำคัญจากโทรศัพท์และแท็บเล็ตทุกวัน

ในหลายกรณี โทรศัพท์ส่วนบุคคลมีการป้องกันจุดสิ้นสุดหรือไม่มีการป้องกันเลย ผู้ใช้ติดตั้งแอปส่วนบุคคล เชื่อมต่อกับเครือข่ายที่ไม่รู้จัก เปิดใช้งาน Bluetooth และ NFC และโต้ตอบกับลิงก์ที่ไม่ได้รับการยืนยัน ลิงก์และแอปเหล่านี้ถูกสร้างหรือปรับปรุงโดยใช้ AI ซึ่งช่วยให้ผู้โจมตีสามารถสร้างข้อความฟิชชิ่งที่น่าเชื่อถือได้มากขึ้น แอปพลิเคชันที่เป็นอันตราย และแคมเปญการวิศวกรรมสังคมในระดับใหญ่

AI ที่สร้างขึ้นได้ลดทักษะที่จำเป็นในการเปิดตัวการโจมตีที่มีประสิทธิภาพ สิ่งที่เคยใช้เวลาหลายสัปดาห์ในการพัฒนา สามารถสร้างขึ้นได้ภายในไม่กี่นาที ซึ่งหมายความว่ามีการโจมตีมากขึ้น มากกว่าที่เคยเป็นมาก่อน

ทีนี้ ลองเพิ่มแอปส่วนตัวที่ช่วยให้ผู้ใช้สร้างพื้นที่ทำงานที่ซ่อนอยู่ โปรไฟล์ที่แยกออก หรือคอนเทนเนอร์ที่แยกออกบนอุปกรณ์เดียวกัน จากมุมมองของผู้ใช้ สิ่งนี้จะช่วยปรับปรุงความเป็นส่วนตัว แต่จากมุมมองด้านความปลอดภัย สิ่งนี้จะสร้างสภาพแวดล้อมที่อาจไม่สามารถมองเห็นได้โดยเครื่องมือการจัดการอุปกรณ์มือถือ (MDM) หรือเครื่องมือการจัดการแอปพลิเคชันมือถือ (MAM)

เมื่อทีมความปลอดภัยไม่สามารถมองเห็นสภาพแวดล้อมได้ พวกเขาก็ไม่สามารถปกป้องสภาพแวดล้อมนั้นได้ ในยุคของการโจมตีที่ขับเคลื่อนด้วย AI การขาดการมองเห็นนี้กลายเป็นจุดอ่อนที่สำคัญ

สภาพแวดล้อมแบบขนานหมายถึงเส้นทางการโจมตีแบบขนาน

กลยุทธ์การเคลื่อนย้ายขององค์กรส่วนใหญ่สมมติว่าอุปกรณ์เองสามารถเชื่อถือได้เมื่อได้รับการลงทะเบียนในซอฟต์แวร์การจัดการแล้ว สมมติฐานนี้กำลังล้าสมัย โดยเฉพาะอย่างยิ่งเมื่อผู้โจมตีใช้การautomate และ AI เพื่อสำรวจจุดอ่อนทั่วทั้งอุปกรณ์หลายพันเครื่องในคราวเดียว

แอปส่วนตัวช่วยให้ผู้ใช้สามารถรันสภาพแวดล้อมตรรกะหลายแบบบนอุปกรณ์เดียว บางครั้งพร้อมกับร้านแอปที่แยกออก ใบอนุญาตที่แยกออก และการเก็บข้อมูลที่แยกออก สภาพแวดล้อมเหล่านี้สามารถมีอยู่นอกขอบเขตของการควบคุมองค์กร แม้ว่าอุปกรณ์เองจะถูกจัดการแล้วก็ตาม

