Паскаль Гіненс, віце-президент з питань кібербезпеки, Radware – Серія інтерв’ю

Паскаль Гіненс, віце-президент з питань кібербезпеки, Radware, є дослідником кібербезпеки та технологічним лідером з більш ніж двома десятилітнями досвіду в галузі інформаційних технологій, мережевої безпеки та розвідки загроз. В компанії Radware він допомагає очолювати дослідження та формування думок щодо розвитку кіберзагроз, з особливим акцентом на розподілені атаки на відмову в обслуговуванні, шкідливе програмне забезпечення для Інтернету речей, автоматизовані загрози та зростаюче використання штучного інтелекту як атакувальниками, так і захисниками. Гіненс розробляє та підтримує IoT-пастки в складі команди з безпеки компанії Radware та провів широкомасштабні дослідження загроз, таких як BrickerBot та Hajime. До того, як приєднатися до Radware, він працював інженером-консультантом у Juniper Networks , консультуючи великих постачальників хмарних та комунікаційних послуг по всій Європі, на Близькому Сході та в Африці щодо стратегій програмно визначеної мережі, віртуалізації мережевих функцій та автоматизації центрів даних.

Radware – публічна компанія з кібербезпеки та доставки додатків, яка допомагає підприємствам захищати мережі, веб-сайти, додатки та API в фізичних, хмарних, гібридних та програмно визначених середовищах. Її портфель включає захист від розподілених атак на відмову в обслуговуванні, брандмауери веб-додатків, управління ботами, захист API, контролери доставки додатків та послуги з управління надзвичайними ситуаціями. Об’єднуючи аналіз поведінки, машинне навчання, розвідку загроз у масштабі хмари та автоматичне пом’якшення, технологія Radware призначена для визначення шкідливої діяльності в режимі реального часу, зберігаючи доступ для легітимних користувачів та підтримуючи доступність та продуктивність критично важливих цифрових послуг.

Ви провели майже три десятиліття в галузі кібербезпеки, від підтримки ядра IBM AIX та інженерії інфраструктури до відкриття ботнетів, таких як BrickerBot, JenX та Demonbot, і тепер очолюєте розвідку загроз у Radware. Оглянувшись назад, які найбільші зрушення ви бачили в тому, як атакувальники інновують, і як штучний інтелект змінив ваші очікування щодо того, яким буде наступне покоління кіберзагроз?

Ландшафт загроз зазнав фундаментальної трансформації з одиночних хакерів, які були високо технічними ентузіастами, до кіберзлочинців, які є високо організованими, розвиненими підприємцями. У минулому хакер зазвичай мотивувався самим технічним викликом. Сьогодні комбінація цифрової акселерації та генеративного штучного інтелекту комерціалізувала всю операцію, палив дорослу економіку “Злочинність як послуга” (CaaS). Зловмисні актори фактично змоделювали корпоративну модель “Програмне забезпечення як послуга” (SaaS), продаючи просунуті інструменти будь-кому. Це дозволяє повним новичкам запускати складні атаки у масштабі. По мірі того, як наш цифровий слід розширюється щороку, доступна поверхня атаки та можливості фінансової експлуатації зростають разом з ним.

Штучний інтелект рухає наступний розділ цієї еволюції двома різними способами.

По-перше, він демократизує кіберзлочинність. Він дає аматорським атакувальникам негайний підйом можливостей, а великим синдикатам допомагає оптимізувати свої операції, полишити свої користувальницькі інтерфейси та ринкові свої шкідливі послуги набагато ефективніше.

По-друге, і більш критично, підйом агентного штучного інтелекту в поєднанні з останніми моделями передової технології автоматизує життєвий цикл уразливості. Ми рухаємось до операційної реальності, в якій машини можуть автономно сканувати мережі, виявляти уразливості та зброїти експлойти майже повністю самостійно, працюючи 24/7 та виконуючи дії за порядки величини швидше, ніж будь-який людський захисник.

