Kas yra dirbtinio intelekto triažas?

Kas yra dirbtinio intelekto triažas? Tai dirbtinio intelekto pagrįstos analizės taikymas saugumo radiniams, kai vietoj fiksuoto įspėjimų sąrašo komanda gauna verdiktą, ar kiekvienas radinys yra tikrai teigiamas (tikra problema), ar klaidingai teigiamas (iš tikrųjų negalima išnaudoti arba pagrįstas blogais duomenimis). Tai ne dar vienas skeneris. Tai sluoksnis, kuris yra ant skenerio išvesties ir nusprendžia, kurie radiniai iš tikrųjų nusipelno kūrėjo dėmesio.

Suprasti, kas yra dirbtinio intelekto triažas (ir kaip tai praktiškai atrodo), svarbu, nes tradicinė alternatyva, kai žmogus rankiniu būdu nuskaito kiekvieną radinį iš kiekvieno skaitytuvo, nėra pritaikoma visiems. SAST, SCA, paslapčių aptikimas, IaC, ir DAST lygiagrečiai sukuria daug daugiau išvadų, nei bet kuri komanda gali peržiūrėti po vieną, ir didelė dalis šių išvadų yra klaidingai teigiami, dėl kurių nereikia imtis veiksmų. Šiame žodynėlyje paaiškinama, kas yra dirbtinio intelekto triažas, kaip jis veikia skirtingų tipų išvadų atveju ir kodėl jis svarbus mažinant budrumo nuovargis.

DI triažo reikšmė: trumpas apibrėžimas #

DI triažo reikšmė, oficialiai reiškianti: DI pagrįstas saugumo išvados vertinimas, kurio metu nustatoma, ar problema yra tikra. tiesa teigiamas arba klaidingai teigiamas.

Šis terminas išplečia senesnę „triažo“ idėją nuo medicininių ir incidentų reagavimo kontekstų (nusprendžiant, į ką pirmiausia atkreipti dėmesį, kai darbo yra daugiau nei laiko) iki konkrečios saugumo įspėjimų perkrovos problemos. Kai tradicinis skaitytuvas tiesiog praneša „šis modelis atitinka žinomą rizikingą modelį," Dirbtinis intelektas atlieka kriterijų analizę, atsižvelgdamas į aplinkinį kontekstą, kodą, konfigūraciją, užklausos / atsakymo įrodymus ir prieina prie išvados, prie kurios žmogus, atliekantis peržiūrą, kitu atveju turėtų prieiti rankiniu būdu.

Praktiškai dirbtinio intelekto triažo reikšmė yra tokia: radinys nustoja būti plokščiu, nediferencijuotu įspėjimu ir tampa patvirtintu arba atmestu elementu dar prieš jam pasiekiant kūrėjo eilę.

Ką tai iš tikrųjų gamina #

Kiekvienas triažo rezultatas gauna verdiktąAr dirbtinis intelektas yra įsitikinęs, kad problema yra tikras pažeidžiamumas (tikras teigiamas rezultatas), ar įsitikinęs, kad ne (klaidingas teigiamas rezultatas, pavyzdžiui, nes duomenys yra išvalyti arba kodo kelias nepasiekiamas), ar negali padaryti užtikrintos išvados (reikia peržiūrėti). Verdiktas „reikia peržiūrėti“ yra sąmoningas rezultatas, o ne nesėkmė: dirbtinio intelekto triažas sukurtas taip, kad pasakytų „nesu tikras“, o ne spėliotų, kai įrodymai yra dviprasmiški.

Kodėl dirbtinio intelekto triažas nėra vienodas kiekvienam radinio tipui #

Vienas iš svarbiausių dalykų, kuriuos reikia suprasti apie dirbtinio intelekto triažą, yra tai, kad jis netaikomas vienodai visų rūšių saugumo nustatymams, nes klaidingai teigiami rezultatai atrodo skirtingai, priklausomai nuo to, kas yra triažas.