สิ่งนี้สร้างเส้นทางใหม่สำหรับผู้โจมตี มัลแวร์ที่ได้รับการช่วยเหลือจาก AI สามารถติดตามพฤติกรรมของผู้ใช้ ปรับเปลี่ยนการควบคุมด้านความปลอดภัย และเปลี่ยนยุทธวิธีในเวลาจริง หากมัลแวร์นั้นอยู่ภายในคอนเทนเนอร์ที่ซ่อนอยู่ มันอาจไม่เคยถูกมองเห็นโดยเครื่องมือความปลอดภัยขององค์กร

เนื่องจากองค์กรมีการมองเห็นเพียงส่วนจัดการของอุปกรณ์เท่านั้น กิจกรรมที่เป็นอันตรายอาจไม่ถูกตรวจจับ ในผลที่ตามมา องค์กรกำลังป้องกันอุปกรณ์หนึ่ง ในขณะที่ผู้โจมตีกำลังดำเนินการในอุปกรณ์อื่น โดยมีข้อได้เปรียบของการautomate และเครื่องมือที่สร้างโดยเครื่องจักร

ความตึงเครียดระหว่างความเป็นส่วนตัวและความปลอดภัยเป็นเรื่องจริง

พนักงานคาดหวังความเป็นส่วนตัวบนอุปกรณ์ส่วนบุคคล และสมควรที่จะได้รับสิ่งนั้น การติดตั้งซอฟต์แวร์การจัดการอุปกรณ์เต็มรูปแบบบนโทรศัพท์ส่วนบุคคลมักจะให้ความสามารถในการมองเห็นกิจกรรมของผู้ใช้แก่องค์กร ซึ่งสามารถสร้างปัญหาทางกฎหมาย วัฒนธรรม และการกำกับดูแลได้

ความตึงเครียดนี้ทำให้หลายองค์กรพึ่งพาแนวทางที่เบาลง เช่น คอนเทนเนอร์แอปพลิเคชันหรือนโยบายการจัดการที่จำกัด แอปส่วนตัวเป็นขยายความของแนวโน้มนี้ โดยให้ผู้ใช้สามารถแยกส่วนตัวและกิจกรรมทำงานได้มากขึ้น

ปัญหาก็คือ การควบคุมที่ไม่สมบูรณ์มักจะนำไปสู่ความปลอดภัยที่ไม่สมบูรณ์ หากมีข้อมูลองค์กรที่สำคัญถูกเก็บไว้บนอุปกรณ์ แม้ว่าจะอยู่ในคอนเทนเนอร์ที่จัดการก็ตาม ก็ยังคงเสี่ยงต่อความเสี่ยงของระบบปฏิบัติการที่อยู่ภายใต้ การเชื่อมต่อเครือข่าย และซอฟต์แวร์อื่นๆ ที่กำลังทำงานบนอุปกรณ์นั้น

เครื่องมือการสำรวจที่ขับเคลื่อนด้วย AI สามารถสแกนอุปกรณ์ ระบุจุดอ่อน และใช้ประโยชน์จากจุดอ่อนเหล่านั้นได้เร็วกว่าที่การป้องกันแบบดั้งเดิมสามารถตอบสนองได้ สภาพแวดล้อมที่ซ่อนอยู่เพียงเพิ่มชั้นหนึ่งที่ภัยคุกคามสามารถอาศัยอยู่โดยไม่ถูกตรวจจับได้เรียนรู้จากพฤติกรรมของผู้ใช้ และปรับตัว

เหตุใดรูปแบบความปลอดภัยมือถือแบบดั้งเดิมจึงล้มเหลว

MDM และ MAM ถูกสร้างขึ้นสำหรับโลกที่องค์กรสามารถกำหนดอุปกรณ์ ควบคุมอุปกรณ์ และติดตามอุปกรณ์ได้

สิ่งนี้ไม่ใช่ความเป็นจริงแล้ว ในปัจจุบัน พนักงานใช้โทรศัพท์ส่วนบุคคล แท็บเล็ตที่ไม่ได้จัดการ อุปกรณ์ที่ใช้ร่วมกัน และแม้กระทั่งฮาร์ดแวร์ชั่วคราวหรือทิ้งได้ แอปส่วนตัวเร่งการเปลี่ยนแปลงนี้โดยให้ผู้ใช้สามารถสร้างสภาพแวดล้อมของตนเองโดยอิสระจากการควบคุมขององค์กร