Штучний інтелект драматично знижує технічний бар’єр для атакувальників. Які наступні наступальні можливості штучного інтелекту турбують вас найбільше протягом наступних трьох-п’яти років, і які з них, на вашу думку, зараз отримують більше уваги, ніж вони заслуговують?

Область, яка зараз потребує найбільшої уваги, – це штучно-інтелектуальна підтримка відкриття уразливостей та їх використання. Момент, коли виявляється уразливість, починається перегон. Атакувальники використовують штучний інтелект для миттєвого аналізу уразливості, визначення місця її застосування та генерації та тестування варіантів експлойтів. Це повністю стискає термін використання уразливості, який вже рухався занадто швидко для більшості процесів управління патчами підприємств.

Одночасно ми бачимо великий зсув до місцевих, безперервних систем штучного інтелекту. Зокрема, підйом “місцевих агентів з серцем”. Прикладом є OpenClaw та недавнє оголошення Microsoft (MSFT ) про інтеграцію OpenClaw у панель інструментів кожного співробітника. На відміну від стандартних хмарних помічників, ці місцеві агенти працюють постійно у фоновому режимі, безпосередньо на машині співробітника. Вони працюють через безперервні цикли та імітують дії людини, такі як набір тексту та автоматизація браузера. Це робить практично неможливим для стандартних систем безпеки відокремити співробітника від штучного інтелекту. Через те, що користувачі будуть невиправдано надавати цим агентам широкі системні дозволи, щоб виконувати свою роботу, агенти можуть обійти безпечні API-конектори, просто використовуючи місцеві браузери для натискання посилань та кнопок. Якщо ці автономні місцеві агенти будуть піддані прямій чи непрямій атаці за допомогою ін’єкції промпта, загроза може маніпулювати ними для витягування, зміни чи знищення корпоративних даних без традиційного сліду.

Перегороджена ризик – це потенціал повністю автономних, нуль-деньових експлойтуючих штучно-інтелектуальних роїв, які можуть спонтанно атакувати складні підприємства у масштабі з нуля. Це може з’явитися згодом, але зараз це не проблема. Сьогодні проблема полягає в людях-експертах-атакувальниках з покращеними інструментами та автоматизацією та збільшенням кількості менш досвідчених атакувальників, які можуть зробити більше, ніж раніше.

Вікно між відкриттям уразливості та активним використанням продовжує скорочуватися. Наскільки штучний інтелект прискорив цей термін, і які зміни повинні зробити команди безпеки підприємств, щоб залишатися впереди?

Це двогранний перегон: з одного боку ви маєте перегон для відкриття, виправлення та розкриття нових уразливостей до того, як це зроблять погані хлопці, а з іншого боку – перегон для патчу уразливостей до того, як погані хлопці запустять експлойт. Штучний інтелект знаходиться в центрі обох перегонів.

Захисники повинні мати справу з збільшенням кількості уразливостей і мають усе менше часу для реагування. Як тільки уразливість стає публічною, атакувальники швидко рухаються через основні кроки. Що саме постраждало? Чи можна до нього дістатися з Інтернету? Чи можна експлойт повторити та адаптувати для роботи в різних середовищах? Штучний інтелект допомагає з кожним з цих кроків, підсумовуючи уразливість, переглядаючи код доказів концепції, пропонуючи зміни та автоматизуючи сканування, експлуатацію та обробку результатів.

Патчування не може бути єдиним годинником, який слід контролювати командам безпеки. Це необхідно, але зазвичай повільніше, ніж термін атакувальників, особливо для виробничих, Інтернет-орієнтованих додатків та API. Команди повинні знати, що саме піддано впливу, що саме уразливе на практиці та які саме бізнес-сервіси та ресурси будуть постраждали, коли вони будуть вражені.