• Kodo ir konfigūracijos radiniams (SAST, IaC, paslaptys). Dirbtinis intelektas (DI) tiesiogiai samprotauja apie supantį kodo kontekstą, kad nuspręstų, ar pažymėtas šablonas iš tikrųjų yra pažeidžiamas, ir paaiškina šį samprotavimą paprastu tekstu kartu su verdiktu.

• Dėl atvirojo kodo priklausomybių radinių (SCA). Čia verdikto klausimas veikia kitaip: žinomas priklausomybės CVE arba taikomas, arba netaikomas, todėl klaidingai teigiamas aptikimas tvarkomas naudojant pasiekiamumo analizę, o ne tradicinį dirbtinio intelekto triažo verdiktą.

• Dinaminių bandymų išvadoms (DAST). Dirbtinis intelektas (DI) atlieka kriterijų nustatymą remdamasis vykdymo laiko įrodymais, faktine užklausa ir atsakymu, o ne šaltinio kodu, specialiai tam, kad aptiktų klaidingai teigiamus modelius, būdingus dinaminiam nuskaitymui: žiniatinklio programos užkarda tyliai blokuoja ataką, o nuskaitymo įrenginys tą blokavimo puslapį painioja su tikru pažeidžiamumu, arba naudingoji apkrova, atsispindinti atsakyme, kuris iš tikrųjų yra neutralizuotas, o ne išnaudojamas.

• Kenkėjiškų programų nuskaitymo išvadoms. Šis metodas vėlgi veikia kitaip: užuot pateikęs verdiktą dėl individualaus radinio, dirbtinio intelekto triažo metodas įvertina kenkėjiškų programų skaitytuvo pateiktų įrodymų patikimumą ir įtraukia jį į bendrą projekto lygmens rizikos balą, todėl keli didelio patikimumo signalai vertinami kitaip nei tas pats skaičius silpnų, dviprasmiškų signalų.

Kur tai tinka prioritetų nustatymo darbo eigoje #

Dirbtinio intelekto triažo negalima skaityti po vieną išvadą vienu metu pasirinktinai; jis sukurtas taip, kad būtų pritaikytas tose pačiose vietose, kuriose komanda jau peržiūri saugumo rezultatus.

• Individualiai, konkrečiam radiniui. Kūrėjas arba saugumo inžinierius gali atidaryti vieną problemą ir pamatyti sprendimą bei jo pagrindimą, o tai naudinga sprendžiant, ar pasitikėti konkrečiu automatiniu iškvietimu.

• Masiškai, iš karto po daugelio radinių. Užuot nagrinėjus vieną problemą atskirai, galima kartu siųsti visą nagrinėtų išvadų rinkinį – tai realus būdas, kuriuo dauguma komandų išsprendžia problemas, o ne peržiūri jas po vieną.

• Kaip automatizuoto proceso dalis pipeline. Triažas gali būti atliekamas automatiškai vos tik baigus skenavimą, todėl kol kas nors peržiūri rezultatus, triažas jau būna atskirtas nuo to, kas verta dėmesio, o ne kaip atskiras rankinis veiksmas, kurį kažkas turi nepamiršti atlikti.

• Kaip etapas platesniame prioritetų nustatymo piltuve. Užuot egzistavęs atskirai, DI triažo verdiktas gali veikti kaip filtravimo etapas platesniame prioritetų nustatymo procese, todėl patvirtinti klaidingai teigiami rezultatai yra anksti atfiltruojami, o tolesniam reitingavimui paliekami tik tikri radiniai.

