Siber güvenlik bugünlerde yoğun bir inceleme altında; özellikle de Scattered Spider gibi daha düşmanca yapay zeka tabanlı saldırılar, etkilerini yaymak, hızlandırmak ve operasyonlarını gizlemek için çeşitli karadan yaşama yöntemlerini kullanabiliyor. Bu, günümüzün ağlarını savunmanın daha hızlı, daha karmaşık ve derinlemesine bir müdahale gerektirdiği anlamına geliyor.
Saldırgan yapay zeka gelişmeye başlıyor: Google'ın Tehdit İstihbaratı grubu, güvenlik korkuluklarını aşabilen, kötü amaçlı komut dosyaları oluşturabilen ve tespitten otomatik olarak kaçabilen yapay zeka araçları da dahil olmak üzere yeni ve olgunlaşan yapay zeka destekli saldırı yöntemlerini izledi. Anthropic, ağ keşfi gerçekleştirmek, güvenlik açıklarını keşfetmek, hedef ağda yanal olarak hareket etmek ve veri toplamak amacıyla farklı kötü amaçlı yazılım parçalarını bir araya getirmek için yapay zeka tabanlı düzenlemenin bilinen ilk kullanımı olarak adlandırdığı şeyi gözlemledi.
Bu yapay zeka orkestrasyonu, manuel tespit ve iyileştirme yöntemlerini kolayca aşabilecek bir hız ve ölçekte gerçekleşebilir. Bunlar kelimenin tam anlamıyla yeni saldırılardır ve dijital savunmaları alt üst etmek için makine öğrenimi algoritmasının otomasyonunu ve zekasını kullanırlar.
Bu saldırılar, yapay zekanın geleneksel güvenlik korumalarını aşmak için nasıl kullanılabileceğinin yalnızca başlangıcıdır. Kimlik bilgilerinin tehlikeye atılmasının geçmişi onlarca yıl öncesine dayansa da yeni olan, yalnızca birkaç yapay zeka istemiyle gerçekleştirilebilecek ölçek düzeyi ve bunun büyük miktarda çalıntı veriyi toplamak için yapay zeka destekli toplamadan nasıl yararlanabileceğidir.
Bu, kötü aktörlerin yapay zekayı kullanma yollarından yalnızca biri. Haziran 2025 tarihli bu Cloud Security Alliance raporu, otonom yapay zeka tabanlı aracıların kurumsal sistemlere saldırmak için kullanılabileceği 70'ten fazla farklı yolu listeliyor ve bu aracıların saldırı yüzeyini geleneksel güven sınırlarının ve güvenlik uygulamalarının ötesine nasıl önemli ölçüde genişlettiğini gösteriyor.
Gerçekten artık hiçbir şey güvende değil ve artık kesinlikle sıfır güven çağındayız. Terim ilk kez 2009 yılında Forrester Research'te görev yapan John Kindervag tarafından ortaya atıldığından bu yana neredeyse evrensel bir dizi duruma dönüştü. Günümüz ağlarının farkı, SOC analistlerinin de hiçbir şeyi olduğu gibi kabul edememeleri ve nereden kaynaklanırsa kaynaklansın saldırıları bulma ve durdurma konusunda daha etkili olmaları gerektiğidir.
Kuruluşlar yeni yapay zeka tehditlerini savunmanın daha iyi yollarını ararken, bu tekniklerin bir savunma mekanizması olarak nasıl faydalı olabileceğini anlamak için ağ görünürlüğüne yöneliyorlar.
Bilinen trafik imzalarını engellemeye odaklanan veya manuel incelemeye dayanan eski çözümlerin aksine, ağ algılama ve yanıt (NDR) sistemleri, ağ verilerini sürekli olarak izler ve analiz eder, hızlı hareket eden, aldatıcı yapay zeka tabanlı tehditleri tespit etmek için gerçek zamanlı bilgiler sağlar ve anormal veri aktarımlarını ve ağ trafiği modellerini otomatik olarak tanımlar. Bu sistemler, gerçek zamanlı analizlerle basit ağ görünürlüğünü artırır.
Günümüzün eski savunma sistemleri, yapay zekanın binlerce kişiselleştirilmiş kötü amaçlı yazılım çeşidi oluşturamadığı dönemde bu bilinen tehditlere odaklanmak üzere tasarlandı.
Hem Google Trends'e hem de Gartner'ın Magic Quadrant™ for Network Detection and Response raporuna göre "Ağ Tespit ve Yanıt çözümleri" aramalarının artmasının bir nedeni bu olabilir.
Dünyanın en hassas ağlarını savunmak için güvenilen Corelight'ın Ağ Tespit ve Yanıt (NDR) platformu, SOC'nizin yapay zeka destekli yeni tehditleri ortaya çıkarmasına yardımcı olmak için derin görünürlüğü gelişmiş davranış ve anormallik tespitleriyle birleştirir.
— Yapay zeka destekli keşif kampanyalarını ve diğer hızlı hareket eden polimorfik saldırıları belirlemek ve bunlara karşı koymak. Bu saldırıların ortak noktası, korumasız giriş noktalarını veya düzeltme eki uygulanmamış güvenlik açıklarını test etmek için otomatik teknikleri kullanma yeteneğidir. Sanki bir hırsız, yanlışlıkla açık bırakılan kapıyı bulmak için yüzlerce kilitli kapıyı hızla sallayabiliyormuş gibi. Bir NDR çözümü, bu otomatik sistemler tarafından oluşturulan daha yüksek trafik hacimlerine ayak uydurabilir ve tüm bu verileri zamanında işleyebilir; bu, normal aktivite arasında gizlenen davetsiz misafirin bulunması açısından kritik öneme sahiptir.
