傳統(tǒng)的網(wǎng)絡(luò)安全工具，如反惡意軟件軟件或登錄審計，在2020年是不夠的，需要額外的資源來保護組織及其員工免受網(wǎng)絡(luò)威脅。人工智能（A I）和機器學習（M L）正在網(wǎng)絡(luò)安全空間中取得富有成效的進展。
(資料圖片僅供參考)
我與AI解決方案提供商Fusemachines的技術(shù)副總裁Anish Joshi和SumoLogic安全業(yè)務(wù)部門的總經(jīng)理格雷格·馬?。℅reg Martin）進行了交談，以獲得他們對這一主題的投入。采訪被輕輕地編輯了。
斯科特·馬特森：網(wǎng)絡(luò)安全的共同痛點是什么？
Anish Joshi：應(yīng)用程序中的安全風險在數(shù)量和復(fù)雜性方面都在不斷增加。隨著Web、移動甚至物聯(lián)網(wǎng)（LoT）等技術(shù)的出現(xiàn)，應(yīng)用程序已經(jīng)滲透到個人和職業(yè)生活中，因為它們將技術(shù)用于各種不同的目的，可能會增加其損壞的足跡。也許沒有哪個組織沒有自己的應(yīng)用程序。然而，由于技術(shù)熟練人員短缺等問題，易受威脅的應(yīng)用程序數(shù)量急劇增加，而技術(shù)熟練人員的專門知識是建立和保護這類軟件所必需的。還有一種趨勢是通過外包降低應(yīng)用程序開發(fā)成本，導(dǎo)致創(chuàng)建低質(zhì)量的軟件。
一個更可怕的事實是，應(yīng)用程序安全和隱私正在被缺乏資源來解決這些問題的初創(chuàng)企業(yè)所忽視，并且往往在殘酷的環(huán)境中陷入激烈的競爭。
這一切都歸結(jié)為沒有深入的網(wǎng)絡(luò)安全戰(zhàn)略。隨著技術(shù)滲透到企業(yè)的每一部分，網(wǎng)絡(luò)安全管理成為一項非常繁瑣和苛刻的任務(wù)。許多公司缺乏可靠和系統(tǒng)的基于風險的安全戰(zhàn)略。許多應(yīng)用程序還缺乏應(yīng)用程序安全程序，只有少數(shù)應(yīng)用程序、處理的數(shù)據(jù)和實現(xiàn)的安全控制有更新的積壓。在沒有任何適當知識的情況下保護這些應(yīng)用程序似乎是不可能的。
格雷格·馬?。汗粽咭呀?jīng)學會了在很大程度上自動化他們的攻擊，使攻擊的頻率增加了一個數(shù)量級。正因為如此，警報疲勞、假陽性警報、純粹的攻擊量和可用于分析的原始數(shù)據(jù)量使作出相應(yīng)的反應(yīng)成為人類幾乎不可能完成的任務(wù)。這一切都被公認的網(wǎng)絡(luò)安全中的技能差距/人才短缺放大了。
參見：2020年網(wǎng)絡(luò)安全：八個可怕的預(yù)測（Tech Republic）
斯科特·馬特森：最普遍的風險是什么？
阿尼什·喬希：最普遍的風險是通過釣魚郵件竊取私人和機密信息。當一家公司的員工打開釣魚電子郵件時，這會導(dǎo)致惡意軟件滲透到公司的計算機系統(tǒng)中，最終導(dǎo)致它損失了大量的金錢、商業(yè)秘密以及它的名稱和聲譽。
這不僅影響到整個公司，也影響到個人，因為他們的隱私受到侵犯，他們的信息可以被用來實施欺詐。其中一個例子就是從他們的賬戶里偷錢。
格雷格·馬?。汗舻膹?fù)雜性每天都在進步，我們看到無文件攻擊的顯著增加，這越來越使攻擊者“活在陸地上”，這意味著他們正在利用現(xiàn)有的腳本功能，如Power Shell和現(xiàn)有的網(wǎng)絡(luò)管理工具，在企業(yè)網(wǎng)絡(luò)中傳播和橫向移動。由于這種微妙的活動，需要更多的安全工具來檢測和響應(yīng)，這將為已經(jīng)過度工作、人手不足的SOC[安全操作中心]團隊產(chǎn)生更多的警報和復(fù)雜性。
斯科特·馬特森：人工智能和ML如何幫助解決這些問題？
安尼什·喬希：數(shù)據(jù)并不短缺或不可用，尤其是在這個數(shù)字時代。人工智能和ML可以通過處理和分析大量數(shù)據(jù)來發(fā)現(xiàn)異常趨勢、行為和模式，這就是所謂的異?；蚱墼p檢測。它是幫助金融界制止的重要工具。傳統(tǒng)的方法無法發(fā)現(xiàn)網(wǎng)絡(luò)安全威脅，因為分子正在發(fā)明繞過防火墻的新方法。因此，各組織需要更好地防范黑客的此類攻擊----他們能夠做到這一點的唯一方法是使用人工智能和ML技術(shù)，這些技術(shù)足夠復(fù)雜，足以解決隨著時間的推移而不斷演變的問題。
格雷格·馬丁：提供警報的自動分析使分析人員能夠切斷噪音，并對呈現(xiàn)最大組織危險的警報進行分類。人類根本不能像機器學習驅(qū)動的自動化引擎那樣快速或有效地處理和分析數(shù)據(jù)，人類也不能像自動化那樣快速地滿足需求。自動化可以用于方便ML驅(qū)動的安全事件分類和惡意行為檢測..
