Կորպորատիվ կիբերանվտանգության ոլորտը արմատական փոփոխությունների է ենթարկվում: Տասնամյակներ շարունակ պաշտպանական մոտեցումը եղել է ռեակտիվ՝ firewall-ներ, ներխուժումների հայտնաբերման համակարգեր և վերջնակետերի պաշտպանություն, որոնք նախատեսված են պարագիծը ամրացնելու համար: Սակայն, քանի որ կիբերհանցագործները սկսել են կիրառել գեներատիվ մոդելներ՝ գերանհատականացված ֆիշինգային արշավներ և սոցիալական ինժեներիայի բարդ հարձակումներ իրականացնելու համար, ավանդական «վահանը վեր» մտածելակերպն այլևս բավարար չէ: Մենք մտնում ենք հարձակողական պաշտպանության դարաշրջան, որտեղ ձեռնարկությունները գնալով ավելի հաճախ են հակահարված տալիս չարամիտներին՝ օգտագործելով հենց այն տեխնոլոգիաները, որոնք նրանք փորձում են շահագործել՝ AI գործակալները (AI Agents):
Փոխանակ պարզապես արգելափակելու չարամիտ երթևեկությունը, անվտանգության գործառնությունների առաջատար կենտրոնները (SOCs) ներդնում են ինքնավար, իրական թվացող թվային խայծեր, որոնք խաբեբաներին ներքաշում են երկարատև և ժամանակատար երկխոսությունների մեջ: Այս ռազմավարությունը, որը հաճախ անվանում են «մասշտաբային խաբեություն» (scam-baiting at scale), ոչ միայն տակտիկական հաղթանակ է, այլև կիբերհանցագործության տնտեսության մեջ հիմնարար փոփոխություն: Ստիպելով հակառակորդներին իրենց ամենաթանկ ռեսուրսը՝ մարդկային ժամանակը, վատնել ոչ գոյություն ունեցող զոհերի վրա՝ կազմակերպությունները արդյունավետորեն բարձրացնում են հարձակման արժեքը՝ այն դարձնելով անշահավետ:
Ռազմավարական տեղաշարժ դեպի ակտիվ խաբեություն
Պատմականորեն, խաբեության տեխնոլոգիաները սահմանափակված էին ստատիկ «honeypot»-ներով՝ սերվերներով կամ տվյալների բազաներով, որոնք նախատեսված էին հարձակվողներին վերահսկվող միջավայր գայթակղելու համար: Թեև դրանք օգտակար էին սպառնալիքների վերաբերյալ տեղեկատվություն հավաքելու համար, դրանք պասիվ էին: Այսօր Խոշոր լեզվական մոդելների (LLMs) ինտեգրումը այս միջավայրերում դրանք վերածել է դինամիկ, ինտերակտիվ թակարդների: Այս AI-ի վրա հիմնված խայծերը կարող են ընդօրինակել մարդկային տատանումները, տպագրական սխալներ թույլ տալ, արտահայտել շփոթություն և նույնիսկ հորինված հուզական արձագանքներ, որոնք հարձակվողներին մոլորեցնում են կեղծ տեղեկատվության «լաբիրինթոսներում»:
Ժամանակակից ձեռնարկության համար այս էվոլյուցիան կիբերանվտանգությունը վերածում է կորուստների կանխարգելման վրա կենտրոնացած ծախսային կենտրոնից դեպի ռազմավարական գործառույթի, որը ծախսեր է պարտադրում հակառակորդին: Վերլուծելով այս համակարգերի արդյունավետությունը՝ մենք տեսնում ենք սպառնալիքների դաշտի վրա մի քանի փոխակերպող ազդեցություն.
- Ռեսուրսների ասիմետրիկ բաշխում. Ավտոմատացված գործակալը կարող է միաժամանակ հարյուրավոր երկխոսություններ վարել չարամիտ անձանց հետ: Հարձակվողը, սակայն, պետք է մարդկային ժամեր տրամադրի յուրաքանչյուր թելին՝ էապես նվազեցնելով իրենց արտադրողականությունը և ընդհանուր շահութաբերությունը:
- Տեղեկատվության հավաքագրում. Խաբեբաներին խորը երկխոսությունների մեջ ներքաշելով՝ այս համակարգերը կարող են առանձնացնել յուրահատուկ նշաններ, ինչպիսիք են նրանց նախընտրած հաղորդակցման ոճերը, բանկային ենթակառուցվածքները և սոցիալական ինժեներիայի օրինաչափությունները:
- Կեղծ դրական ազդանշանների նվազեցում. Քանի որ այս փոխազդեցությունները մեկուսացված են ապահով «sandbox» միջավայրերում, դրանք տրամադրում են բարձր հավաստիության տվյալներ իրական մտադրությունների մասին՝ փոխանակ ապավինելու երկիմաստ երթևեկության օրինաչափություններին, որոնք առաջացնում են ընդհանուր ազդանշաններ:
Այս հնարավորությունն անխափան կերպով ինտեգրվում է Թվային փոխակերպման ավելի լայն էկոհամակարգին: Անվտանգությունը դիտարկելով որպես տվյալներով հարուստ, ավտոմատացված գործընթաց՝ ստատիկ պատի փոխարեն, ընկերությունները կարող են տեսանելիություն ստանալ ծագող սպառնալիքների վերաբերյալ նախքան դրանց՝ արտադրական միջավայր հասնելը:
ROI և պաշտպանական AI-ի տնտեսագիտությունը
Բիզնես առաջնորդները հաճախ դժվարանում են գնահատել կիբերանվտանգության ծախսերի արժեքը, մինչև որ տեղի չի ունենում խախտում: Այնուամենայնիվ, ավտոմատացված, AI-ի վրա հիմնված խաբեության անցումը առաջարկում է ներդրումների ավելի կոնկրետ եկամտաբերություն (ROI): Խաթարելով հակառակորդի բիզնես մոդելը՝ կազմակերպությունները նվազեցնում են տվյալների արտահոսքի կամ ransomware-ի տեղակայման հավանականությունը: ROI-ն այստեղ չափվում է ոչ միայն խուսափած խախտման ծախսերով, այլև գործառնական արդյունավետությամբ, որը ձեռք է բերվում դասակարգման (triage) և ներգրավման գործընթացների ավտոմատացման միջոցով:
Ավելին, սա համահունչ է CRM (Հաճախորդների հետ հարաբերությունների կառավարում) և ձեռնարկությունների ավտոմատացման ավելի լայն միտումներին: Հաճախորդների հետ աշխատող արդյունավետ և բարձր էմպաթիա ունեցող չաթ-բոտերի ստեղծման համար օգտագործվող հիմնարար տեխնոլոգիաների մեծ մասը նույնական է այն տեխնոլոգիաներին, որոնք անհրաժեշտ են համոզիչ խայծեր ստեղծելու համար: Այն կազմակերպությունները, որոնք արդեն ներդրումներ են կատարել իրենց սպասարկման կենտրոնների համար նախատեսված բարդ խոսակցական AI-ում, պարզում են, որ այդ նույն գործիքները կարող են վերափոխվել պաշտպանական նպատակներով:
Այս տեխնոլոգիաների ընդունումը դիտարկելիս առաջնորդները պետք է առաջնահերթություն տան հետևյալ ռազմավարական ուղղություններին.
- Ինտեգրում SIEM/SOAR-ի հետ. Համոզվեք, որ ձեր խայծ գործակալների կողմից հավաքագրված տվյալները անմիջապես փոխանցվում են ձեր Անվտանգության տեղեկատվության և իրադարձությունների կառավարման (SIEM) համակարգեր