NDR sistemleri, tüm ağ trafiğini denetlemek için gerçek zamanlı izlemeyi kullanır. Bu, tehditleri tespit etmelerine ve çeşitli saldırı türlerinin zaman çizelgelerini ve bileşenlerini yeniden yapılandırmalarına olanak tanır. Örnek olarak, bu sistemler genellikle yanal ağ tehdit hareketi veya kötü aktörün kaçamak yaklaşımlarının işareti olan diğer anormal davranışlar gibi şeyleri ortaya çıkarmak için çeşitli otomasyon ve AI/ML yöntemlerini içerir. Bir NDR çözümü aynı zamanda yanlış pozitifleri gerçek pozitif uyarılardan ayırabilmeli ve gerçek tehditleri araştırmak için çevre bağlamını ve ağ tabanlı çıkarımları sağlayabilmelidir.
— İkincisi, bir kuruluşun ağlarında ve bulut sitelerinde olup bitenleri özetlemek ve analiz etmek. Bu, örneğin şifrelenmiş trafiğin şifrelenmemiş trafiğe oranını hesaplamak ve bunu geçmiş bir temel çizgiyle karşılaştırmak veya bir ağ yönlendiricisinin internete bağlanmak için daha önce hiç SSH kullanmadığını ve şimdi bu protokolü kullandığını gözlemlemek olabilir. Veya yeni hizmetlere veya IP adreslerine yapılan bağlantıları tanımlayabilir. Bunun gibi bilgiler, güvenlik ekiplerine araştırmaları sırasında daha iyi bir bağlam sunarak ve ağ trafiğinin zaman içinde nasıl değiştiğini anlamalarına yardımcı olarak yardımcı olur.
— Üçüncüsü, bu modelleri gelecekteki inceleme ve analizler için bir depolama ortamına kaydedebilmek. Sistem, bireysel dosyaları tanıyıp çıkarabilir ve bu davranışı önlemek için belirli politikalar oluşturmak veya savunmaları atlatmak için geçmişte ne olduğunu görmek gibi daha ileri eylemler için bunları analiz edebilir. Bunun bir örneği, .jpg veya .png gibi bir resim uzantısı kullanan, ancak aslında bir saldırının temelini oluşturabilecek yürütülebilir bir dosya olan uygunsuz bir dosya yüklemesini kaydetmektir.
— Son olarak, bir olayın iyi huylu, şüpheli veya kötü amaçlı olup olmadığına dair bir karara varabilmek ve bunu, basit kötü amaçlı yazılım imzalarını veya davranışlarını tanımanın ötesine geçmek için otomatik yöntemler kullanarak yapmak. Bu, SOC analistleri üzerindeki baskının azaltılmasına ve hatalı pozitif sonuçların ortadan kaldırılmasına yardımcı olabilir. Yukarıda bahsedilen SSH trafik istismarı örneğini kullanarak NDR, şifrelenmiş trafiğin içine bakamazken, ağ görünürlük güçleri sayesinde bunun yeni bir durum olduğunu kolayca tespit edebilir ve olası bir istismar olarak işaretleyebilir. Saldırganlar, çabalarını gizlemek için daha fazla yöntemle oyunlarını hızlandırdıkça, zararlı olabilecek herhangi bir olayı hızlı bir şekilde önceliklendirmek daha önemli hale geliyor.
Rakipler eski savunmalardan kaçmak için giderek daha fazla yapay zekaya yönelirken, ağ görünürlüğü SOC'lerin hamlelerini tespit etmesine yardımcı oluyor. İster giriş noktalarını araştırıyor, ister yana doğru hareket ediyor, ister göz önünde saklanıyor olsun, SOC'ler gerçek hasar verilmeden önce onları yakalıyor.
NDR'nin benzersiz gücü, geleneksel araçların görmezden geldiği veya günlüklerinin derinliklerine gömdüğü sorunları gidermek için analistlere eyleme dönüştürülebilir bilgiler sağlamasında yatmaktadır. Olay müdahale ekipleri olağandışı ağ trafiğini veya şüpheli uygulama kullanımını hızla araştırabilir, gizli kötü amaçlı yazılımları veya izinsiz giriş yapanları tespit edebilir ve olayları daha hızlı çözebilir. Kötü amaçlı yazılım bulaşmasının patlama yarıçapını azaltma veya kötü bir aktörün özel verileri çalmasını engelleme potansiyeline sahiptirler.
Yaygın çevresel görünürlük ve daha hızlı tepki ile NDR, kuruluşlara çeviklik kazandırarak onları saldırganların sürekli gelişen, yapay zeka odaklı taktiklerden yararlandığı bir geleceğe hazırlıyor.
Corelight NDR hakkında daha fazlasını keşfetmek için corelight.com/elitedefense adresini ziyaret edin.
Corelight tarafından desteklenmiş ve yazılmıştır.
Kaynak: Bleeping Computer