KI-gestützte Cyber-Security entschärft selbst anspruchsvolle Angriffe KI prägt die Zukunft der Cyberabwehr

Anbieter zum Thema

Infosys Ltd.

Board Deutschland GmbH

INFOMOTION GmbH

QUNIS GmbH

Die Angriffsflächen für Cyber-Angriffe vergrößern sich mit der digitalen Transformation, die Sicherheitsbedrohungen sind den Fortschritten der entsprechenden Technologien zunehmend voraus. Die Bedrohungsakteure investieren in KI- und Automatisierungstechnologien – und stellen fest, dass traditionelle Sicherheitstools gegen die immer anspruchsvolleren Cyber-Angriffe unwirksam sind.

Die Ergebnisse einer aktuellen Studie, dem Cost of a Data Breach Report 2023 zeigen, dass Unternehmen, die KI und Automatisierung einsetzen, um die Sicherheitslage zu verbessern, Datenschutzverletzungen 108 Tage schneller erkennen und eindämmen ein als solche, die keine KI einsetzen. Daher liegt der Schwerpunkt vieler Unternehmen darauf, künstliche Intelligenz (KI), Machine Learning (ML) und fortschrittliche Analysen einzusetzen, um Bedrohungen zu erkennen. Sie werden außerdem verwendet, um Bedrohungen zu untersuchen und die Reaktion auf Bedrohungen zu beschleunigen. Darüber hinaus unterstützen sie menschliche Maßnahmen, um die Unternehmenslandschaft gegen moderne Angriffe zu verstärken.

Stärkere Quantifizierung von Cybersicherheitsrisiken: Der Einsatz von KI unterstützt Organisationen dabei, in Echtzeit Metriken zum Gesamtrisikoprofil zu sammeln. Dazu gehört auch ein Überblick über die Auswirkungen unternehmenskritischer Schwachstellen sowie der Sicherheitslage. Auch die Einhaltung gesetzlicher Standards, die allgemeine Bedrohungslandschaft und mehr gehören dazu. Da die Auswirkungen von Cyber-Security-Risiken immer öfter auch in Vorstandssitzungen diskutiert werden, kann die Demokratisierung der Risikokennzahlen dazu beitragen, die dynamische Quantifizierung von Cyber-Security-Risiken für ein Unternehmen zu verbessern.

Fortschrittliche Bedrohungsabwehr: Der Einsatz von KI-, ML- und Visualisierungs­technologien, die auf Datensätzen des MITRE ATT&CK-Frameworks – einer global zugänglichen Wissensbasis über Taktiken und Techniken von Angreifern, die auf realen Beobachtungen basieren – und auf SOAR- (Security, Orchestration, Automation, and Response), SIEM- (Security Information and Event Management)-Tools trainiert wurden, ermöglicht es Sicherheitsanalysten, das Alarmrauschen effektiv zu filtern, die Strategie von Bedrohungsakteuren zu verstehen und stärkere Abwehrtechniken einzusetzen.

Diese Tools unterstützen Analysten nicht nur bei der Entscheidungsfindung, sondern auch dabei, False-Positives-Rate sowie die Reaktionszeit auf kritische Vorfälle zu reduzieren. Durch die Integration von KI-Technologien in die allgemeinen Arbeitsabläufe zum Schutz vor und zur Reaktion auf Bedrohungen wird die Alarmmüdigkeit verringert.

Fähigkeiten der Mitarbeiter im Bereich der Cybersicherheit verbessern: KI und fortschrittliche Analysen helfen Sicherheitsanalysten dabei, fortschrittliche Sicherheitsmaßnahmen mit minimalen Kenntnissen durchzuführen. Dies reduziert den Druck, qualifizierte Cyber-Security-Experten finden zu müssen. Dazu gehören beispielsweise SOC-Analysten. Mitarbeiter mit entsprechenden Fähigkeiten sowie einem Verständnis von Cyber-Security-Tools und Bedrohungslandschaften sind in der Lage, KI-Technologien zu nutzen und so selbst komplexe Sicherheitsmaßnahmen durchzuführen.

Orchestrierung von Cybersicherheits-Tools: Unternehmen können ihre Investitionen in Cyber-Security-Tools besser schützen, wenn sie Technologien integrieren sowie ihre Arbeitsabläufe automatisieren. Gleichzeitig erzielen die gewünschten Ergebnisse darunter eine schnellere Incident Response, die Auswertung von Warnmeldungen, Threat Management und Compliance-Monitoring. Die KI-integrierten Plattformen liefern richtige Erkenntnisse, damit die Orchestrierungsprozesse bei der Verwaltung der zahlreichen Cybersecurity-Bedrohungen effektiver ablaufen.

