استفاده از قدرت XDR مبتنی بر هوش مصنوعی – شماره 4 2022

علاوه بر این، AI/ML می‌تواند تیم‌های امنیتی را قادر سازد تا سر و صدای تولید شده توسط سیل دائمی هشدارهای تهدید را کاهش دهند، و به متخصصان امنیتی این امکان را می‌دهد که زمان کمتری را صرف بررسی هشدارها و تعقیب موارد مثبت کاذب کنند و زمان بیشتری را برای بهبود وضعیت امنیتی کلی سازمان صرف کنند.

اگر SIEM ها می توانستند به آن پرسنل برای رسیدگی به همه آن هشدارها کمک کنند، یک چیز است، اما این کار را نمی کنند. آنها به سادگی به تهدیدات بالقوه ای اشاره می کنند که نیازمند تحقیقات انسانی برای یافتن ارتباط بین هشدارهای تولید شده برای تعیین اینکه آیا یک تهدید واقعی وجود دارد یا خیر، و سپس یک پاسخ دستی انجام می دهند.

در غیاب راه‌حل‌های نظارت هم‌زمان، آن‌ها ممکن است بتوانند به صورت جانبی در سراسر شبکه حرکت کنند، اطلاعات حساس را استخراج کنند و آسیب کلی حمله را فراتر از آنچه می‌توانند بدون قابلیت‌های هوش مصنوعی انجام دهند، افزایش دهند. هوش مصنوعی می‌تواند به مهاجمان این امکان را بدهد که این فرآیندها را در انتخاب هدف و سفارشی‌سازی توالی حمله بر اساس ویژگی‌های آرایش شبکه هدف با تعیین مواردی مانند سیستم‌عامل‌های در حال استفاده، شناسایی sandboxing و سایر تاکتیک‌های دفاعی، و در تعیین بار مناسب برای تحویل، خودکار کنند. .

راه حل های تشخیص و پاسخ نقطه پایانی (EDR) برای دفاع از نقاط پایانی که بخش قابل توجهی از سطح حمله یک سازمان را تشکیل می دهند ضروری هستند، اما آنها به طور مشابه از کاستی هایی رنج می برند. در حالی که EDR در مقابله با تهدیدات پیشرفته بسیار بهتر از راه حل های آنتی ویروس و ضد بدافزار سنتی است، بسیاری از مهاجمان کمپین های خود را فراتر از هدف قرار دادن نقطه پایانی توسعه داده اند، یا عملیات خود را طوری طراحی کرده اند که فعالیت نقطه پایانی را به حداقل برساند و EDR را ناکارآمد نشان دهد. EDR همچنین فاقد توانایی ارتباط تشخیص‌های نقطه پایانی با تله متری از دارایی‌های غیرنقطه پایانی مانند مجموعه برنامه‌ها، شخصیت‌های کاربر و بارهای کاری ابری است.

بسیاری از سازمان‌ها به ابزارهایی روی می‌آورند که با هوش مصنوعی و یادگیری ماشینی (ML) به تیم‌های خود اجازه می‌دهند تا تلاش‌های تریاژ، تحقیق و اصلاح را در مقیاس خودکار انجام دهند. بیش از نیمی (52٪) از مدیران شرکت های آمریکایی به PwC گفتند که برنامه های پذیرش هوش مصنوعی / ML خود را تسریع کرده اند و حتی بیشتر (86٪) گفتند که AI / ML یک “فناوری اصلی” در محیط آنها تا پایان سال خواهد بود. 2021.

چنین دیدی تیم‌های امنیتی را قادر می‌سازد تا قبل از تبدیل شدن به یک موضوع امنیتی به یک رویداد پاسخ دهند و اقداماتی را برای افزایش بار مهاجمان در آینده معرفی کنند.

در نتیجه، تیم‌های امنیتی باید به فرآیندهای دستی تکیه کنند تا بفهمند در محیط‌هایشان چه اتفاقی می‌افتد، جایی که مهاجمان با استفاده از اتوماسیون در مراحل اولیه حمله با سرعت ماشین حرکت می‌کنند – که همه اینها مدافعان را در یک نقطه ضعف بزرگ قرار می‌دهند.

استفاده از هوش مصنوعی یک گلوله نقره ای نیست و برای آینده قابل پیش بینی بدون شک باید ترکیبی از انسان ها و راه حل های مبتنی بر هوش مصنوعی با هم کار کنند. با این وجود، هوش مصنوعی کارایی هر یک از اعضای تیم امنیتی را افزایش می دهد و کارایی کل پشته امنیتی را تقویت می کند.