Tieni i tuoi amici vicini, ma le tue minacce più vicine.

Cybersecurity le violazioni accadono più spesso di quanto vogliamo credere. 

Nel solo 2021, ci sono stati 623,3 milioni di attacchi ransomware. Almeno 30.000 siti web vengono hackerati ogni giorno, e il 64% delle aziende nel mondo ha incontrato almeno una forma di attacco informatico.

L'aumento del numero di lavoratori a distanza ha esacerbato le sfide della cybersecurity poiché potrebbero essere facili bersagli per i cybercriminali. Email di phishing, IT ombra, programmi BYOD (porta il tuo dispositivo) e reti wi-fi domestiche non sicure possono mettere le organizzazioni a rischio enorme.

La cybersecurity richiede un rafforzamento maggiore

La carenza di professionisti qualificati in cybersecurity aggiunge a questo disagio. Tuttavia, l'ascesa del software come servizio (SaaS) ha reso le cose più facili per le piccole imprese senza le risorse per assumere un dipendente a tempo pieno per la cybersecurity. Ad esempio, il software di orchestrazione, automazione e risposta alla sicurezza (SOAR) consente alle aziende di difendersi dagli attacchi basati sul web senza richiedere professionisti della sicurezza in loco dedicati. E il modello SaaS lo rende ragionevolmente accessibile per le piccole imprese poiché richiede un investimento inferiore ed è facilmente scalabile.

Ma anche se un'organizzazione riesce ad assumere una dozzina di professionisti della cybersecurity, c'è ancora molto al di là della loro portata. La cybersecurity comporta molte attività noiose e ripetitive, e passare in rassegna migliaia di voci di log ogni giorno è disumano per la forza lavoro. Tali sfide hanno reso necessario l'utilizzo di tecniche come il machine learning che automatizza diverse attività di cybersecurity.

Tempo per nuove tecnologie—entra il machine learning

La tecnologia e gli strumenti di cybersecurity di oggi si basano pesantemente sul machine learning—un sottoinsieme dell'intelligenza artificiale (AI)—per eliminare o ridurre compiti monotoni e dispendiosi in termini di tempo. 

Cosa porta esattamente il machine learning sul tavolo?

Con la potenza del machine learning, le soluzioni software di cybersecurity possono analizzare i modelli in enormi quantità di dati (log) e trovare correlazioni, aiutando le aziende a rilevare minacce e prevenire attacchi. Di seguito sono riportati alcuni modi in cui il machine learning viene utilizzato per rafforzare la cybersecurity:

Rilevamento delle anomalie

Sebbene gli esseri umani siano piuttosto abili nel riconoscere modelli o rilevare comportamenti anomali (grazie a milioni di anni di evoluzione), la scala dei dati generati dalla maggior parte delle applicazioni moderne, delle reti e dei siti web è al di là del nostro livello di comprensione. Ecco dove il machine learning brilla di più.

I modelli di machine learning possono scansionare milioni di file, identificare anomalie e potenziali minacce, ed eliminarle automaticamente prima che si trasformino in catastrofi. Oltre a rilevare minacce, il machine learning può aiutare a scansionare le reti per vulnerabilità e automatizzare le risposte. Molti dei prodotti di rilevamento e mitigazione dei bot utilizzano il machine learning per individuare anomalie.

Alcuni attacchi informatici come il malware fileless—malware che non richiede alcun download di file, rendendolo più difficile da rilevare e rimediare—possono trovare modi per rimanere non rilevati o cambiare dinamicamente il loro comportamento per evitare il rilevamento. In tali casi, un tipo di machine learning chiamato apprendimento non supervisionato, che identifica modelli in set di dati contenenti punti dati non etichettati, può aiutare a scoprire modelli nascosti e infine rilevare tali attacchi sofisticati.

Risposta in tempo reale

Il machine learning può aiutare i sistemi di cybersecurity a rilevare e rispondere automaticamente agli attacchi informatici con poca o nessuna intervento umano. Questo rende la risposta alle minacce quasi in tempo reale, eliminando o riducendo l'impatto che un attacco alla sicurezza può avere su un'azienda.

Strumenti di cybersecurity come il software SOAR utilizzano il machine learning per costruire e automatizzare flussi di lavoro di risposta e ridurre la quantità di intervento umano richiesto per gestire gli incidenti di sicurezza. Il traffico verso la categoria Software di Orchestrazione, Automazione e Risposta alla Sicurezza (SOAR) di G2 è in costante aumento dal 2019.

L'aumento della domanda per questi prodotti software può essere attribuito alle loro caratteristiche di risparmio di tempo, inclusa l'automazione e come aiutano a ridurre i costi non richiedendo professionisti della cybersecurity a tempo pieno. Allo stesso tempo, poiché il software SOAR consente alle aziende di automatizzare i compiti di risposta e la gestione degli incidenti, le loro misure di rimedio saranno efficaci 24 ore su 24.

Analisi comportamentale

Gli esseri umani sono solitamente creature abitudinarie. Il machine learning può aiutare a comprendere le tendenze e il comportamento di clienti e dipendenti e creare una linea di base. La deviazione da questa linea di base potrebbe significare un attacco malevolo.