Щоб закрити цю критичну вразливість, захисники повинні перейти від реактивного, патч-орієнтованого мислення до автоматизованого, захисного моделі шляхом реалізації середовищно-специфічних реальних захистів. Замість того, щоб покладатися на загальні, універсальні підписи або примушувати команди операцій спішно вводити невалідовані оновлення програмного забезпечення у виробництво, організації повинні почати покладатися на безперервне, автоматичне відкриття кінцевих точок API та онлайн-бізнес-логіки разом з автоматичною розвідкою програмного забезпечення (SBOM), поєднаною з розвідкою загроз щодо останніх уразливостей та загроз для динамічного генерації налаштованих віртуальних патчів. Розгортання цих контекстно-чутливих захисту на веб-додатках та кінцевих точках API блокує спроби експлуатації на рівні виконання до того, як вони зможуть досягти уразливої додаткової логіки. Це тип автоматичного перехоплення дозволяє командам безпеки придбати вікно виправлення, дозволяючи їм повністю протестувати та безпечно розгорнути оновлення програмного забезпечення за керованим графіком без піддання бізнесу негайному ризику чи простою.

Організації швидко розгортають додатки та агенти штучного інтелекту, які сильно залежать від API. Чи недооцінюють підприємства ризики безпеки, які це створює, і які найбільші помилки ви зараз бачите?

Так, багато підприємств усе ще недооцінюють ризики, оскільки вони все ще вважають агенти штучного інтелекту додатками для захисту та безпеки штучного інтелекту питаннями даних, а не операційними загрозами. Проблема, яку ми бачимо зараз, – це фундаментальне непорозуміння агентської агентності. Для того, щоб місцевий агент штучного інтелекту був справді ефективним та економив час співробітника, користувачеві потрібно передати йому всі свої дозволи доступу. Це означає, що агент фактично успадковує ідентичність співробітника та довірений доступ до корпоративних додатків, сесій браузера та локальних файлів. Навіть якщо організація активно моніторить та обмежує конектори агентів штучного інтелекту, ці місцеві агенти можуть взаємодіяти з системами, імітуючи поведінку людини, наприклад, автоматизацію браузера. Корпоративні системи безпеки стають повністю нездатними розрізняти справжнього співробітника та автоматизований агент.

Ця делегація довіри стає надзвичайно небезпечною через те, як великі мови обробляють інформацію: моделі штучного інтелекту не розрізняють дані та інструкції. Коли агенту надається широкий доступ до системи для виконання своєї роботи, це стає надзвичайно легким для загрозника маніпулювати ним через непряму ін’єкцію промпта. Загрозник може просто розмістити шкідливі інструкції всередині електронної пошти, PDF-документа чи веб-сторінки, яку агент доручено читати. Модель обробляє недовіру дані як команду, повністю обходячи усвідомлення користувача. Раптом простий інструмент, призначений для підсумовування документів, маніпулюється для автономного експорту конфіденційних даних, зміни корпоративних даних чи установки шкідливого програмного забезпечення, все приховуючись за законними даними користувача.

Ви провели роки, досліджуючи шкідливе програмне забезпечення для Інтернету речей та ботнети. Як ви бачите, штучний інтелект перетворює наступне покоління ботнетів? Чи можемо ми колись побачити автономні ботнети, які можуть адаптувати свою тактику без прямого людського втручання?

Ботнет-оператори ніколи не сиділи на місці. Оператори ротають有效ні вантажі, реалізують нові уразливості, постійно сканують застарілі пристрої та зміщують свою командну інфраструктуру, коли захисники наздоганяють. Агенти штучного інтелекту можуть серйозно прискорити ці цикли, чи то ідентифікація уразливостей, генерація експлойтів чи управління інфраструктурою.