ในเวลาเดียวกัน AI กำลังช่วยให้ผู้โจมตีสามารถขยายการดำเนินการได้มากกว่าที่รูปแบบความปลอดภัยแบบดั้งเดิมสามารถตามทันได้ การรณรงค์ฟิชชิ่งแบบอัตโนมัติ มัลแวร์ที่สร้างโดย AI และเฟรมเวิร์กการเอาเปรียบแบบปรับเปลี่ยนได้ ช่วยให้ผู้โจมตีสามารถเคลื่อนที่ได้เร็วกว่าการป้องกันแบบดั้งเดิม

การพยายามรักษาความปลอดภัยทุกจุดสิ้นสุดกำลัง变得ไม่สมจริง ผู้โจมตีต้องการเพียงจุดอ่อนเดียว และสภาพแวดล้อมแบบขนานสร้างจุดอ่อนหลายจุด

การถอดความไว้วางใจออกจากอุปกรณ์

วิธีที่มีประสิทธิภาพที่สุดในการลดความเสี่ยงนี้คือการหยุดพึ่งพาอุปกรณ์เป็นแพลตฟอร์มที่เชื่อถือได้

แทนการเก็บข้อมูลองค์กรท้องถิ่น องค์กรควรเปลี่ยนไปสู่สถาปัตยกรรมที่อุปกรณ์ทำหน้าที่เป็นเพียงจุดเข้าถึงที่ปลอดภัยไปยังสภาพแวดล้อมที่ได้รับการคุ้มครองซึ่งอาศัยอยู่ที่อื่น ในแบบจำลองนี้ ไม่มีข้อมูลที่สำคัญอยู่บนโทรศัพท์ แท็บเล็ต หรือแล็ปท็อป และไม่มีสิ่งใดที่คงอยู่หากอุปกรณ์ถูกสูญเสีย ถูกบุกรุก หรือกำลังทำงานซอฟต์แวร์ที่ไม่รู้จัก

แนวทางนี้มีหลายข้อดี:

• ไม่มีข้อมูลที่เหลืออยู่บนอุปกรณ์: คอนเทนเนอร์ที่ซ่อนอยู่ไม่สามารถเปิดเผยข้อมูลที่ไม่เคยถูกเก็บไว้บนอุปกรณ์ แม้ว่ามัลแวร์ที่ได้รับการช่วยเหลือจาก AI จะเข้าถึงระบบปฏิบัติการได้ก็ตาม
• การมองเห็นที่สมบูรณ์สำหรับทีมความปลอดภัย: กิจกรรมทั้งหมดเกิดขึ้นภายในสภาพแวดล้อมที่ควบคุมได้ ซึ่งพฤติกรรมสามารถถูกติดตาม วิเคราะห์ และป้องกันได้โดยใช้เครื่องมือความปลอดภัยและเครื่องมือตรวจจับ AI ที่ทันสมัย
• ความเป็นส่วนตัวที่ดีกว่าสำหรับพนักงาน: อุปกรณ์ส่วนบุคคลยังคงเป็นส่วนบุคคล โดยไม่มีซอฟต์แวร์การจัดการที่รุกรานที่พยายามควบคุมโทรศัพท์ทั้งหมด
• พื้นที่โจมตีที่ลดลง: องค์กรป้องกันสภาพแวดล้อมเดียว ไม่ใช่ทุกจุดสิ้นสุด แม้ว่าจำนวนอุปกรณ์และแอปพลิเคชันจะเติบโตอย่างต่อเนื่องก็ตาม

