รามูเต วาร์เนลайте, ซีอีโอของ IPXO – ซีรีส์สัมภาษณ์

รามูเต วาร์เนลайте, ซีอีโอของ IPXO, มีประสบการณ์การเป็นผู้นำเชิงพาณิชย์มากกว่า 15 ปี และได้รับการแต่งตั้งให้ดำรงตำแหน่งผู้นำบริษัทตั้งแต่ปี 2025 ในบทบาทของเธอ เธอขับเคลื่อนการเติบโตเชิงกลยุทธ์, ความเป็นเลิศในการดำเนินงาน และการวางตำแหน่งตลาด เพื่อให้ IPXO ยังคงอยู่ในระดับแนวหน้าของนวัตกรรมในการเช่าและการจัดการที่อยู่ IP

IPXO, หรือองค์กรแลกเปลี่ยนโพรโทคอลอินเทอร์เน็ต, ก่อตั้งขึ้นในปี 2021 เพื่อแก้ไขปัญหาการขาดแคลนที่อยู่ IP ทั่วโลก โดยการสร้างแพลตฟอร์มการเช่าและการทำเงินแบบไดนามิก มันเติบโตเป็นตลาดที่มีการใช้การอัตโนมัติเต็มรูปแบบที่ใหญ่ที่สุดสำหรับการเช่า IP ที่อยู่ทั่วโลก แพลตฟอร์มนี้สนับสนุนล้านๆ ที่อยู่ IP ทั่วโลก โดยมีความสัมพันธ์ที่แข็งแกร่งกับสำนักทะเบียนอินเทอร์เน็ตระดับภูมิภาค และมีภารกิจในการสร้างระบบนิเวศ IP ที่เป็นเอกภาพและมีประสิทธิภาพ

เราจะพูดถึงวิธีการที่ IPXO ใช้การสร้างโปรไฟล์ความเสี่ยงตามพฤติกรรมและการเรียนรู้ของเครื่องจักรเพื่อแยกแยะระหว่างการทำงานอัตโนมัติของ AI ที่ไม่เป็นอันตรายและการทำงานของบอทที่เป็นอันตราย การสนทนาครั้งนี้จะสำรวจการเพิ่มขึ้นของตัวแทน AI ในการจราจรอินเทอร์เน็ต ความท้าทายด้านความปลอดภัยของ ISP และกลยุทธ์ในการสร้างสมดุลระหว่างความปลอดภัยและประสิทธิภาพในการดำเนินงาน

แนวโน้มใดที่นำไปสู่ข้อสรุปของคุณว่าตัวแทน AI มากกว่าบอทที่ใช้ในการขุดค้นข้อมูลเป็นสิ่งที่ครอบงำรูปแบบการจราจรในหลายองค์กร?

บอทมีอยู่ทุกที่แล้ว และมีปริมาณมากกว่าการจราจรของมนุษย์ มากกว่าหนึ่งในสามของการจราจรบอทประกอบด้วยส่วนแบ่ง “บอทที่ไม่ดี” ซึ่งนำไปสู่กิจกรรมที่เป็นอันตรายมากมาย แนวโน้มนี้ชัดเจนในรายงานเหตุการณ์ต่างๆ เมื่อบริษัทสืบสวนการจราจรที่ไม่ปกติหรือเป็นอันตราย การใช้ API ที่ไม่ปกติ หรือความไม่ปกติอื่นๆ หลักฐานแสดงให้เห็นว่าระบบอัตโนมัติหลายระบบมีพฤติกรรมเหมือนตัวแทน AI เนื่องจากพวกมันปลอมตัวเป็นเบราว์เซอร์หรืออุปกรณ์ที่แตกต่างกัน (การปลอมแปลงตัวแทนผู้ใช้) การเปลี่ยนแปลง IP อย่างรวดเร็ว (การหมุน IP อย่างรวดเร็ว) และไม่สอดคล้องกับการกระทำของบอทที่ใช้ในการขุดค้นข้อมูลโดยทั่วไป

สัญญาณพฤติกรรมใดที่ใช้ในการสร้างโปรไฟล์ความเสี่ยงของ IP เช่น ความถี่ของคำขอ หัวข้อ หรือรูปแบบทางภูมิศาสตร์?

