CISO Prevede Più Vulnerabilità in Sei Mesi che in Trent'anni: Strategie per la Difesa

La CISO di National Life Group prevede un aumento esponenziale delle vulnerabilità nei prossimi sei mesi

Durante un'intervista con Help Net Security, Becky Palmer, Vicepresidente e Chief Information Security Officer (CISO) di National Life Group, ha discusso le sfide di difendere contro attacchi guidati dall'intelligenza artificiale. Palmer ha evidenziato come i cicli di patching, progettati per la velocità umana, non riescano a tenere il passo con le minacce AI-driven, e ha condiviso strategie per compensare questa disparità.

L'accelerazione delle vulnerabilità e l'impatto dell'AI

I fondamentali della gestione delle vulnerabilità non sono cambiati, ma la velocità e la scala della scoperta e sfruttamento delle vulnerabilità stanno cambiando drasticamente. Con l'introduzione dell'AI Frontier, è probabile che scopriremo più vulnerabilità nei prossimi sei mesi di quante ne abbiamo viste negli ultimi trenta anni. L'AI aiuta gli attaccanti a trovare e sfruttare le vulnerabilità alla velocità della macchina, riducendo il tempo necessario per un attacco da settimane a, in alcuni casi, ore.

L'inadeguatezza dei processi di patching umani

Quando gli attaccanti operano alla velocità della macchina, un processo di patching che funziona alla velocità umana non può tenere il passo. Palmer ha sottolineato la necessità di combattere l'AI con l'AI per automatizzare la gestione delle patch. Questo include l'uso dell'AI per correlare nuove vulnerabilità con l'ambiente dell'organizzazione, prioritarle in base all'esposizione e guidare il ciclo di test e distribuzione per comprimere i tempi di patching.

Compensating controls per ridurre l'esposizione

Quando una correzione immediata non è possibile, è essenziale mettere in atto controlli compensativi per ridurre l'esposizione fino a quando la vulnerabilità sottostante non può essere rimediata. Palmer ha elencato alcuni esempi di controlli compensativi utilizzati da National Life Group: 1. Virtual patching: Utilizzo di firewall per applicazioni web, sistemi di prevenzione delle intrusioni e protezione endpoint per bloccare il traffico di exploit specifici. 2. Restrizione dell'accesso: Limitazione di chi e cosa può raggiungere il sistema esposto, con l'implementazione del principio del privilegio minimo e autenticazione più robusta. 3. Monitoraggio intensificato: Implementazione di rilevamento mirato sull'asset vulnerabile per rilevare immediatamente i tentativi di sfruttamento e rispondere prontamente.

L'impatto dell'AI nel SOC

National Life Group ha recentemente iniziato a utilizzare AI agentic nel proprio Security Operations Center (SOC), con risultati significativi. L'AI ha permesso di automatizzare indagini complesse e colmare il divario tra rilevamento e contesto umano. Palmer ha riferito che, per i casi abilitati all'AI, quattro su cinque vengono risolti senza escalation umana, risparmiando ore di lavoro ogni giorno.

La distinzione tra AI e analisti umani

Palmer ha sottolineato che l'obiettivo non è sostituire gli analisti, ma dare loro la possibilità di operare più velocemente e concentrarsi sui rischi che richiedono giudizio umano. L'AI aiuta a liberare il team per focalizzarsi su rischi che richiedono competenze umane, migliorando l'efficienza complessiva del SOC.

Valutazione delle affermazioni AI dei vendor di sicurezza

Con l'aumento dei vendor di sicurezza che affermano di offrire soluzioni AI, Palmer ha condiviso alcune domande chiave per distinguere un prodotto funzionante da una semplice etichetta di marketing:

È possibile eseguire una prova di valore con i propri dati per verificare la funzionalità?

L'AI utilizza un'istanza protetta o modelli AI pubblici?

Quali azioni può eseguire autonomamente l'AI, ogni azione è registrata e qual è il kill switch?

Qual è il costo totale per l'uso reale?

Palmer ha consigliato di non fidarsi delle affermazioni di marketing senza una validazione concreta e di eseguire sempre una prova di valore con i propri dati.

Gestione del rischio AI da parte di terzi

National Life Group tratta l'uso di AI da parte di terzi come un problema di rischio del vendor e di governance dei dati. La valutazione del rischio del vendor richiede ai vendor e agli agenti indipendenti di divulgare gli strumenti e i modelli AI che utilizzano, i dati sensibili coinvolti, dove i dati vengono elaborati, per quanto tempo vengono conservati e se vengono utilizzati per il training. I contratti stabiliscono poi le guardrail, inclusa l'approvazione preventiva, gli ambienti LLM aziendali approvati, le restrizioni sull'uso di LLMs di terzi non approvati, i limiti sull'addestramento e l'uso secondario, e i controlli sui fornitori di AI e subappaltatori.

Tre passi per ridurre il rischio AI in 90 giorni

Per i leader della sicurezza in piccole compagnie di assicurazione o banche senza un budget AI, Palmer ha suggerito tre priorità per ridurre il rischio AI in un periodo di 90 giorni: 1. Comprendere e prioritizzare i rischi più elevati: Identificare dove risiede la maggior parte delle informazioni sensibili, dove si è più esposti e quali rischi potrebbero avere il maggiore impatto. Concentrare le risorse su queste aree critiche. 2. Rafforzare l'identity and access management: Assicurarsi che i dipendenti abbiano accesso solo ai sistemi e alle informazioni necessarie per svolgere il loro lavoro e limitare i privilegi amministrativi dove possibile. 3. Formare i dipendenti: Educare i dipendenti sull'uso sicuro delle piattaforme AI e sui rischi di phishing e deepfake, con simulazioni regolari di phishing e formazione continua sulla sicurezza informatica. Per ulteriori approfondimenti, è possibile scaricare il rapporto "[How security controls perform in practice](https://helpnet.short.gy/Gs11GH)".