AI ทำให้จุดอ่อนของ policy ถูกโจมตีได้ง่ายขึ้นอย่างไร

ปัญญาประดิษฐ์กำลังเปลี่ยนโฉมงานด้าน cybersecurity ระบบอย่าง Mythos เร่งให้เกิดการพูดคุยเรื่องการค้นหาช่องโหว่ การวิเคราะห์เส้นทางการโจมตี และการดำเนินงานด้านความปลอดภัยที่มี AI ช่วย องค์กรต่าง ๆ กำลังลงทุนในเครื่องมือใหม่ ทบทวนลำดับความสำคัญด้านความปลอดภัย และตั้งคำถามสำคัญว่า เราจะป้องกันการโจมตีที่เคลื่อนที่เร็วกว่าที่เคยเป็นมาได้อย่างไร นี่คือคำถามที่ถูกต้อง แต่หลายองค์กรกลับมองหาคำตอบผิดที่ ความท้าทายที่ใหญ่ที่สุดไม่ใช่การที่ AI สร้างจุดอ่อนด้านความปลอดภัยขึ้นมาใหม่ แต่เป็นการที่ AI ทำให้จุดอ่อนของ policy ที่มีอยู่เดิมถูกค้นพบ เชื่อมโยง และนำไปใช้โจมตีได้ง่ายขึ้น สิทธิ์การเข้าถึงที่มากเกินจำเป็น policy ที่ขยายตัวอย่างไร้ทิศทาง ช่องว่างของการแบ่งเซกเมนต์ firewall rule ที่ไม่สอดคล้องกัน และการควบคุมที่ไม่สม่ำเสมอทั่วสภาพแวดล้อมแบบไฮบริด ล้วนมีอยู่มาหลายปีแล้ว เมื่อช่องโหว่ถูกระบุได้ภายในไม่กี่นาทีแทนที่จะเป็นหลายสัปดาห์ ทีมความปลอดภัยต้องการมากกว่าการมองเห็นความเสี่ยง พวกเขาต้องการความมั่นใจว่า policy ที่กำกับการเข้าถึง microsegmentation firewall rule การควบคุมบนคลาวด์ และการเปลี่ยนแปลงด้านความปลอดภัย สอดคล้องกับเจตนาทางธุรกิจอย่างต่อเนื่องทั่วทั้งสภาพแวดล้อมไฮบริด Mythos คือสัญญาณเตือน ส่วนการควบคุม policy คือคำตอบ

AI ไม่ได้สร้างปัญหา policy ของคุณ

ทีมความปลอดภัยระดับองค์กรส่วนใหญ่ทำงานอยู่ในสภาพแวดล้อมที่เปลี่ยนแปลงตลอดเวลาอยู่แล้ว workload บนคลาวด์ใหม่เกิดขึ้นทุกวัน แอปพลิเคชันย้ายไปมาระหว่างดาต้าเซ็นเตอร์ คลาวด์ และสภาพแวดล้อมที่แบ่งเซกเมนต์ หน่วยธุรกิจควบรวมกัน firewall rule สะสมเพิ่มขึ้น policy ของ microsegmentation ขยายตัว ข้อยกเว้นชั่วคราวกลายเป็นถาวร ทีมความปลอดภัยถูกคาดหวังให้รักษาความปลอดภัยทุกอย่างไว้ พร้อมกับเปิดทางให้ธุรกิจเดินหน้าได้อย่างรวดเร็ว ทั้งหมดนี้ไม่ได้เริ่มต้นจาก AI อันที่จริง FireMon Insights ได้วิเคราะห์มากกว่า 9.2 million device-level policy checks ในสภาพแวดล้อมระดับองค์กร และพบรูปแบบที่สอดคล้องกันดังนี้

• 58% ของ firewall ไม่ผ่าน policy check ระดับความรุนแรงสูง
• 69% ของ firewall rule ไม่ได้ถูกใช้งาน
• 45% ของ rule ไม่มีเจ้าของหรือเอกสารกำกับ

ผลการวิเคราะห์เหล่านี้สะท้อนความจริงที่ผู้นำด้านความปลอดภัยส่วนใหญ่รับรู้อยู่แล้ว ความซับซ้อนของ policy เพิ่มขึ้นเองตามกาลเวลา AI ไม่ได้สร้างความซับซ้อนนั้น แต่ทำให้มันถูกเปิดเผยเร็วขึ้น ความแตกต่างนี้สำคัญ หากองค์กรมองความเสี่ยงที่ขับเคลื่อนด้วย AI เป็นเพียงปัญหาการบริหารจัดการช่องโหว่ พวกเขาจะตอบสนองด้วยการสร้างผลการตรวจพบมากขึ้น ติดตั้ง scanner เพิ่มขึ้น หรือเพิ่ม dashboard อีกหนึ่งตัว แต่การมองเห็นเพียงอย่างเดียวไม่ได้ลดความเสี่ยง องค์กรที่ประสบความสำเร็จคือองค์กรที่ควบคุม policy เบื้องหลังโครงสร้างพื้นฐานด้านความปลอดภัยของตนได้อย่างต่อเนื่อง