สามารถประเมิน “คะแนนชื่อเสียง” ของ IP ได้โดยไม่ต้องดูเนื้อหาของคำขอ แต่เพียงแค่สังเกตพฤติกรรมของมันในเครือข่าย รูปแบบที่ไม่ปกติเหล่านี้เป็น “เนื้อหาที่ไม่ขึ้นอยู่กับเนื้อหา” ซึ่งหมายความว่าคุณไม่ต้องการข้อมูลจริงๆ เมตาดาต้าและพฤติกรรมเฉพาะเพียงพอในการประเมินความเสี่ยงของ IP

ระบบของคุณแยกแยะระหว่างการทำงานอัตโนมัติของ AI ที่ไม่เป็นอันตรายและการกระทำที่เป็นอันตราย เช่น การขุดค้นข้อมูล บอทเน็ต หรือการเติมข้อมูลเข้าไปในแบบฟอร์มโดยไม่ต้องตรวจสอบเนื้อหาของพेलโหลด?

เป็นสิ่งสำคัญที่จะต้องพิจารณาว่าระบบอัตโนมัติทำงานอย่างไรในช่วงเวลาหนึ่ง ไม่ใช่แค่สิ่งที่มันขอเท่านั้น บอทที่ “ดี” มักจะคาดเดาได้ มีโครงสร้างและขั้นตอนที่ต้องปฏิบัติตาม บอทที่เป็นอันตรายมักจะกระโดดไปมาอย่างไม่คาดเดา ใช้ตัวระบุแบบใช้ครั้งเดียว และรักษาเสถียรภาพ “เหมือนเครื่องจักร” และกระจายคำขอไปทั่วหลายเซิร์ฟเวอร์เพื่อหลีกเลี่ยงการตรวจจับ

คุณสามารถอธิบายได้อย่างไรว่าผู้ให้บริการอินเทอร์เน็ตที่มีอยู่ต้องดิ้นรนในการจัดการกับการจราจรพร็อกซี่ที่เพิ่มขึ้นขณะยังคงรักษาความปลอดภัยที่แข็งแกร่งต่อการโจมตีทางไซเบอร์?

โพรโทคอลสมัยใหม่ซ่อนรายละเอียดการเชื่อมต่อเพิ่มเติมเพื่อเพิ่มความเป็นส่วนตัว ดังนั้นจึงยากและแพงกว่าสำหรับผู้ให้บริการอินเทอร์เน็ตในการประเมินประเภทของการจราจรและจำแนกมันอย่างถูกต้อง เนื่องจากยากที่จะเห็นสิ่งที่อยู่ภายใน ผู้ให้บริการอินเทอร์เน็ตจึงพึ่งพาพฤติกรรมของการจราจร ไม่ใช่เนื้อหา การดิ้นรนอยู่ที่การเปลี่ยนแปลงวิธีการจากการที่พึ่งพาการตรวจสอบการจราจรเป็นหลัก ซึ่งเพิ่มต้นทุนการดำเนินงาน และการรวมเครื่องมือข่าวกรองภัยคุกคามใหม่ๆ เพื่อเข้ากับแนวทางใหม่

ผู้ให้บริการอินเทอร์เน็ตต้องเผชิญกับการแลกเปลี่ยนด้านความปลอดภัยอย่างไรหากพวกเขาลดข้อจำกัดเพื่อรองรับการจราจรของตัวแทน AI?

การลดข้อจำกัดอาจลดผลบวกเท็จและความต้านทาน เพื่อรักษาการทำงานของตัวแทนให้เรียบง่าย แต่ก็อาจเพิ่มจำนวนภัยคุกคามและโจมตีได้เช่นกัน เนื่องจาก “ส่วนแบ่งบอทที่ไม่ดี” มีจำนวนมากแล้ว วิธีการประนีประนอมระหว่างสองสิ่งนี้อาจเป็นแนวทางการควบคุมความเสี่ยงที่มีน้ำหนัก ตัวอย่างเช่น หากมีการจราจรที่น่าสงสัย ขั้นตอนแรกอาจเป็นการชะลอการจราจรแทนที่จะปิดกั้นการจราจรทั้งหมด

เทคโนโลยีหลักใดที่ขับเคลื่อนการให้คะแนนความเสี่ยงแบบเรียลไทม์ของคุณ – คุณใช้การเรียนรู้ของเครื่องจักร, ข้อมูลข่าวกรองภัยคุกคาม, หรือการตรวจจับพฤติกรรมที่ผิดปกติ?