Автономні ботнети не є фантастикою. Brickerbot був одним із перших автономних ботів. Він сидів тихо та чекав на пристрої, заражені Mirai, щоб спробувати скомпрометувати його пристрій, і потім помстився, проведячи контратаку на вразливий пристрій, використовуючи відбиток пристрою та вибір найбільш підходящих уразливостей для отримання доступу до пристрою. Врешті-решт, Brickerbot знищив заражений пристрій. Бот діяв як система експертних правил, схожа на ранні системи штучного інтелекту. Інший ботнет, який справив враження на спільноту безпеки понад десяти років тому, – Hajime. Це був один із перших ботнетів типу “peer-to-peer”. Використовуючи розподілені хеш-таблиці Torrent, Hajime міг бути контрольований та оновлений децентралізовано, не потребуючи центральної інфраструктури командування та контролю, і тому був майже неможливим для виведення з ладу.

Є кілька обговорень у спільноті безпеки щодо потенціалу ботнету, побудованого на місцевих агентських рамках штучного інтелекту, таких як OpenClaw. Це не традиційні ботнети на основі коду, а ботнети, керовані повністю контекстом. Коли місцеві агенти обробляють зовнішні дані, атакувальники не потребують традиційної програмної уразливості, щоб захопити ці машини; їм просто потрібно обманути основну мовну модель. Це дає їм доступ до потужної термінальної виконання, автоматизації браузера та, можливо, інших “навичок”.

Спільнота конкретно говорить про кілька ключових елементів, які роблять масовий “OpenClaw ботнет” життєздатним:

• Оскільки OpenClaw постійно споживає зовнішні дані (наприклад, моніторинг питань GitHub, читання входящих повідомлень Slack/Telegram або підсумовування веб-сторінок), атакувальники можуть розмістити шкідливі інструкції в публічних даних. Якщо агент користувача обробляє ці дані, ін’єкція промпта може перекрити системні інструкції та змусити агент підключитися до сервера командування та контролю (C2), контрольованого атакувальником.
• Дослідники безпеки відзначили, що агенти OpenClaw мають можливість використовувати шифровані канали зв’язку між агентами чи агентом (наприклад, спільні навички, такі як ClaudeConnect). Кіберзлочинці розуміють, що можуть використовувати ці канали зв’язку для координації між захопленими агентами, повністю обходячи традиційні мережеві брандмауери та моніторинг кінцевих точок.
• Безпекові сканиування показали, що десятки тисяч наївних користувачів запускають екземпляри OpenClaw на серверах хмарних послуг та випадково піддають інтерфейси управління HTTP безпосередньо Інтернету. Це величезна маса вразливих, високопривілейованих середовищ, яку можуть націлити загрозники.
• Оскільки OpenClaw сильно залежить від “навичок”, завантажених з публічних репозиторіїв, таких як ClawHub, атакувальники завантажують здавалося б безпечні навички (наприклад, “Що зробив би Ілон”), які містять приховані інструкції. Як тільки навичка встановлена, агент наказується виконувати фоновими команди або завантажувати шкідливе програмне забезпечення, ефективно вербуючи машину господаря до ботнету, не давши користувачеві жодного підозрілого попередження про файл.

Врешті-решт, консенсус спільноти полягає в тому, що OpenClaw є головною мішенню для світу першого справжнього агентського ботнету. Замість ботнету, побудованого з компрометованих маршрутизаторів чи пристроїв Інтернету речей, які запускають сценарії DDoS, ботнет OpenClaw складатиметься з високо здатних, повністю автентифікованих машин, які загрозники можуть командувати для крадіжки облікових даних, зміни даних чи організації масштабних атак на ланцюг постачання на швидкості машин.

Що стосується автоматизованих ботів, які змінюють тактику та адаптуються без прямого людського втручання, використовуючи центральну мовну модель як свій мозок, це не зовсім фантастика, але це не те, що досвідчені ботнет-оператори будуть схвалювати. Ботнети – це активи. Автоматизація, яка неправильно поводиться, може викрити інфраструктуру, привернути увагу занадто рано, викрити оператора або надмірно спалити токени. Атакувальники будуть використовувати автоматизацію там, де це їм допоможе рухатися швидше, але вони навряд чи відмовляться від контролю над рішеннями, які можуть спалити доступ, викрити інфраструктуру або нашкодити прибуткам.

