ระบบ รักษาความปลอดภัยทางไซเบอร์กำลังอยู่ในช่วงที่พร้อมจะถูกเปลี่ยนแปลงอย่างฉับพลัน ตลอดหลายปีที่ผ่านมา เครื่องมือต่างๆ ได้เพิ่มจำนวนขึ้นอย่างมากมาย แต่ละเครื่องมือมีรูปแบบข้อมูลของตัวเอง ทำให้เกิดข้อมูลที่แตกต่างกันจำนวนมหาศาล นอกจากนี้ ยังมีการขาดแคลนนักวิเคราะห์ความปลอดภัยทางไซเบอร์ที่มีทักษะในการประเมินข้อมูลเหล่านั้นทั่วโลก (และหากหาได้ก็มีค่าใช้จ่ายสูงมาก) และสุดท้าย แฮกเกอร์ก็ฉลาดขึ้นและมีความคิดสร้างสรรค์มากขึ้นตลอดเวลา AI ถูกคาดหวังว่าจะเป็นทางออกสำหรับปัญหาเหล่านี้ แต่ก็มีประโยชน์จำกัดในการแก้ไขปัญหาในวงกว้าง เนื่องจากต้องใช้โครงสร้างพื้นฐานขนาดใหญ่ที่วางแผนไว้อย่างรอบคอบ ในบทความนี้ เราจะมาดูบทบาทของAI ในระบบรักษาความปลอดภัยทางไซเบอร์ และวิธีที่ AI สามารถกลายเป็นเทคโนโลยีที่เปลี่ยนแปลงอย่างแท้จริงได้
AI เป็นน้ำมันงู
มีการกล่าวถึง AI เป็นจำนวนมากในเอกสารทางการตลาดที่อธิบายถึงโซลูชันการรักษาความปลอดภัยทางไซเบอร์ แต่จนถึงขณะนี้ มันไม่ได้เปลี่ยนแปลงอย่างที่คุณคิด แม้จะมีขนาดตลาดที่เติบโตที่ อัตราการเติบโตร้อยละ 20.5 ต่อปี, AI ยังคงใช้งานได้ยากในการปรับใช้กับปัญหาด้านความปลอดภัย หากคุณต้องเดินเข้าไปในความทันสมัย ศูนย์ปฏิบัติการรักษาความปลอดภัย (SOC)คุณอาจพบทีวีขนาดใหญ่บางเครื่องที่มีแดชบอร์ดและ CNN ที่อ่านยาก และนักวิเคราะห์ด้านความปลอดภัยที่น่าจะพบว่างานของพวกเขาเจ็บปวด เพราะพวกเขาใช้เวลาในการเชื่อมโยงข้อมูลด้วยตนเองและพยายามแยกแยะว่าเกิดอะไรขึ้นในองค์กรของตน ใบหน้าของการโจมตีที่ซับซ้อนมากขึ้น ถ้ามนุษย์ทำอย่างนั้น ทำให้เกิดคำถามว่า “เอไออยู่ที่ไหน”
ความปลอดภัยทางไซเบอร์เป็นปัญหาเชิงปฏิบัติการที่ซับซ้อน และนั่นคือเหตุผลสั้นๆ ที่ทำให้ AI เปลี่ยนแปลงด้านนี้ได้ช้า การค้นหาภัยคุกคามในองค์กรจากแหล่งข้อมูลการวัดผลหลายร้อยแหล่ง ในขณะที่ภัยคุกคามมักมีลักษณะคล้ายคลึงกับกิจกรรมปกติ เป็นปัญหาที่ยากมาก ยิ่งไปกว่านั้น ข้อมูลจากเครื่องมือรักษาความปลอดภัยแต่ละตัวอาจมีรูปแบบที่แตกต่างกัน และต้องทำการปรับให้เป็นมาตรฐานก่อนที่จะนำไปใช้ฝึกระบบ AI
