AI nella Cybersecurity: Un quadro misto per il rilevamento delle vulnerabilità

In un recente rapporto rilasciato da NCC Group, l'intersezione tra intelligenza artificiale (AI) e cybersecurity è stata scrutinata, gettando luce sia sulle promesse che sui limiti dell'AI generativa nel contesto del rilevamento delle vulnerabilità del codice. Il rapporto, intitolato "Safety, Security, Privacy & Prompts: Cyber Resilience in the Age of Artificial Intelligence", offre un'analisi completa di vari casi d'uso della cybersecurity basata sull'AI.

AI generativa e vulnerabilità del codice

L'esplosiva crescita della tecnologia AI generativa alla fine del 2022 ha scatenato discussioni e preoccupazioni riguardo alle sue implicazioni per la cybersecurity. Un punto focale di questo discorso ruota attorno ai potenziali rischi per la sicurezza posti dai chatbot AI generativi. Questi rischi vanno dall'esposizione involontaria di informazioni aziendali sensibili alla possibilità che attori malintenzionati sfruttino questi algoritmi avanzati di auto-apprendimento per potenziare i loro cyberattacchi.

Una delle aree di interesse primarie all'interno del rapporto è la fattibilità dell'impiego di chatbot AI generativi per la valutazione delle vulnerabilità del codice. Questi sistemi AI , quando forniti con il codice sorgente, possono condurre una forma interattiva di analisi statica e individuare con precisione le debolezze di sicurezza? I risultati del rapporto indicano un quadro misto. Sebbene l'AI generativa mostri promesse e guadagni di produttività nello sviluppo di codice e software, la sua efficacia nel rilevare vulnerabilità del codice rimane variabile.

Dall'altro lato, il rapporto evidenzia un'applicazione promettente dei modelli di machine learning (ML) nel campo della cybersecurity. Nello specifico, i modelli ML possono essere strumentali nell'identificare nuovi attacchi zero-day, consentendo una risposta automatizzata per proteggere gli utenti da file malevoli. Per validare questo concetto, NCC Group ha sponsorizzato uno studente di master presso il Centre for Doctoral Training in Data Intensive Science (CDT DIS) dell'University College London per sviluppare un modello di classificazione per l'identificazione del malware.

I risultati di questo sforzo sono convincenti. Il modello di classificazione ha raggiunto un impressionante tasso di accuratezza del 98,9%. Questo successo sottolinea il potenziale dei modelli ML nel rafforzare le difese della cybersecurity identificando e mitigando rapidamente le minacce emergenti.

Sfruttare l'intelligence sulle minacce con l'AI

Un altro aspetto critico esplorato nel rapporto ruota attorno all'intelligence sulle minacce, un componente fondamentale della cybersecurity proattiva. L'intelligence sulle minacce coinvolge il monitoraggio continuo di varie fonti di dati online, che forniscono preziose informazioni su vulnerabilità appena identificate, exploit in evoluzione e tendenze emergenti nel comportamento degli attaccanti. Questi dati, spesso sotto forma di testo non strutturato da forum, social media e dark web, possono essere una miniera d'oro di informazioni.

I modelli di machine learning possono svolgere un ruolo vitale nell'elaborare questi dati, estraendo le sfumature chiave della cybersecurity e identificando modelli e tendenze nelle tattiche, tecniche e procedure (TTP) degli attaccanti. Armati di queste informazioni, i difensori possono adottare un approccio proattivo e preventivo per implementare sistemi di monitoraggio o controllo aggiuntivi, specialmente quando nuove minacce rappresentano un rischio significativo per la loro attività o il loro panorama tecnologico.

In un'era segnata da un rapido avanzamento tecnologico, il ruolo dell'AI nella cybersecurity continua a evolversi. Sebbene i chatbot AI generativi offrano promesse in alcuni aspetti dello sviluppo del codice, la loro affidabilità nel rilevare vulnerabilità rimane una questione di esplorazione in corso. D'altra parte, i modelli ML dimostrano un alto livello di potenziale nell'identificare e combattere le nuove minacce informatiche, rendendoli un'utile risorsa nell'arsenale del difensore.

È fondamentale riconoscere che l'AI nella cybersecurity non è una soluzione valida per tutti. Piuttosto, complementa l'esperienza e la vigilanza umana. La partnership tra professionisti della cybersecurity umani e sistemi AI è essenziale per trovare un equilibrio tra lo sfruttamento del potere dell'automazione e il mantenimento della supervisione umana critica necessaria per navigare nel panorama delle minacce in continua evoluzione.