Questa applicazione del machine learning si chiama analisi comportamentale e aiuta le aziende a identificare comportamenti o utenti malevoli analizzando come l'uso è diverso dalle attività normali e quotidiane. I prodotti di analisi del comportamento degli utenti e delle entità (UEBA) eseguono questa analisi e avvisano il personale di sicurezza. L'analisi del comportamento è anche uno dei molti parametri utilizzati dal software di rilevamento delle frodi per rilevare incidenti di frode.

Protezione dei dati nel cloud

Il machine learning può aiutare le organizzazioni a rilevare tentativi di accesso sospetti alle applicazioni cloud, condurre analisi della reputazione IP e rilevare anomalie basate sulla posizione. Il machine learning è un ingrediente comune tra i prodotti di broker di sicurezza per l'accesso al cloud (CASB) che proteggono le connessioni e agiscono come uno strato di protezione tra gli utenti finali e il software basato sul cloud.

Valutazione del rischio di rete

Il machine learning può essere utilizzato per analizzare set di dati di attacchi informatici precedenti e identificare le aree delle reti che sono state principalmente coinvolte in attacchi specifici. Questo può ulteriormente aiutare a determinare l'impatto e la probabilità di un attacco su un'area di rete specifica. Questo permetterà alle organizzazioni di indirizzare le loro risorse verso aree che necessitano di maggiore rinforzo.

In sintesi, il machine learning rende la cybersecurity meno costosa, più proattiva e meno scoraggiante. Questo è particolarmente importante perché liberare i professionisti della cybersecurity da compiti monotoni può aiutare a concentrare i loro sforzi su compiti più impattanti. Questi compiti includono il miglioramento della postura di sicurezza dell'organizzazione, l'apprendimento delle nuove minacce e vulnerabilità scoperte, e l'educazione degli altri dipendenti non tecnici su come ridurre i rischi di cybersecurity.

Il machine learning è la kryptonite?

Il machine learning può fare meraviglie in termini di riduzione dei rischi di cybersecurity. Ma non è la kryptonite (o il dispositivo del giorno del giudizio o la pallottola d'argento) per tutte le minacce di cybersecurity. In effetti, non esiste uno strumento, una tecnologia o un sistema specifico che possa annientare completamente ogni minaccia là fuori. Questo perché gli hacker, gli attori malevoli e gli sfruttatori dietro questi attacchi stanno cercando rigorosamente di trovare modi per sfruttare le vulnerabilità nei sistemi di sicurezza. 

Oltre ad avere un sistema di cybersecurity robusto e un team in atto, le aziende possono utilizzare soluzioni di gestione delle vulnerabilità come il software di gestione della superficie di attacco per identificare e rimediare alle vulnerabilità. Rimanere aggiornati sui rischi e le tendenze della cybersecurity e utilizzare il software di intelligence sulle minacce può aiutare a rafforzare l'ecosistema della cybersecurity.

Investire nel software di sicurezza fisica è anche cruciale poiché ottenere accesso fisico ai dispositivi può permettere agli attori malevoli di bypassare certe misure di cybersecurity.

Gli errori umani causano il 95% delle violazioni di cybersecurity. In altre parole, la maggior parte delle violazioni di cybersecurity può essere prevenuta se i dipendenti sono adeguatamente formati. Utilizzare il software di formazione sulla consapevolezza della sicurezza è un ottimo modo per farlo. Questo è principalmente perché una minaccia non può essere evitata se non viene riconosciuta in primo luogo.

Tuttavia, la formazione sulla cybersecurity dovrebbe essere un processo continuo. Poiché la maggior parte delle aziende ha nuovi dipendenti che si uniscono ogni mese, la formazione sulla consapevolezza della sicurezza dovrebbe far parte del loro processo di onboarding. Tale formazione dovrebbe anche essere condotta regolarmente poiché le violazioni possono essere evitate solo se i dipendenti ricordano le migliori pratiche e sono consapevolmente alla ricerca di comportamenti o eventi anomali.

Le aziende dovrebbero anche investire nel software di gestione delle minacce interne (ITM) poiché gli insider (dipendenti) sono responsabili del 22% degli incidenti di sicurezza. Investire nel software di protezione dall'identità dei dipendenti può aiutare a combattere le minacce informatiche poiché questi strumenti avvisano i dipendenti le cui credenziali sono state compromesse. Per affermare l'ovvio, prima si sa che le credenziali sono compromesse, più facile è rimediare.

È anche interessante notare che le aziende possono ridurre i rischi di cybersecurity investendo più tempo e risorse nel migliorare la soddisfazione e la felicità dei dipendenti. Questo perché i dipendenti stressati ed esausti sono più propensi a commettere errori di cybersecurity che possono portare a violazioni e altri eventi sfortunati.

Il machine learning può fare molto di più

Mentre molte soluzioni di cybersecurity seguono ancora l'approccio basato su regole, la maggior parte dei prodotti software ha iniziato a utilizzare il machine learning per individuare anomalie rapidamente ed efficientemente.

Il machine learning ha molto di più da offrire per rafforzare la cybersecurity delle aziende. Ad esempio, i filtri adattivi per il rilevamento dei bot possono adattarsi alle ultime astuzie degli attaccanti bot, rendendo più facile il rilevamento e la mitigazione. L'introduzione di nuovi metodi di machine learning come il reinforcement learning—un metodo di addestramento che premia gli agenti AI per il comportamento desiderato e punisce quelli indesiderati—può rendere gli strumenti di cybersecurity più abili quando si tratta di rilevare eventi e attività anomale.