ไม่ว่าจะเป็นอุตสาหกรรมใดหรือกรณีการใช้งานใด AI เรียนรู้จากข้อมูล – เครื่องมือ AIต้องได้รับการฝึกฝนด้วยข้อมูลเพื่อให้สามารถเริ่มเรียนรู้ว่าอะไรคือหรือไม่ใช่ความผิดปกติ นั่นคือสิ่งที่ทำให้ปัญหาด้านความปลอดภัยยุ่งยาก: ข้อมูลด้านความปลอดภัยของแต่ละองค์กรนั้นแตกต่างกันอย่างน้อยเล็กน้อย โดยมีเครื่องมือและรูปแบบพฤติกรรมที่แตกต่างกัน และในกรณีที่มากที่สุด ข้อมูลอาจแตกต่างกันอย่างมาก ไม่มีชุดข้อมูลฝึกฝนมาตรฐานในด้านความปลอดภัยที่สามารถขออนุญาตใช้งานได้เหมือนกับระบบการจดจำภาพหรือเสียง หากคุณต้องการใช้ AI เพื่อแก้ไขปัญหาด้านความปลอดภัย คุณต้องสร้างและจัดหาข้อมูลของคุณเอง
การปรับข้อมูลให้เป็นมาตรฐานเพื่อให้เป็นประโยชน์ต่อระบบ AI เป็นความท้าทายอย่างยิ่ง ปัญหาดังกล่าวมีคุณค่ามากจน Scale AI สตาร์ทอัพที่สร้าง API ข้อมูลสำหรับการพัฒนา AI โดยเน้นที่แอปพลิเคชันรถยนต์ไร้คนขับเป็นหลักได้รับการประเมินมูลค่าถึง 7 พันล้านดอลลาร์ภายในเวลาไม่ถึงห้าปีหลังจากการก่อตั้ง Scale AI มีองค์กรนวัตกรรมชั้นนำของโลกมากมายเป็นลูกค้าอยู่แล้ว
AI ที่เปลี่ยนแปลงได้จะเป็นอย่างไร
ในที่สุด AI ในการรักษาความปลอดภัยจะเปลี่ยนแปลงได้ มีแนวโน้มว่าจะเป็นทั้งการโจมตีและการป้องกัน แต่นั่นก็เป็นอีกเรื่องสำหรับอีกวันหนึ่ง ในที่นี้ “การเปลี่ยนแปลง” หมายถึงการเปลี่ยนแปลงในวงกว้างในทุกส่วนของการรักษาความปลอดภัย ดังนั้นจึงเปลี่ยนวิธีการรักษาความปลอดภัยขององค์กรโดยพื้นฐาน สำหรับตอนนี้ เราต้องพอใจกับแอปพลิเคชั่นที่จำกัด ซึ่ง AI สามารถปรับปรุงความปลอดภัยได้
ถึงกระนั้น AI ก็มีจุดเด่นที่น่าสนใจในด้านความปลอดภัย ซึ่งสามารถค้นพบได้ง่ายๆ โดยการวิเคราะห์ปัญหาด้านข้อมูล ส่วนใดของระบบรักษาความปลอดภัยที่สร้างข้อมูลที่สะอาดและสามารถนำไปฝึกฝนได้? การตรวจจับการฉ้อโกงทางอีเมลและมัลแวร์เป็นสองตัวอย่างที่ดี: เครื่องมือ AIสามารถเรียนรู้จากตัวอย่างการฟิชชิ่งหรือลายเซ็นมัลแวร์ที่มีอยู่ และตรวจจับช่องโหว่ที่คล้ายกันได้ ข้อมูลจากอีเมลลูกค้าและแซนด์บ็อกซ์มัลแวร์สามารถนำมาใช้ฝึกฝนโมเดล AI ที่ขับเคลื่อนผลิตภัณฑ์ระดับองค์กรได้ การฝึกฝนแบบเดียวกันนี้ทำได้ยากกว่ามากในปัญหาเช่นการตรวจจับการโจมตีที่เคลื่อนที่ไปตามเครือข่าย (เช่น จากไฟร์วอลล์ไปยังเซิร์ฟเวอร์ Active Directory ไปยังเซิร์ฟเวอร์ข้อมูล) เพราะการเคลื่อนที่ไปตามเครือข่ายนี้จะมีลักษณะแตกต่างกันเล็กน้อยในแต่ละองค์กร