Я б не зовсім ігнорував би або виключав би цей ризик. По мірі того, як ми рухаємось до штучного інтелекту на краю та нових розумних пристроїв, все частіше оснащених місцевими малими мовними моделями (SLM), я бачу, як загрозники-опортуністи йдуть за низькими яблуками та вкладають допоміжну функціональність ботнетів у свої ботнети. Як мінімум їм не доведеться платити за надмірне використання токенів, коли місцевий SLM починає цикл на занадто складному промпті чи контексті, який став надто великим.

Кампанії хактивістів та великомасштабні атаки DDoS стають дедалі більш поширеними. Чи стають ці групи більш складними, чи штучний інтелект та легко доступні інструменти атак просто роблять складні атаки доступними для набагато ширшої аудиторії?

І те, і інше. Деякі хактивістські групи стали дійсно краще організованими. Деякі групи, такі як іконічна NoName057(16), активно проводять атаки DDoS щодня з лютого 2022 року. У них був час покращити свої інструменти, побудувати вірну спільноту та навчитися вибирати цілі, які привертають увагу, проводити атаки вчасно з політичними подіями та використовувати публічні заяви для створення тиску. Для хактивістів повідомлення важливіше, ніж самі порушення.

Одночасно інструменти стали легше доступними, ніж раніше. Послуги DDoS за замовленням, ботнети, проксі-мережі, витеклі скрипти та навчальні матеріали дозволили будь-кому з обмеженими навичками приєднатися до кампанії та відчувати себе частиною чогось більшого. Штучний інтелект додає допомогу з кодуванням, дослідження цілей, переклад кампаній та базову автоматизацію на додаток до цього.

Цілі відчувають вплив будь-яким чином, незалежно від того, чи атака здійснюється досвідченою групою, керованою ідеологією, чи одиноким вовком, найнятим конкурентом, який орендує інфраструктуру атаки DDoS. Веб-сайт, який лежить, впливає на клієнтів. Недоступна публічна служба привертає увагу громадян. Достатньо шуму, і виконавці та команди зв’язків з громадськістю повинні реагувати, незалежно від того, хто знаходиться за клавіатурою.

По мірі того, як підприємства прискорюють інтеграцію генеративного штучного інтелекту в свої операції, які нові поверхні атак з’являються, яких лідери безпеки можуть ще не повністю оцінити?

Відповідь визначається тим, до чого може дістатися агент штучного інтелекту. Як тільки він отримує доступ до внутрішніх документів, коду, конвеєрів CI/CD, ключів API чи інструментів DevOps, поверхня атаки розширюється швидко. Щоб бути корисним, агенту потрібно мати агентство, інакше це не більше, ніж огорнутий чат-бот. Питання тоді стає тим, що саме агент може робити. Які конфіденційні дані він може читати? Чи може він змінити квиток або рахунок клієнта в CRM? Чи може він запустити код? Чи може він викликати зовнішню службу? Чи може він розкрити дані через виклик інструменту?

Непряма ін’єкція промпта стає ще більш серйозною в такому середовищі. Якщо агент обробляє недовіру дані та потім діє, промпт може стати шляхом у робочий процес. Це відрізняється від чат-бота, який відповідає на питання.

Штучний інтелект зараз використовується як атакувальниками, так і захисниками. Чи вважаєте ви, що захисний штучний інтелект врешті-решт збереже темп з наступальним штучним інтелектом, чи організації будуть зіштовхуватися з дедалі більш асиметричною битвою протягом наступних років?

Штучний інтелект створює дисбаланс, який на користь атакувальника. Це не тому, що захисні моделі штучного інтелекту гірші. Насправді використання штучного інтелекту в захисті дуже ефективне для фільтрації щоденного шуму та прискорення реагування на інциденти. Проблема полягає в структурному розриві в операційній швидкості та обмеженнях.