เรใช้การผสมผสานระหว่างการตรวจสอบข้อมูลสดและการประเมิน, การเรียนรู้ของเครื่องจักร, และเครื่องมือข่าวกรองภัยคุกคามต่างๆ เป้าหมายคือการระบุความไม่ปกติในพฤติกรรมอย่างรวดเร็ว และเข้าใจความตั้งใจของการจราจรและว่ามีเหตุผลที่เชื่อว่ามันเป็นอันตรายหรือไม่

ระบบของคุณรวมเข้ากับกระบวนการทำงานของ ISP หรือองค์กร SOC ที่มีอยู่อย่างไร – สามารถกระตุ้นการแจ้งเตือนหรือการบรรเทาผลกระทบโดยอัตโนมัติได้หรือไม่?

ใช่ ระบบของเราสามารถส่งการแจ้งเตือนไปยังกระบวนการทำงานที่มีอยู่ และสามารถปิดกั้นภัยคุกคามบางอย่างที่ระดับเครือข่ายได้ ระบบสามารถทำงานในหลายโหมด ขึ้นอยู่กับการยอมรับความเสี่ยง

ระบบการสร้างโปรไฟล์นี้ได้พบกับรูปแบบการโจมตีหรือกรณีการใช้งานที่ไม่เหมาะสมอย่างไม่คาดคิดในช่วงการทดสอบหรือการนำไปใช้หรือไม่?

ใช่ มีหลายกรณี ตัวอย่างหนึ่งที่สามารถพบได้ในอุตสาหกรรมคือ “การค้นหาที่หลอกลวง” เมื่อโมเดลภาษาขนาดใหญ่สร้าง URL ที่ไม่มีอยู่จริงและพยายามดึงข้อมูลจาก URL เหล่านั้น หรือการเพิ่มขึ้นของคำขอที่ซ้ำกันทุกๆ ช่วงเวลา เช่น ทุกๆ 15 นาที หรือทุกๆ ชั่วโมง รูปแบบเหล่านี้มีประโยชน์สำหรับเราในการปรับปรุงการตรวจสอบพฤติกรรมและลดผลบวกเท็จ

มีผลกระทบด้านความเป็นส่วนตัวและความปลอดภัยอย่างไรในการสร้างโปรไฟล์ตามพฤติกรรมโดยไม่ต้องตรวจสอบเนื้อหาที่เข้ารหัส – โดยเฉพาะอย่างยิ่งภายใต้กฎหมายการคุ้มครองข้อมูลทั่วโลก?

เมตาดาต้าตามพฤติกรรมสามารถถือเป็นข้อมูลส่วนบุคคล แต่ก็มีข้อยกเว้น ตัวอย่างเช่น หากมีความสนใจที่ชอบด้วยกฎหมาย สามารถอธิบายได้ และจำเป็นต่อการตรวจสอบความปลอดภัย ทั้งนี้ความสนใจในการเข้าถึงและปริมาณข้อมูลที่เก็บไว้จะต้องสอดคล้องกับความเสี่ยงที่กำลังประเมิน

คุณป้องกันการแจ้งเตือนเท็จจากการตีตราบอทอัตโนมัติที่ไม่เป็นอันตราย เช่น บอทค้นหาข้อมูลวิจัยหรือตัวแทน AI ที่ได้รับการอนุมัติให้เป็นภัยคุกคามทางไซเบอร์ได้อย่างไร?

เราทดสอบการป้องกันใหม่ๆ และกฎก่อนที่จะนำไปใช้ เราประเมินหลายสัญญาณก่อนที่จะดำเนินการใดๆ และใช้การท้าทายแบบอ่อนๆ ก่อนเพื่อทดสอบความถูกต้องของการจราจร แทนที่จะปิดกั้นการจราจรทันที มันเป็นเช็คลิสต์หลายชั้นที่ถูกปรับปรุงอย่างต่อเนื่อง

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม IPXO เพื่อเรียนรู้เพิ่มเติม