การสร้าง AI ที่จะปกป้ององค์กรอย่างครอบคลุมในทุกการดำเนินงานดิจิทัล จะมีลักษณะคล้ายคลึงกับความพยายามของบริษัทรถยนต์ไร้คนขับในปัจจุบัน ตัวอย่างเช่น ตั้งแต่ปี 2009 ซอฟต์แวร์รถยนต์ไร้คนขับของ Waymo ได้รับการฝึกฝนจากข้อมูลการขับขี่จำลองกว่า 15 พันล้านไมล์ และประสบการณ์การขับขี่ในที่สาธารณะมากกว่า 20 ล้านไมล์ Waymo มีวิธีการทดสอบที่เข้มงวดในระดับความแม่นยำที่แตกต่างกัน (การจำลอง สนามปิด โลกแห่งความเป็นจริง) โดยดำเนินการสถานการณ์ต่างๆ ด้วยตัวแปรนับพัน พร้อมทั้งรวบรวมข้อมูลเพื่อการปรับปรุงอย่างต่อเนื่อง
นี่ไม่ใช่การเปรียบเทียบที่สมบูรณ์แบบสำหรับ AI ในด้านความปลอดภัย แต่ก็ค่อนข้างดี – การทดสอบด้วยข้อมูลจำลอง การทดสอบในสภาพแวดล้อมห้องปฏิบัติการด้วยการโจมตีจำลองหรือการโจมตีจริง และการทดสอบในการปฏิบัติงานจริงในกลุ่มองค์กรที่หลากหลาย ปัญหาด้านความปลอดภัยที่มีการเข้าถึงข้อมูลที่สะอาดขึ้นตามธรรมชาติจะเกิดขึ้นพร้อมกับผลิตภัณฑ์ที่ขับเคลื่อนด้วย AI อย่างแท้จริง เร็วกว่าปัญหาข้อมูลที่ยากกว่าในกองความปลอดภัยระดับองค์กรทั้งหมด ต้องใช้เวลาและเงินทุนในการไปถึงจุดนั้น และนวัตกรรมที่มุ่งเน้นไปที่ปัญหาข้อมูลอย่างไร้ความปราณีจะเป็นสิ่งแรกและสำคัญที่สุดในการปลดล็อกการเปลี่ยนแปลงในวงกว้าง ทุกวันนี้ เครื่องมือรักษาความปลอดภัยจำนวนมากไม่ได้มุ่งเน้นที่การปรับข้อมูลให้เป็นมาตรฐาน เนื่องจากมักจะถูกกักเก็บในจุดปวดเฉพาะในโครงสร้างพื้นฐานโดยรวม
AI ที่เปลี่ยนแปลงด้านความปลอดภัยจะเป็นอย่างไร
ลองนึกภาพว่าทุกความคิดริเริ่ม การกำหนดค่า บันทึกการรักษาความปลอดภัย และการแจ้งเตือนด้านไอทีสามารถตรวจสอบได้โดยผู้เชี่ยวชาญด้านความปลอดภัยของมนุษย์ชั้นนำของโลกในพื้นที่นั้นๆ แบบเรียลไทม์ โดยจะไม่หยุดชะงักในการดำเนินธุรกิจ ลองนึกภาพว่านักวิเคราะห์ระดับองค์กรสามารถปรึกษาและรับคำแนะนำจากผู้เชี่ยวชาญคนนั้นได้ ในที่สุด AI ด้านความปลอดภัยก็จะรู้สึกเช่นนั้น
อย่างไร? ผลิตภัณฑ์ที่สร้างขึ้นบนพื้นฐานของข้อมูลที่มีคุณภาพและลดความซับซ้อนของข้อมูล จะกลายเป็นผู้นำในตลาดในที่สุด มิเช่นนั้น ผลิตภัณฑ์นั้นจะไม่สามารถใช้งานได้กับลูกค้าแต่ละราย และจะกลายเป็นผลิตภัณฑ์ที่มีกำไรคล้ายกับบริการ และไม่สามารถขยายขนาดได้ (ที่น่าสนใจคือ Andreesen Horowitz พบว่า บริษัท AI ระดับองค์กรส่วนใหญ่มีกำไรต่ำกว่าธุรกิจ SaaS ที่เทียบเคียงได้ เนื่องจากต้นทุนในการสร้างและขยายขนาด AI นั้นสูงกว่า )