Schutz vor Bots: Angreifer haben mit Hilfe von KI den Bot-Verkehr erhöht. Die Einsatzgebiete für Bots sind vielfältig – Cyber-Kriminelle nutzen sie zum Betrug durch Kontoübernahme (ATO), Kompromittierung von Anmeldeinformationen, Social-Engineering-Angriffe und mehr. Der Einsatz von KI und ML hilft bei der automatisierten Aufnahme und Analyse von Feeds, um das Bot-Verhalten aus verschiedenen Quellen zu identifizieren. Sie führen außerdem eine effiziente Verhaltensanalyse des Datenverkehrs durch und unterstützen bei der Identifizierung solcher bösartigen, von Bots erzeugten Aktionen in einer kontinuierlich dynamischen Bedrohungslandschaft.

Benutzerauthentifizierung: KI verbessert Methoden zur Benutzerauthentifizierung und verhindert so den unbefugten Zugriff auf Systeme oder Daten. Biometrische Authentifizierungs­verfahren wie die Gesichtserkennung oder das Scannen von Fingerabdrücken lassen sich durch KI optimieren. So wird die Genauigkeit und Sicherheit erhöht.

Datenklassifizierung: KI-Tools unterstützen dabei, sensible Daten zu identifizieren, zu klassifizieren und zu schützen. So lassen sich Einblicke in die Unternehmensdaten gewinnen und die entsprechenden Datenschutzrichtlinien mit einem höheren Maß an Genauigkeit anwenden.

Compliance-Management: Codebases, zum Beispiel Workflows in DevSecOps, können auf ihre Konformität mit regulatorischen Standards überprüft werden. Sie sind außerdem in der Lage, Compliance-Berichte automatisiert zu erstellen. Mithilfe von KI lassen sich Codes zur Identifizierung von Schwachstellen scannen sowie Patches identifizieren. Auch können Gefährdungen durch Schwachstellen schneller und besser verwaltet werden.

Netzwerk-Segmentierung: Die Netzwerk-Segmentierung mit unterschiedlichen Sicherheits­stufen kann die Bewegungsebenen von Angreifern einschränken, wenn ein Teil des Netzwerks kompromittiert wird. KI-gestützte Segmentierung kann sehr effektiv sein, wenn es um eine Vielzahl von Netzwerken, Geräten und Anwendern geht. So lassen sich auch Sicherheitsrichtlinien in großem Umfang durchsetzen.

KI verbessert die Cyber-Sicherheit in Unternehmen. Sie müssen jedoch Richtlinien und Prozesse für einen verantwortungsvollen Einsatz von KI einführen. Dazu sollten sie Leitplanken zum Schutz vor Risiken entwickeln, um vor etwaigen KI-Risiken zu schützen. Dazu gehören die unbeabsichtigte Weitergabe sensibler Daten oder geistigem Eigentum, um das KI-Modell zu trainieren. Auch die Möglichkeit einer „Vergiftung“ durch bösartigen Code und die Gewährleistung der Einhaltung rechtlicher und regulatorischer Standards muss in Betracht gezogen werden. Durch Angriffe auf KI-Modelle lässt sich deren Verhalten manipulieren, was zu Sicherheitslücken führen kann. Der Schutz von KI-Systemen erfordert einen ganzheitlichen Ansatz, der sowohl traditionelle Cyber-Sicherheitsmaßnahmen als auch KI-spezifische Schutzmaßnahmen berücksichtigt.

Über den Autor: Shambhulingayya Aralelemath ist Global Delivery Head der Cyber Security Practice bei Infosys. Er verfügt über mehr als 30 Jahre Erfahrung in den Bereichen IT und Cybersicherheit in verschiedenen Branchen. Darüber hinaus trieb er die technologische Transformation voran, um so die Zuverlässigkeit des Unternehmens zu erhöhen, Kosten zu optimieren und eine verbesserte Benutzerfreundlichkeit zu fördern. Als visionärer Vordenker mit einer ausgeprägten Umsetzungsmentalität verfügt Shambhu über die Expertise, um die Bedeutung der Cyber Security für die Widerstandsfähigkeit von Unternehmen zu erhöhen. Er ist ein starker Befürworter der „Demokratisierung der Cybersicherheit“ und der „Verankerung einer Sicherheitskultur im Unternehmen“.

(ID:49892697)