作者:GUEST COLUMN by Chris Corde
人工智能正在顺利颠覆网络安全世界,但网络安全的某些领域比其他领域更适合早期颠覆。
在一个Insight Partners 最近的调查,安全运营(与 AppSec 一起)被评为第一大网络安全领域,首席信息安全官正在寻求实施生成式人工智能以提供更好的结果。这不足为奇,因为人工智能在解决数十年来困扰安全运营的一些复杂且资源密集型挑战方面表现出色,即:
尽管人工智能在安全领域的发展还处于早期阶段,但生成式人工智能已经为安全运营团队带来了切实的好处。以下五个用例说明了人工智能在安全运营中的实际应用:
如果安全团队在响应警报或事件时永远无法满足一件事,那就是时间。但了解实际情况通常需要筛选大量数据。
人工智能可以自动生成安全事件的简明摘要,为分析师提供快速的情况概览。这可以节省宝贵的时间并实现更快的分类。此外,分析师还可以要求人工智能助手按需汇总信息。例如,人工智能可以总结最新的威胁情报报告,或者总结为解决事件而采取的行动列表以创建事件报告。
总结并不局限于最初的定位。例如,假设某个特定的搜索查询返回了 10,000 个结果,人工智能可以快速生成这些结果的摘要,以帮助分析人员只见树木。
调查通常是安全操作中最耗时的部分。了解调查内容以及如何调查绝非易事,而且通常还需要生成复杂的搜索查询。
人工智能可以通过启用自然语言搜索提示来协助调查。(想一想使防御者能够快速识别异常行为的提示,例如“向我显示上周在工作时间之外访问过“xyz”网站的来自“x”地区的所有用户。)这消除了分析师掌握复杂搜索语法的需要,甚至使初级分析师也变得更加高效。更高级的人工智能助手甚至可以建议下一步的调查步骤,或者自动显示人工智能模型认为对特定案例有用的附加上下文。
威胁追踪是一项复杂的功能,历来都是为高技能且成熟的安全运营团队保留的。威胁搜寻很复杂,因为它需要深入了解威胁形势,并了解如何实际搜寻威胁。
人工智能可以使威胁搜寻变得更容易,因为它可以通过识别可能表明恶意活动的模式和异常来主动搜寻威胁。当人工智能与威胁情报工具集成以了解威胁行为者使用的威胁、策略、技术和程序(TTP)以及妥协指标(IOC)并将其与公司特定的安全遥测相结合时,这一点尤其强大。诸如“在我的网络上寻找 Makop 勒索软件”之类的简单提示可以主动搜索并发现数据中已知与此攻击相关的 IOC 和 TTP。
创建检测规则和编写剧本是另一项 SecOps 任务,通常由专家安全工程师保留。它需要掌握特定平台使用的脚本语言,以及了解您实际需要检测的内容。
生成式人工智能可以创建检测代码或剧本来应对新威胁。只需使用诸如“为此案例构建检测规则”之类的提示,高级 AI 助手就可以了解案例的背景并创建检测规则以发现该案例的未来实例。与其他学科中的代码生成类似,不要指望开箱即用的 100% 完美代码。但即使人工智能能帮助你完成 70% 到 80% 的工作,它也可以改变生产力游戏规则。
如果说威胁追踪历来仅限于高级安全运营团队,那么逆向工程恶意软件确实是少数精英防御者的领域。由于令牌窗口的增加和大型语言模型的改进,人工智能已被证明在恶意软件分析方面非常有效。例如,先进的人工智能模型能够逆向工程复杂的恶意软件在不到一分钟的时间内,安全分析师可以立即了解恶意软件的运行方式,并在某些情况下,提供有关恶意软件“终止开关”的清晰且可操作的信息。
上面概述的用例正在为当今的安全运营团队带来切实的成果,但我们自然处于人工智能的早期阶段,随着技术的成熟,用例无疑会不断发展。安全团队今天应该开始做的是培育人工智能文化,并思考如何将人工智能集成到检测、调查和响应工作流程中。以下是一些简单的入门步骤:
人工智能的发展有望在持续的网络威胁斗争中将效率、准确性和主动防御提升到新的水平。俗话说,最好的开始时间是昨天,其次是现在。
Chris Corde 在网络安全领域拥有 20 多年的经验,担任 Google 产品管理总监,负责管理安全运营 PM 团队,该团队包括 Chronicle、Siemplify、VirusTotal 和 Mandiant。他为 SiliconANGLE 撰写了这篇文章。
谢谢