Історично, коли виявлялася уразливість, команди безпеки мали малий вікно часу для розгортання патчу до того, як загрозники зброїли її. Сьогодні агентний штучний інтелект стиснув це вікно до майже нуля. Автоматичні інструменти можуть знайти уразливість та миттєво згенерувати націлений експлойт. Традиційний процес управління патчами, керований людиною, просто не може конкурувати з автоматизованим конвеєром, який працює безперервні атакуючі цикли.

Крім того, дві сторони працюють під різними правилами. Атакувальники не зустрічають жодних обмежень щодо відповідності, етики чи операційної простою. Вони можуть розгортати налаштовані агенти штучного інтелекту для запуску необмежених, великомасштабних кампаній. Захисники, з іншого боку, повинні працювати детермінічно. Захисний штучний інтелект не може сліпо ізолювати основну виробничу базу даних або скасувати дозволи виконавця тільки на підставі високої ймовірності аномалії. Захисники потребують верифікації для захисту бізнес-цілісності, і затримка, введена цими необхідними перехватчиками, саме те, що автоматизовані атаки використовують.

Врешті-решт, лідерство безпеки буде визначатися не тим, хто володіє “розумнішим” штучним інтелектом, а тим, хто закриває цю архітектурну прогалину швидкості. Організації, які розглядають штучний інтелект тільки як стандартний інструмент безпеки, будуть перегрузжені швидкістю сучасних загроз. Успіх вимагає переробки інфраструктури для дозволу захисному штучному інтелекту ізолювати та містити загрози автономно.

Багато команд безпеки продовжують покладатися на традиційні метрики безпеки та методи виявлення. По мірі того, як атаки стають швидшими та більш автоматизованими, які індикатори чи поведінку повинні організації пріоритезувати замість цього?

Більшість метрик безпеки все ще сильно фокусуються на активності: спрацьовані сигнали, заблоковані атаки чи виявлені уразливості. Хоча ці числа корисні для вимірювання реагування на інциденти, вони не дають уявлення про реальну вразливість організації. Вони кажуть захисникам, що вони виявили, але не показують їм сліпі місця, які залишаються відкритими до тих пір, поки атакувальник не використовує їх.

У епоху автоматизованих загроз покладатися на реактивні метрики вже не життєздатно. Як тільки організація стає ціллю, швидкість атаки вимагає активного управління. Управління поверхнею атаки в режимі реального часу зараз обов’язкове. Захисники потребують безперервної видимості конкретних операційних ризиків: які критичні додатки та API піддаються впливу Інтернету? Які уразливості існують всередині них?

Істинна стійкість виникає з підключення контексту поверхні атаки до поведінкового виявлення та розвідки загроз. Понимаючи точно, що саме піддано впливу, та як воно поводиться, команди безпеки можуть передбачати та блокувати раніше невідомі атаки.

Врешті-решт, операційна швидкість залишається критичним індикатором успіху, але захисники повинні вимірювати правильне вікно часу: як швидко ми виявляємо, що нова уразливість впливає на підданий впливу систему, та як швидко ми можемо поставити компенсуючий контроль, щоб захистити її? Ця конкретна швидкість є справжнім міркуванням того, чи може програма безпеки витримати високошвидкісні атаки у масштабі.

Оглянувшись на п’ять років вперед, яка, на вашу думку, буде визначальною кібербезпекою викликом епохи штучного інтелекту, і що повинні робити керівники з інформаційної безпеки (CISO) та команди безпеки, щоб сьогодні почати готуватися до цього?

Оглянувшись на п’ять років вперед, визначальною кібербезпекою викликом епохи штучного інтелекту буде управління та захист автономних відносин, які не включають людей. По мірі того, як організації рухаються від окремих чат-ботів до взаємопов’язаних, багатокомандних систем, які мають агентство для виконання фінансових транзакцій, зміни джерельного коду та зміни інфраструктури хмарних послуг, традиційні безпекові кордони зруйнуються. За п’ять років підприємство не буде керувати тільки людськими співробітниками та статичним програмним забезпеченням; воно буде наглядати за тисячами автономних агентів штучного інтелекту, які взаємодіють один з одним, корпоративними даними та зовнішніми системами третіх сторін.