สถาปัตยกรรมนี้สอดคล้องกับหลักการของ zero-trust โดยสมมติว่าอุปกรณ์อาจถูกบุกรุกแล้ว และออกแบบระบบตามนั้น ในโลกที่ AI สามารถสร้างการเอาเปรียบได้เร็วกว่าที่มนุษย์สามารถแก้ไขได้ สมมติฐานนี้ไม่ใช่ความเป็นจริงอีกต่อไป มันคือความเป็นจริง

กลยุทธ์การตัดขาดที่สะอาด

การเพิ่มขึ้นของแอปส่วนตัวแบบแยกส่วนและคอนเทนเนอร์ที่ซ่อนอยู่ไม่เพียงแต่แสดงถึงความท้าทายด้านความปลอดภัยในเชิงกลยุทธ์เท่านั้น แต่ยังแสดงถึงการสิ้นสุดของยุคอุปกรณ์ที่จัดการสำหรับ BYOD หากผู้ใช้สามารถสร้างสภาพแวดล้อมดิจิทัลแบบขนานที่ทำงานนอกการมองเห็นของการควบคุมองค์กรได้ แสดงว่ากลยุทธ์ใดๆ ที่สร้างขึ้นบนการตรวจสอบหรือการจัดการอุปกรณ์กำลังทำงานบนพื้นฐานที่องค์กรไม่ได้ควบคุมอย่างเต็มที่

แทนที่จะพยายามไล่ตามการมองเห็นไปยังจุดสิ้นสุดที่มีความโปร่งใสมากขึ้น องค์กรต่างๆ ต้องเปลี่ยนแนวทางของตนอย่างสมบูรณ์ เป้าหมายไม่ใช่การรักษาความปลอดภัยของอุปกรณ์เอง แต่การถอดอุปกรณ์ออกจากสมการด้านความปลอดภัย

สิ่งนี้ต้องการการเปลี่ยนแปลงไปสู่การรักษาความปลอดภัยแบบ zero-trust ที่กำหนดโดยซอฟต์แวร์ โดยที่ข้อมูลองค์กรถูกตัดขาดออกจากจุดสิ้นสุดอย่างสมบูรณ์ ในแบบจำลองนี้ อุปกรณ์ถูกมองว่าเป็นอันตรายโดยธรรมชาติ ไม่ว่าจะมีการกำหนดค่าหรือมีการใช้งานแอปพลิเคชันใดๆ บนอุปกรณ์ก็ตาม

โดยการนำพื้นที่ทำงานเสมือนผ่านการถ่ายทอดที่ปลอดภัยแบบพิกเซล อุปกรณ์ไม่เคยเก็บข้อมูลองค์กร และไม่โต้ตอบกับแอปพลิเคชันอื่นๆ บนอุปกรณ์ ไม่ว่าผู้ใช้จะกำลังรันแอปส่วนตัว แอปส่งข้อความแบบเข้ารหัส หรือแม้กระทั่งซอฟต์แวร์ที่เป็นอันตรายภายในสภาพแวดล้อมที่ซ่อนอยู่ ส่วนประกอบเหล่านั้นไม่สามารถเข้าถึงหรือมีอิทธิพลต่อข้อมูลองค์กรได้ เนื่องจากข้อมูลนั้นไม่มีอยู่บนจุดสิ้นสุด

แนวทางนี้ยังให้การแยกความชัดเจนระหว่างกิจกรรมส่วนบุคคลและกิจกรรมขององค์กร การทำงานยังคงอยู่ภายในสภาพแวดล้อมคลาวด์ที่ควบคุมได้ ในขณะที่กิจกรรมส่วนบุคคล (และแม้กระทั่งกิจกรรมส่วนบุคคลที่ซ่อนอยู่) ยังคงจำกัดอยู่บนอุปกรณ์ การแยกแยะนี้ช่วยให้การคำนึงถึงกฎหมายและความสม่ำเสมอเป็นเรื่องง่ายโดยการรักษาพื้นที่ที่ชัดเจนระหว่างข้อมูลองค์กรและสภาพแวดล้อมที่เป็นเจ้าของโดยผู้ใช้

