网络安全不能再将自己限制为检测。面对技术故障的繁殖，传统方法随后做出反应，显示出其限制。 2024年，在国际参考基础上发表了21万多个漏洞。该卷使任何手动优先级都不可能。出现了一种新的方法，即使用人工智能来模拟攻击场景，甚至在诱惑之前。
从模拟检测
传统上，网络安全工具通过扫描或规则检测系统中已知缺陷。新颖的是，人工智能的模型现在可以解释脆弱性的技术描述，推断出其剥削潜力，然后模拟最关键的攻击序列。这种方法基于两个技术砖，语言模型（LLM）和增强学习。
语言模型分析了提取可剥削意义的脆弱性的免费描述。他们将这些文本转换为称为嵌入的数字向量，然后可以在模拟中使用。在虚拟环境中受过训练的AI代理，探索网络中可能的攻击路径，一个接一个地探讨了一个接一个的攻击漏洞。
在系统的数字双胞胎上形成的AI
该实验基于建立由网络扫描（NMAP或OpenVAS类型）构建的计算机系统的数字双胞胎的创建。每台机器，每个服务，每个已知的缺陷成为分析图的元素。 IA代理在此虚拟副本中演变，并学会确定最有效的操作路径。
这种方法可以预见攻击者的横向运动，以模拟潜在的折衷方案并产生通过关键性分类的风险区域的映射。
对领导者的战略兴趣
预期对AI的攻击对管理委员会具有三个主要利益。
1。改善安全姿势
通过模拟现实的攻击情况，该公司可以识别最危险的故障组合。这使得可以根据实际风险确定纠正措施的优先级，而不仅仅是基于通用分数。
2。降低法律和监管风险
使用AI的预期方法实施是合理勤奋的证明。如果发生调查或事件，特别是在GDPR，NIS2指令或金融公司的Dora法规的框架内，它可以动员起来。
3。优化网络安全成本
通过确定最关键的缺陷，AI使您可以将人类和财务上的努力集中在高影响力上。这是对人才短缺和系统不断增长的复杂性的务实反应。
一个实际情况：未知网络上的覆盖范围为69％
在洛林大学（University of Lorraine）进行的一个项目中，通过专门网络安全语言（Securebert Type）模型进行了培训，以培训了探索模拟网络的培训。结果：在未知的拓扑结构中，他能够以序列模拟缺陷，从而可以控制网络节点的69％。
这些结果仅从1,000个漏洞描述中获得，而无需重新获得语言模型，从而证明了系统的概括能力。
不是什么
它既不是经典的漏洞扫描仪，也不是事件的自动响应工具。该系统不能取代网络安全团队，而是充当战略模拟工具，能够提供具体的内部攻击场景，从而利用系统的已知缺陷。
方向的下一步
-
- 审核公司中已知漏洞（CVE）的存在是
- 建立关键周长的数字双（ERP，CRM，云）
- 集成AI模拟导致风险或审核委员会
- 将这些工具包括在主动网络安全的法律文档中
- 与RSSI，DPO和运营部门协调
AI打开了网络风险管理的新阶段。
它仅允许公司检测出故障，但要了解如何利用它们，并相应优先级。在监管压力和攻击的越来越高的复杂性的背景下，模拟成为一般，金融和法律部门的战略杠杆。