斯科特·馬特森：人工智能和ML如何改進網(wǎng)絡(luò)安全措施？
Anish Joshi：密碼保護、真實性檢測、多因素認證是網(wǎng)絡(luò)安全中可以實施的一些措施?？梢允褂肕L算法對密碼的強度進行分類，并幫助建議那些更強、更難猜測的密碼；它們還允許實現(xiàn)更復(fù)雜的認證機制，就像使用AI檢測某些物理特征的生物識別登錄一樣。這種技術(shù)允許應(yīng)用多因素認證，這是一種強大的安全機制，因此系統(tǒng)變得更難滲透。
格雷格·馬?。篈I/ML和自動化大大增強了端點保護，但在我們看來，這項技術(shù)的最大好處是指導(dǎo)安全操作，一旦這些威脅擊中企業(yè)，究竟該如何處理。網(wǎng)絡(luò)活動的日益復(fù)雜化和持續(xù)性要求安全運營團隊重新思考如何使用人員、流程和技術(shù)。使用SIEM[安全信息和事件管理]或日志管理工具將警報關(guān)聯(lián)起來進行人工調(diào)查的陳舊做法已被證明是不稱職的。需要的是對SIEM/SOC平臺的重新設(shè)想的概念，其中智能自動化是減輕當今分析師面臨的數(shù)據(jù)負擔的動力。
斯科特·馬特森：減少威脅涉及什么？
Anish Joshi：減少網(wǎng)絡(luò)安全威脅的幾種方法是關(guān)閉不必要的服務(wù)，使用權(quán)限級別最低的設(shè)置，運行定期的系統(tǒng)安全掃描來保持更新，并確保某些敏感數(shù)據(jù)永遠不會從系統(tǒng)中泄露，從而收緊當前的安全系統(tǒng)。同樣重要的是，要讓一家公司的員工意識到某些安全問題，比如警惕竊取私人信息的釣魚郵件，使用難以猜測的可變密碼，反復(fù)檢查機密文件、信用卡和徽章等個人物品是否無人看管，以加密的格式保存數(shù)據(jù)，以及在任何緊急情況下購買網(wǎng)絡(luò)保險。
格雷格·馬?。簽榘踩僮魈峁┳詣踊ぞ?，以便在干草堆中找到針頭，并在最需要的地方使用寶貴的人類智力。一個熟練的SOC分析師是我們在對抗威脅方面最好的防御；然而，他們提供的大多數(shù)分析和處理都是平凡的，相當于浪費人力資本。理想情況下，人類SOC分析師應(yīng)該專注于更先進和更有價值的任務(wù)，如威脅搜索、威脅情報和歸因。通過使用自動化，這個想法是讓分析人員自由地完成高度重要的任務(wù)，讓自動化完成繁重的工作。
斯科特·馬特森：現(xiàn)實生活中有什么例子？格雷格·馬?。哼@方面的一個很好的例子是，網(wǎng)絡(luò)罪犯能夠隱藏在無法控制的警報數(shù)量和假陽性引起的噪音中，供安全行動分析。83%的組織承認，他們甚至連每天收到的警報的一半都拿不到（富達國際最近的研究）。
我們已經(jīng)看到，在Monero加密貨幣挖掘操作期間，參與者成功地隱藏在噪聲中，在新Linux主機最初感染后，攻擊者建立了一個匿名的收入流。感染后，演員使用Haiduc（一種SSH蠻力工具）自我復(fù)制，并利用其他感染機會而不被檢測到。只有通過自動化的跨源源分析，您才能檢測到高體積、低保真度的事件，并相應(yīng)地進行分類。
斯科特·馬特森：壞人如何發(fā)展他們的策略來克服預(yù)防措施？
阿尼什·喬希：由于人工智能和ML不僅在網(wǎng)絡(luò)安全中被使用，而且在網(wǎng)絡(luò)中也被使用，壞人利用它們來更好地描述他們的受害者并加速攻擊。同樣可以用于欺詐檢測的技術(shù)也可以用來克服現(xiàn)有的安全措施。
格雷格·馬丁：攻擊者本身將使用更大形式的自動化來增加攻擊的頻率和復(fù)雜性。這將是一場持續(xù)不斷的比賽。
SEE：2020年網(wǎng)絡(luò)安全：更有針對性的攻擊，AI不是預(yù)防的靈丹妙藥（Tech Republic）
斯科特·馬特森：戰(zhàn)場要去哪里？