นอกจากนี้ยังกำจัดความจำเป็นในการปรับตัวให้เข้ากับช่องโหว่ของระบบปฏิบัติการ การเอาเปรียบระดับอุปกรณ์ หรือการหลบเลี่ยงแอปส่วนตัวอย่างต่อเนื่อง แทนที่จะเข้าร่วมในวงจรการตรวจจับและการตอบสนองที่ไม่สิ้นสุด องค์กรสามารถนำแบบจำลองที่รัฐของอุปกรณ์เป็นสิ่งที่ไม่สำคัญต่อความปลอดภัยขององค์กร

ในทางปฏิบัติ สิ่งนี้แสดงถึงการเปลี่ยนแปลงพื้นฐาน: จากการพยายามควบคุมสิ่งที่ผู้ใช้ทำบนอุปกรณ์ของตน ไปสู่การรับรองว่า ไม่ว่าพวกเขาจะทำอะไร ข้อมูลองค์กรจะยังคงได้รับการคุ้มครอง

กลยุทธ์ด้านความปลอดภัยที่มีประสิทธิภาพที่สุดไม่ใช่การเอาชนะสภาพแวดล้อมที่ซ่อนอยู่ที่ใหม่หรือภัยคุกคามที่กำลังพัฒนา แต่เพื่อให้แน่ใจว่าสภาพแวดล้อมเหล่านั้นไม่มีคุณค่าใดๆ ที่จะเข้าถึงได้

การปกป้องความเป็นส่วนตัวโดยไม่เสียสละความปลอดภัย

แอปส่วนตัวไม่ใช่ศัตรู พวกมันสะท้อนถึงความต้องการที่ชอบด้วยกฎหมายของผู้ใช้ในการควบคุมข้อมูลส่วนบุคคลและปกป้องความเป็นส่วนตัว แต่เมื่อเครื่องมือเหล่านั้นสร้างสภาพแวดล้อมที่อยู่นอกการมองเห็นขององค์กร พวกมันก็สร้างโอกาสให้กับผู้โจมตี โดยเฉพาะผู้โจมตีที่ใช้ AI เพื่อautomate การค้นหาและการเอาเปรียบ

องค์กรต่างๆ ต้องตระหนักว่าภูมิทัศน์ของภัยคุกคามมือถือได้เปลี่ยนแปลงไป รูปแบบความปลอดภัยที่สร้างขึ้นโดยการเชื่อถืออุปกรณ์ไม่เพียงพอ โดยเฉพาะอย่างยิ่งเมื่อผู้ใช้สามารถสร้างพื้นที่ทำงานที่ซ่อนอยู่ที่หลบเลี่ยงการควบคุมแบบดั้งเดิม และเมื่อผู้โจมตีสามารถใช้ AI เพื่อค้นหาความอ่อนแอเหล่านั้นได้เร็วกว่าที่เคยเป็นมาก่อน

เส้นทางไปข้างหน้าไม่ใช่การกำจัดความเป็นส่วนตัว แต่การออกแบบความคล่องตัวใหม่เพื่อให้ความเป็นส่วนตัวและความปลอดภัยสามารถร่วมมือกัน นั่นหมายถึงการรักษาข้อมูลที่สำคัญออกจากอุปกรณ์โดยสิ้นเชิง การรักษาการมองเห็นที่อยู่ตรงกลาง และการสมมติว่าอุปกรณ์สิ้นสุดใดๆ รวมถึงที่กำลังรันแอปส่วนตัวอาจถูกบุกรุกแล้ว

ในโลกมือถือในปัจจุบัน โดยที่ภัยคุกคามที่ขับเคลื่อนด้วย AI กำลังพัฒนาเร็วกว่าที่มนุษย์สามารถทำได้ อุปกรณ์ที่ปลอดภัยที่สุดคืออุปกรณ์ที่คุณไม่จำเป็นต้องเชื่อถือ