Kodėl svarbus dirbtinio intelekto triažas #

Pagrindinė problema, kurią sprendžia dirbtinio intelekto triažo metodas, yra ne aptikimo trūkumas, o nediferencijuotų įspėjimų perteklius. Šiuolaikinės programų saugumo programos lygiagrečiai vykdo kelis skaitytuvus, kurių kiekvienas generuoja išvadas naudodamas savo logiką, savo patikimumo lygį ir neturėdamas bendro supratimo apie tai, kas yra tikra. Be triažo sluoksnio kiekvienas iš šių išvadų pasiekia žmogų su vienodu akivaizdžiu svoriu, nesvarbu, ar tai kritinis, aktyviai išnaudojamas trūkumas, ar klaidingai teigiamas rezultatas iš modelio atitikimo kode, kurio niekas nevykdo.

Tas nediferencijuotas garsumas ir sukelia budrumo nuovargį – gerai dokumentuotą žmonių polinkį nustoti atidžiai skaityti, kai garsumas peržengia tam tikrą ribą. Budrumo nuovargis yra ne tik efektyvumo problema: tai saugumo problema, nes vienas atradimas, kuris iš tikrųjų buvo svarbus, statistiškai labiau tikėtinas nepastebėtas tarp tūkstančio kitų, kurie to nedarė.

Dirbtinio intelekto triažo metodas tiesiogiai sprendžia šią problemą, atlikdamas pirmąjį samprotavimo etapą, kurį kitaip turėtų atlikti žmogus, vertindamas kiekvieną išvadą, ir aiškiai nurodydamas savo neapibrėžtumą, o ne priversdamas priimti dvejetainį sprendimą, kai įrodymai jo nepatvirtina.

Jūsų apsauga Pipeline Su Xygeni dirbtinio intelekto triažu #

„Xygeni“ dirbtinio intelekto triažo funkcija yra tiesiogiai integruota į platformos prioritetų nustatymo darbo eigą, o ne kaip integruota ataskaita. Be pagrindinio teisingo/klaidingo teigiamo verdikto, Ksigeni praplečia dirbtinio intelekto triažo funkciją dviem papildomais rezultatais: skubus ištaisymas (kaip greitai patvirtintai problemai reikia skirti dėmesio, nuo neatidėliotinos iki vėlesnių darbų) ir korekcinių priemonių sudėtingumas (kiek pastangų, tikėtina, pareikalaus pataisymas – nuo ​​​​nereikšmingo vienos eilutės pakeitimo iki sunkaus, visą sritį apimančio pertvarkymo). Kartu tai suteikia komandoms ne tik aiškesnį realių išvadų sąrašą, bet ir iš anksto parengtą prioritetų tvarką.

Šis išsamus vertinimas, verdiktas, skubumas ir sudėtingumas yra parengti siekiant SAST, IaC, paslaptys, SCAir DAST išvadas, pritaikant specifinę triažo logiką kiekvienam radinių tipui: pasiekiamumu pagrįstas klaidingai teigiamas aptikimas SCA, DAST užklausų / atsakymų įrodymų analizė ir kodo konteksto samprotavimas SAST, IaC, ir paslaptys.

Kiekvienas triažo rezultatas žymimas verdiktu, skubumu ir sudėtingumu, todėl komandos gali filtruoti ir kurti rodinius būtent pagal svarbius rezultatus, o dirbtinio intelekto samprotavimai rodomi šalia kiekvieno verdikto, o ne paslėpti už juodosios dėžės balo. Triažas gali būti atliekamas kiekvienam iš rezultatų, masiškai visam darbų sąrašui, pagal CLI poreikį arba automatiškai, kai tik baigiamas nuskaitymas, o jo rezultatai tiesiogiai perduodami į „Xygeni“. SAST ir DAST prioritetų nustatymo piltuvėliai, todėl patvirtinti klaidingai teigiami rezultatai yra atfiltruojami dar prieš kūrėjui juos pamatant.

Konkrečiai kenkėjiškų programų skenavimui dirbtinio intelekto triažo funkcija veikia kitaip: ji įvertina skenavimo metu gautų įrodymų patikimumą ir įtraukia jį į bendrą projekto kenkėjiškumo balą, todėl keli stiprūs signalai yra atitinkamai vertinami, palyginti su didesniu skaičiumi silpnų.

DUK #