Machine Learning как защита нового поколения от киберугроз

Искусственный интеллект и Machine Learning — относительно новые технологии, применяемые в процессах автоматизации работы SOC. Но и в этом направлении у нас уже есть истории успеха: их продемонстрировали спикеры SOC-Форума. 

Иван Чувилин, руководитель отдела поддержки продаж R-Vision, представил Machine Learning как защиту нового поколения от киберугроз. Он напомнил, что различными технологиями искусственного интеллекта мы пользуемся сегодня каждый день в разных сценариях: это, например, распознавание лиц, поиск изображений и многое другое. Более серьезную роль ИИ играет в прикладных науках — например, в медицине обученная система умеет эффективно распознавать онкологические заболевания. В сфере безопасности — ИИ уже используется хакерами для обхода средств защиты и других задач в таких сценариях, как целевой фишинг (ИИ помогает ускорить подготовку и автоматизировать атаку злоумышленника), дипфейк (в том числе для социальной инженерии и обхода биометрии) и «отравление данных» в процессе обучения ML-модели. 

В современных комплексных системах ИБ классические средства защиты (почтовый шлюз, шлюз для трафика, антивирус) дополняются такими решениями, как SIEM. «SIEM — это удобный инструмент, который используется практически в каждом SOC и помогает обнаруживать инцидент, основываясь на событиях. Здесь ключевая проблема — огромное количество событий и ложных срабатываний. Хотелось бы на этапе обработки событий дать инструмент, который поможет решить эту проблему. Нам удалось использовать технологию ML в реальных кейсах в боевом режиме. У каждого события есть ключевые атрибуты, которые связывают событие с объектом, на котором оно произошло. Объект наблюдения попадает в базу и становится сущностью, к которой привязываются все последующие события из выборки, со временем создается некий кластер событий, связанных с объектом. На выходе мы получаем обработанный, нормализованный набор событий, кластеры данных и объекты наблюдений. Следующим этапом идет применение ML: модели смотрят на определенные признаки событий, которые связаны с конкретными объектами. Выделяются признаки, по которым модель в дальнейшем будет определять, является ли это поведение нормальным, аномальным или это инцидент. Признаки подаются на модель, и происходит обучение», – объяснил спикер. 

Мониторинг потока событий в SOC системах средствами машинного обучения внедрен в центре мониторинга и противодействия кибератакам компании «Информзащита». Иван Мелехин, руководитель центра, рассказал: «Одна из задач, с которой мы регулярно сталкиваемся в работе SOC, заключается в контроле источников, поступления данных от источников, выявления аномалий в потоке событий. Мы решили использовать для этого машинное обучение». 

Более подробно проект представил аналитик данных «Ланит-Технологии» Иван Чурилов — компания «ЛАНИТ» занималась его реализацией. По словам спикера, ежечасно в SOC анализируется около 70 тысяч событий, которые представляют собой логи с тысяч устройств. Картина динамически меняется: появляются новые устройства, удаляются старые. В качестве базовой меры контроля состояния устройств сегодня мониторится количество логов с каждого устройства. Временные ряды логов сильно различаются между собой, их поведение меняется со временем.

«По сути у нас есть временные ряды с каждого источника и стоит задача поиска и детектирования аномалий во временных рядах. Строится прогноз, для него строится доверительный интервал, дальше к нам приходят актуальные значения временного ряда. Мы смотрим: если оно лежит вне границ доверительного интервала для нашего прогноза, то оно помечается как аномальное. При таком подходе в качестве подготовительных этапов следуют предобработка данных, выделение признаков для модели МО и построение прогнозных моделей — то есть само обучение», — поделился подробностями Иван Чурилов.