Агентите за сигурност с изкуствен интелект (ИИ) започват да оказват влияние върху реалните решения за сигурност. Те обобщават констатациите, приоритизират отстраняването на проблеми, препоръчват следващи стъпки и помагат на екипите да работят по-бързо. Но повечето все още разчитат на фрагментирани сигнали за риск: изходни данни от скенери, оценки за сериозност, разузнаване на заплахи, констатации за конфигурацията и данни за излагане на риск.

Тази фрагментация е важна, тъй като нападателите не се придвижват през средите категория по категория инструменти. Те свързват в некъсната верига уязвимостите в самоличностите, мрежите, облачните активи, приложенията и контролите за сигурност. Ако работният процес на ИИ вижда само изолирани констатации, той не може да разбере дали тези разкрития създават реален път за атака.

Тъй като нападателите, захранвани от ИИ, ускоряват експлоатацията, екипите за сигурност се нуждаят от нещо повече от по-бързи работни процеси, подпомагани от ИИ. Те се нуждаят от работни процеси, основани на доказателства, които могат да докажат кои рискове са експлоатируеми.

Тези системи могат да съпоставят информация и да идентифицират модели, но без валидиране те не могат да отговорят на въпроса, който в крайна сметка вълнува екипите по сигурността: Може ли атакуващият действително да експлоатира това в нашата среда и можем ли да го докажем?

Без валидиране ИИ автоматизира предположенията за сигурност. С валидиране той може да действа въз основа на доказателства за атака. За екипите по сигурността тази разлика е от значение, тъй като цената на предприемането на действия по грешен сигнал е пилеене на усилия, забавено отстраняване на уязвимостите и продължително излагане на риск.

От сигнали за риск към доказателства за атака

Разгледайте един често срещан сценарий за управление на уязвимости. Скенер идентифицира стотици уязвимости в дадена среда. ИИ асистент преглежда резултатите и подчертава най-сериозните констатации въз основа на CVSS оценки, разузнаване за експлойти и контекст на излагане на риск. Работният процес изглежда ефективен, но все още взема решения въз основа на разпокъсани сигнали.

  • Критична уязвимост може да бъде недостъпна.
  • Констатация с висока степен на сериозност може да се намира зад множество контроли за сигурност.
  • Слабост със средна сериозност всъщност може да е част от успешен път на атака, водещ до привилегирован достъп.

Това е моментът, в който валидирането на сигурността става критично важно. Валидирането на сигурността тества дали излагането на риск, неправилните конфигурации, идентификационните данни и контролите за сигурност действително могат да бъдат използвани в реален път на атака. Вместо да оценява риска, валидирането дава доказателства за това какво е експлоатируемо, какво е блокирано и какво трябва да бъде коригирано. Платформата на Pentera за валидиране на сигурността, захранвана от ИИ, прилага този подход, като безопасно емулира реални техники за атака срещу производствени среди, за да определи кои уязвимости действително могат да бъдат използвани от нападател.

Когато Pentera изпълнява тест, тя прави нещо повече от това да идентифицира уязвимости. Платформата безопасно прилага същите техники, използвани от нападателите, за да валидира излагането на риск във вътрешната инфраструктура, външните повърхности за атака, облачните среди, системите за самоличност и контролите за сигурност. Вместо да генерира списък с теоретични слабости, Pentera създава валидирани пътища за атака, които демонстрират как един нападател би могъл да се придвижва в средата, свързвайки слабости в активите, самоличностите, контролите и повърхностите за атака. Всяка стъпка включва доказателства.

Това променя разговора за отстраняване на проблеми. Екипът вече не спори дали дадена констатация има значение. Той решава колко бързо да елиминира валидиран път на атака. Работният процес се променя от „преглед, извод, приоритизиране, тикет“ на „валидиране, доказване, приоритизиране, отстраняване, повторно тестване“.

Внедряване на валидирането в работните процеси за ИИ сигурност

Предизвикателството е, че данните за валидиране често съществуват отделно от работните процеси, където всъщност работят екипите по сигурността. Анализаторите изследват констатациите в един инструмент. Инженерите отстраняват проблемите в друг. Работните процеси, управлявани от ИИ, се нуждаят от валидирани доказателства от друго място, преди да могат да препоръчат действия с увереност.

За да преодолее тази пропаст, Pentera представи MCP (Model Context Protocol) сървър, който прави данните за валидиране на Pentera достъпни директно за ИИ асистенти, съвместими с MCP. Вместо да изнасят отчети, да съгласуват констатации или да сглобяват контекст в различни инструменти, организациите могат да свържат данните за валидиране на Pentera директно в работните процеси с ИИ, които анализаторите вече използват. Веднъж свързани, ИИ агентите могат да извличат констатации, да преглеждат валидирани пътища за атака, да имат достъп до резултатите от тестовете и да инициират дейности по валидиране чрез съществуващи инструменти и работни процеси, базирани на ИИ, използвайки естествен език.

Това не е просто поредният ИИ копайлот, обобщаващ повече данни за сигурността. Pentera предоставя на работния процес на ИИ валидирани доказателства за атака: какво е тествано, какво е било експлоатируемо, кои контроли са били заобиколени и какви доказателства подкрепят констатацията.

След като се свържат с Pentera чрез MCP, работните процеси на ИИ преминават от пасивен анализ към действия, базирани на валидиране. Валидирайте, преди да отворите тикет. Скенер сигнализира за критичен проблем. Анализаторът пита ИИ асистента дали излагането на риск е било валидирано от Pentera. Асистентът отговаря...