Anish Joshi：隨著技術(shù)的快速發(fā)展，世界將通過計算機系統(tǒng)變得更加互聯(lián)，這為網(wǎng)絡(luò)的發(fā)生開辟了更多的可能性，因為幾乎所有的東西都可以在黑客的范圍內(nèi)。雖然日益復(fù)雜的技術(shù)將導(dǎo)致更強大和安全的系統(tǒng)，但黑客也將有充分的機會利用他們前所未有的力量，以錯誤的目的，如實施欺詐。
下一代網(wǎng)絡(luò)安全產(chǎn)品越來越多地納入人工智能和ML技術(shù)。在Fusemachines，我們正在幫助公司提高對機密數(shù)據(jù)和機密的保護。通過在網(wǎng)絡(luò)安全、網(wǎng)絡(luò)甚至物理信息的大型數(shù)據(jù)集上培訓AI軟件，網(wǎng)絡(luò)安全解決方案提供商的目標是檢測和阻止異常行為，即使它不顯示已知的“簽名”或模式。
隨著時間的推移，公司將把ML納入每一類網(wǎng)絡(luò)安全產(chǎn)品。為了到達那里，F(xiàn)usemachines正在通過提供一套專門的顧問、人工智能工程師和數(shù)據(jù)科學家來幫助公司。
格雷格·馬丁：將自動化與分析師并置于第一線。人的安全操作不會被機器取代；相反，分析人員的技能和有效性將通過自動化來提高，使他們能夠卸載數(shù)據(jù)處理和平凡的任務(wù)，并專注于認知過程機器無法執(zhí)行。
SEE：如何用欺騙技術(shù)構(gòu)建更好的網(wǎng)絡(luò)安全防御（Tech Republic）
我還從身份治理提供商Sailpoint的首席產(chǎn)品官保羅·特魯洛夫那里聽到了他的話：
“讓我們退后一步，看看為什么人工智能（AI）和機器學習（ML）已經(jīng)成為安全的寵兒。這不是因為機器人正在接管，而是因為人類正在接管?；ヂ?lián)網(wǎng)的人口在40億之間，約占世界人口的一半。哪里有人類，哪里就有風險..這意味著網(wǎng)絡(luò)安全已經(jīng)成為我們?nèi)绾翁幚砥髽I(yè)、政府乃至個人生活風險的第一線。
”對組織來說，網(wǎng)絡(luò)安全威脅的數(shù)量正在增加，現(xiàn)實是，如果沒有人工智能和ML等技術(shù)的幫助，人類就無法逃脫這一風險。人工智能和ML是一種力量倍增器，因為它們使IT安全團隊能夠通過快速合成大量數(shù)據(jù)來檢測真正關(guān)注的領(lǐng)域，更快地發(fā)現(xiàn)“威脅干草堆”中眾所周知的針頭。這不僅對IT安全團隊是如此，對身份團隊也是如此，他們在數(shù)字轉(zhuǎn)換過程中面臨著類似的身份多樣性大數(shù)據(jù)問題。這意味著必須在更多的應(yīng)用程序（遺留和云）和數(shù)據(jù)（結(jié)構(gòu)化和非結(jié)構(gòu)化）中管理更多的身份（人和非人）。
“我們看到更多的組織將他們現(xiàn)有的身份管理方法提升到下一個層次。他們正在使用身份來幫助他們理解誰可以訪問重要的應(yīng)用程序和數(shù)據(jù)（以及如何使用這種訪問），同時利用AI和ML來發(fā)現(xiàn)可能對業(yè)務(wù)構(gòu)成風險或可能標志著用戶帳戶受損的用戶訪問領(lǐng)域。
“隨著AI和ML作為身份治理計劃的一部分，企業(yè)有權(quán)管理和發(fā)現(xiàn)有風險的用戶行為，預(yù)測用戶訪問需求，并為通常是數(shù)萬或數(shù)十萬用戶-人類和機器人-自動化安全過程。所有這些用戶都可以訪問業(yè)務(wù)關(guān)鍵系統(tǒng)和應(yīng)用程序。你也可以打賭，這些用戶正在成為黑客的攻擊目標，這就更有理由在網(wǎng)絡(luò)安全和身份板上擁抱AI和ML?！?/p>
通過跟上最新的網(wǎng)絡(luò)安全新聞、解決方案和最佳實踐，加強您的組織的IT安全防御。星期二和星期四交貨
標簽：
