4. april 2023
I 2019 publiserte Mariarosaria Taddeo, Tom McCutcheon og Luciano Floridi en artikkel i Nature Machine Intelligence med tittelen, Trusting artificial intelligence in cybersecurity is a two-edged sword.
De hevder at «tillit til AI for cybersikkerhet er uberettiget, og for å redusere sikkerhetsrisikoen er det nødvendig med en form for kontroll for å sikre utplassering av ‘pålitelig AI’ for cybersikkerhet.»
Det samme gjelder i dag. Mens AI har tatt kvantesprang siden 2019, er det å stole blindt på kunstig intelligens en oppskrift på cybersikkerhetskatastrofe. Ifølge en rapport fra McKinsey, vil cyberangrep i økende grad multipliseres ved hjelp av verktøy som AI, maskinlæring og automatisering.
AI kan bistå cybersikkerhetsteam å bekjempe angrep gjennom automatisert deteksjon og blokkering av angrep og kan bidra til å sikre nettverk og tjenester.
AI kan være et verktøy for å utvide cybersikkerhetsteamets trusseldeteksjon og generelle sikkerhetsomfang via:
AI kan proaktivt administrere nettverkssårbarheter før de skader nettverket ditt. AI og maskinlæring bruker sammen ekstremt komplekse algoritmer for å analysere mistenkelige mønstre for å forbedre nettverkssikkerheten generelt.
AI kan sette opp et nettverks grunnlinje og beskytte det hele tiden basert på trafikkmønstre. Den bruker grunnlinjen som et referansepunkt og justeres etter hvert som trafikkmønstrene endres over tid.
AI bruker atferdsanalyse for å overvåke all nettverksaktivitet konstant og bistå med trusseldeteksjon. Den kan identifisere ondsinnede aktiviteter fortløpende og reagere på trusler umiddelbart.
Fordi AI hele tiden lærer, forbedres den over tid. Jo før du implementerer en AI-cybersikkerhetsløsning, jo bedre blir den. I tillegg har den en tendens til å lære eksponentielt raskere. Så selv om det kan virke som en stor investering når du kommer i gang, vet du at systemet ditt vil forbedre seg kontinuerlig.
Selv om AI kan være en fantastisk ressurs for cybersikkerhetsteamet ditt er noen risikoer forbundet med bruken og noen tips for å redusere disse risikoene.
Noen risikoer ved å stole for blindt på AI for cybersikkerhet:
Data av dårlig kvalitet kan føre til unøyaktige resultater fra AI-modeller. Dårlig datakvalitet kan være forårsaket av ufullstendige eller feil data, noe som fører til problemer som falske positive eller negative, som kan sette organisasjoner i fare. Det er viktig for organisasjoner å sikre at dataene deres er rene og nøyaktige før de mates inn i en AI-modell.
Organisasjoner bør ikke stole utelukkende på modeller for sin sikkerhetsstrategi, da modellene bare er like gode som dataene de mottar. Menneskelige analytikere må inkluderes i prosessen for å sikre at modeller ikke går glipp av noe eller gjør feil antagelser basert på tilgjengelige data. Enten har deres organisasjon slike ressurser eller dere kan kjøpe slike tjenester av en partner som NetNordic.
AI-baserte systemer kan være sårbare for hacking på grunn av deres avhengighet av store mengder sensitive data som angripere kan forsøke å få tilgang til eller manipulere. Organisasjoner må sørge for at alle sikkerhetstiltak er på plass og jevnlig oppdatert ved bruk av AI-baserte systemer for å minimere potensielle risikoer forbundet med ondsinnede aktører som prøver å få tilgang.
Det er alltid en potensiell risiko for at et AI-system kan få utilsiktede konsekvenser på grunn av uforutsette omstendigheter (f.eks. ukjente sårbarheter eller nye trusler som ingen har forutsett før). Dette kan potensielt forårsake store skader hvis det ikke løses umiddelbart, så organisasjoner bør ha beredskapsplanlegging på forhånd i tilfelle noe uventet skulle oppstå mens de bruker AI til cybersikkerhetsformål.
Avslutningsvis, som de lærde som påpekte det tveeggede sverdet som er AI i cybersikkerhetskonteksten påpekte tilbake i 2019, er konseptet fortsatt sant og gyldig den dag i dag!
NetNordic er her for å hjelpe deg og organisasjonen din med å utvikle en solid strategi som baserer seg på din risikovillighet. En slik strategi involverer naturligvis AI og maskinlæring, men også med beskyttelse. Kontakt oss i dag, så hjelper vi deg gjerne!
Skrevet av Trygve Wettestad – Salgsdirektør for store og komplekse kunder innen nettverk og cybersikkerhet hos NetNordic Norway AS
Ta kontakt med oss for en uforpliktende sikkerhetsprat i dag!
Fyll inn kontaktinformasjon:
NetNordic ønsker velkommen til ny administrerende direktør – Lene Diesen Lene Diesen er ny administrerende direktør for NetNordic Norway fra 1. mai 2023. Hun etterfølger Lars Johannes Sørbo som fortsetter sin karriere i NetNordic som...
Les mer
Det å stole blindt på kunstig intelligens en oppskrift på cybersikkerhetskatastrofe. AI kan være et verktøy for å utvide cybersikkerhetsteamets trusseldeteksjon og generelle sikkerhetsomfang, men man må også vite om risikoer forbundet med bruken.
Les mer
SOAR (Security Orchestration, Automation, and Response) refererer til en samling softwareløsninger og verktøy som lar organisasjoner strømlinjeforme sin sikkerhetsdrift på tre nøkkelområder: trussel- og sårbarhetshåndtering, hendelsesrespons og automatisering av sikkerhetsdrift.
Les mer
Red Team Testing, også kjent som fysisk sikkerhetstesting, er ganske forskjellig fra vanlig penetrasjonstesting (såkalt PenTest). Fysisk sikkerhetstesting gjør at vi går «on-premise» / «inhouse» og prøver å bryte oss inn i «bygninger», dirker låser...
Les mer
Hva er penetrasjonstesting? En penetrasjonstest, også kalt en penntest, er et autorisert simulert cyberangrep hvor du bruker en testteknikk for å identifisere alle sårbarheter i et system og evaluere sikkerhetsnivåene. Penetrasjonstestingen er en slags sikkerhetskontroll,...
Les mer
Hvordan kan du oppdage trusler i miljøet ditt? Det finnes mange forskjellige løsninger som organisasjoner kan bruke for å oppdage cybersikkerhetstrusler i systemene deres. Generelt sett er imidlertid sikkerhetsinformasjons- og hendelsesstyringssystemene en god plattform og...
Les mer