ราชาแห่งหมวดหมู่ในอนาคตเหล่านี้จะต้องลงทุนในโครงสร้างพื้นฐานและการรวบรวมข้อมูลก่อน ซึ่งน่าจะเป็นเวลาหลายปี ก่อนที่ข้อมูลของพวกเขาจะถูกพิจารณาว่าเป็นสินทรัพย์อย่างแท้จริงและช่วยในลักษณะการพัฒนาตนเองของผลิตภัณฑ์ของตน อย่างไรก็ตาม เมื่อกษัตริย์ของบริษัทเหล่านี้ได้รับทรัพย์สินข้อมูลที่แท้จริงสำหรับ AI ความก้าวหน้าของนวัตกรรมจะเป็นเรื่องยากหากไม่สามารถจับคู่กับคู่แข่งได้ และพวกเขาจะครองตำแหน่งราชาประเภท ตราบใดที่พวกเขายังคงรักษาผลิตภัณฑ์ที่ใช้งานง่าย เช่นเดียวกับที่หมวดหมู่เครื่องมือค้นหารวมเข้ากับ Google อย่างรวดเร็ว สิ่งเดียวกันนี้จะเกิดขึ้นกับโซลูชันการรักษาความปลอดภัยทางไซเบอร์ที่เน้นข้อมูล โดยเฉพาะ ให้มองหาการรวมข้อมูลที่สำคัญในข้อมูลความปลอดภัยและ การจัดการกิจกรรม (SIEM), การตรวจจับและการตอบสนองแบบขยาย (XDR), การตรวจจับและตอบสนองปลายทาง (EDR)และ การตรวจจับและตอบสนองเครือข่าย (NDR) ตลาด
ดังนั้น AI จึงเริ่มเข้ามามีบทบาทในด้านความปลอดภัย โดยเริ่มจากปัญหาเล็กๆ ที่มีความซับซ้อนของข้อมูลน้อย ดังที่ได้กล่าวไว้ในตัวอย่างการฉ้อโกงทางอีเมลและมัลแวร์ก่อนหน้านี้ จากนั้น AI จะค่อยๆ ถูกนำไปใช้กับปัญหาข้อมูลที่ซับซ้อนมากขึ้น แต่จะมีเพียงผลิตภัณฑ์ที่มุ่งเน้นการจัดการความซับซ้อนของข้อมูลอย่างจริงจังเท่านั้นที่จะมีกลไก AI ที่มีประสิทธิภาพ เพื่อให้มีประสิทธิภาพ โปรแกรมรักษาความปลอดภัยที่ขับเคลื่อนด้วย AI ต้องสามารถรวบรวมข้อมูลจากเครื่องมือรักษาความปลอดภัยและแหล่งข้อมูลภัยคุกคามที่มีอยู่ทั้งหมด จากนั้นจึงปรับข้อมูลเหล่านั้นให้เป็นมาตรฐานเพื่อให้สามารถนำไปใช้ฝึกฝนกลไก AI ได้ นี่คืออนาคตของ AI ในด้านความปลอดภัยทางไซเบอร์
เกี่ยวกับผู้เขียน
แซม โจนส์เป็นรองประธานฝ่ายการจัดการผลิตภัณฑ์ที่ Stellar Cyber, Inc. เขาเป็นผู้นำด้านการพัฒนาผลิตภัณฑ์ที่มีประสบการณ์พร้อมประวัติด้านการสร้างผลิตภัณฑ์ AI และผลิตภัณฑ์รักษาความปลอดภัยที่ลูกค้าชื่นชอบ เขามีพื้นฐานที่แข็งแกร่งในด้าน AI/ML, โครงสร้างพื้นฐานข้อมูล, ความปลอดภัย, SaaS, การออกแบบผลิตภัณฑ์ และการป้องกัน แซมดำรงตำแหน่งด้านผลิตภัณฑ์และวิศวกรรมในบริษัทต่างๆ ซึ่งรวมถึง Palantir Technologies และ Shield AI และเคยทำงานให้กับกองทัพอากาศสหรัฐฯ ในด้านกลยุทธ์การป้องกันทางไซเบอร์ เขาสำเร็จการศึกษาระดับปริญญาตรีสาขาวิศวกรรมไฟฟ้าและคอมพิวเตอร์จากมหาวิทยาลัยคอร์เนล