Видимість агентських систем по всій організації буде обов’язковою. До того, як агенти розгортатимуться, керівники з інформаційної безпеки повинні створити централізований реєстр, який визначає чітке володіння кожним розгорнутим агентом, дані моделі та репозиторії, які агент авторизований читати, та інструменти, API та системні команди, які йому дозволено викликати. Керівники з інформаційної безпеки також повинні зобов’язати розгортання агентських технологій використовувати стандартизовані, верифіковані протоколи зв’язку для забезпечення того, щоб усі інтеграції інструментів були суворо протокольовані.

За п’ять років захист API та онлайн-додатків вже не буде полягати в управлінні конфігураціями, блокуванні відомих підписів чи патчуванні уразливостей; це буде автоматична війна логіки проти логіки. По мірі того, як загрозники розгортають повністю автоматизовані, контекстно-чутливі агентські конвеєри, які можуть зворотно інжинірити бізнес-логіку додатку протягом секунд після відкриття, традиційні веб-додатки-брандмауери (WAF) стануть застарілими. Захист цієї ландшафту буде вимагати переходу до автономних, контекстно-керованих архітектур.

Атакувальники будуть використовувати моделі передової технології для повної автоматизації циклу відкриття та використання логічних уразливостей API (наприклад, Broken Object Level Authorization, або BOLA). Замість пошуку відомих програмних уразливостей автоматизовані атакуючі боти будуть картографувати всю схему API додатку, розуміти, як тече дані, та динамічно генерувати точні, високоадаптовані послідовності有效них вантажів для маніпулювання бізнес-логікою. Через те, що ці атаки використовують дійсний синтаксис та легітимні виклики API, порогові обмеження швидкості та виявлення підписів будуть повністю сліпими до них.

Щоб протидіяти автоматизованому відкриттю, захисники повинні досягти реального, безперервного бачення своєї підданої архітектури. Команди безпеки не можуть покладатися на статичну документацію чи застарілі каталоги API. Захисний штучний інтелект повинен безперервно сканувати кожну активну кінцеву точку API, мікросервісні відносини та онлайн-робочі процеси додатків у гібридних хмарних середовищах. Це автоматичне бачення повинно бути поєднане з динамічним програмним забезпеченням (SBOM), щоб миттєво підключити нове глобальне розкриття уразливості до конкретних внутрішніх рядків коду, які піддаються впливу Інтернету.

Через те, що автоматизовані атаки будуть змішуватися з легітимним трафіком користувачів, захист повинен перейти повністю до контекстно-поведінкового аналізу. Захисний штучний інтелект повинен профіль стандартної поведінки кожного клієнта API, токена та ідентифікатора користувача. Він повинен моніторити намір та послідовність викликів API, а не тільки входи. Якщо автоматизований сценарій атакувальника починає шити разом легітимні виклики API в аномальній послідовності для витягування даних чи перевірки логічної уразливості, система повинна розпізнати структуру відхилення наміру та втрутитися миттєво.

Істинна міра стійкості буде полягати в тому, як швидко організація може стиснути вікно між відкриттям уразливості та її виправленням. Чекати, поки команди розробників напишуть, протестують та розгорнуть оновлення коду у виробництво, буде фатальною стратегією. Істинний захист буде залежати від автоматичного, контекстно-чутливого віртуального патчування на рівні виконання. Надсилаючи дані про загрози та відкриття API безпосередньо до захисних двигунів штучного інтелекту на краю, інфраструктура автоматично генеруватиме та розгортатиме налаштовані віртуальні патчі для перехоплення та блокування спроб експлуатації до того, як вони зможуть торкнутися уразливої додаткової логіки.

Дякуємо за велике інтерв’ю, читачі, які бажають дізнатися більше, повинні відвідати Radware.