การมองเห็นไม่ใช่การควบคุม

ไม่เคยมีช่วงเวลาใดที่ทีมความปลอดภัยมีข้อมูลมากเท่านี้ ทั้ง scanner ตรวจหาช่องโหว่ แพลตฟอร์มบริหารจัดการ exposure ข้อมูลภัยคุกคาม เครื่องมือความปลอดภัยบนคลาวด์ และการวิเคราะห์ที่มี AI ช่วย องค์กรโดยทั่วไปจึงไม่ได้ขาดแคลนข้อมูล ความท้าทายอยู่ที่การตัดสินใจว่าจะทำอะไรต่อไป การรู้ว่ามีช่องโหว่อยู่นั้นมีประโยชน์ แต่การรู้ว่าช่องโหว่นั้นเข้าถึงได้จริงหรือไม่ผ่าน firewall rule การควบคุมบนคลาวด์ หรือ policy การแบ่งเซกเมนต์ที่มีอยู่ มีคุณค่ามากกว่ามาก นั่นคือจุดที่บริบทของ policy และเครือข่ายมีความสำคัญอย่างยิ่ง หากขาดสิ่งนี้ ทีมความปลอดภัยจะเหลือเพียงคำถามสำคัญเหล่านี้

• ช่องโหว่ใดบ้างที่เข้าถึงได้จริง
• policy ของ firewall คลาวด์ หรือการแบ่งเซกเมนต์ใดบ้างที่สร้าง exposure โดยไม่จำเป็น
• การเปลี่ยนแปลง policy นี้จะลดความเสี่ยง หรือจะสร้างปัญหาใหม่
• เราพิสูจน์ได้หรือไม่ว่าการควบคุมแบบ Zero Trust และ microsegmentation ของเรายังสอดคล้องกับผลลัพธ์ที่ตั้งใจไว้

การมองเห็นช่วยระบุปัญหาที่อาจเกิดขึ้น ส่วนการควบคุม policy ช่วยให้องค์กรตัดสินได้ว่าปัญหาใดสำคัญที่สุดและจะจัดการอย่างปลอดภัยได้อย่างไร นั่นคือความแตกต่างระหว่างการรวบรวมข้อมูลกับการตัดสินใจด้านความปลอดภัยอย่างมั่นใจ

ทุกการลงทุนด้านความปลอดภัยสร้าง policy เพิ่มขึ้น

องค์กรกำลังตอบสนองต่อความเสี่ยงที่ขับเคลื่อนด้วย AI ด้วยการเสริมความแข็งแกร่งให้สถาปัตยกรรมความปลอดภัยของตน ทั้งการปรับปรุง firewall ให้ทันสมัย ขยายความปลอดภัยบนคลาวด์ ติดตั้ง microsegmentation นำ Zero Trust มาใช้จริงทั่วสภาพแวดล้อมไฮบริด และนำขีดความสามารถด้านความปลอดภัยที่ขับเคลื่อนด้วย AI มาใช้ การลงทุนเหล่านี้จำเป็น แต่ก็นำมาซึ่งความจริงเชิงปฏิบัติการที่สำคัญเช่นกัน ทุกการลงทุนด้านความปลอดภัยสร้าง policy เพิ่มขึ้น firewall สร้าง access rule เพิ่มขึ้น ความปลอดภัยบนคลาวด์นำมาซึ่ง policy ด้านเครือข่ายและความปลอดภัยมากขึ้น microsegmentation เพิ่มการตัดสินใจเรื่องการเข้าถึงแบบ east-west มากขึ้น และการดำเนินงานที่มี AI ช่วยก็เพิ่มการเปลี่ยนแปลง policy และ remediation workflow ใหม่ ๆ กล่าวอีกนัยหนึ่ง เทคโนโลยีเป็นผู้บังคับใช้การควบคุม แต่ policy เป็นตัวกำหนดว่าการควบคุมเหล่านั้นจะทำงานอย่างไร เมื่อสภาพแวดล้อมกระจายตัวมากขึ้นและการเปลี่ยนแปลงเกิดเร็วขึ้น การรักษาให้ policy เหล่านั้นสอดคล้องกันจึงสำคัญไม่น้อยไปกว่าการติดตั้งเทคโนโลยีเอง

การควบคุม policy ทำให้ Zero Trust และ microsegmentation ใช้งานได้จริง

Zero Trust มักถูกพูดถึงในฐานะสถาปัตยกรรมความปลอดภัย แต่ในทางปฏิบัติ มันคือวินัยเชิงปฏิบัติการ ทุกการตัดสินใจเรื่อง Zero Trust และ microsegmentation ล้วนขึ้นอยู่กับ policy ในที่สุด

• ผู้ใช้รายใดเข้าถึงทรัพยากรใดได้บ้าง
• แอปพลิเคชันใดสื่อสารถึงกันได้บ้าง
• workload ใดถูกแบ่งเซกเมนต์ไว้บ้าง
• เส้นทาง east-west ใดควรเปิดหรือปิดไว้
• การเปลี่ยนแปลงใดต้องผ่านการอนุมัติ
• การควบคุมใดตอบโจทย์ข้อกำหนดด้าน compliance

หาก policy เหล่านั้นไม่สอดคล้องกับเจตนาทางธุรกิจ ผลลัพธ์ของ Zero Trust และ microsegmentation ก็จะเริ่มอ่อนแอลง ไม่ว่าเทคโนโลยีเบื้องหลังจะล้ำสมัยเพียงใดก็ตาม ด้วยเหตุนี้ policy จึงเป็น control plane ของ Zero Trust การควบคุม policy อย่างต่อเนื่องช่วยให้องค์กรตอบคำถามที่สำคัญที่สุดได้

• สิ่งใดได้รับอนุญาตจริง
• สิ่งใดเข้าถึงได้
• การเปลี่ยนแปลงใดก่อให้เกิดความเสี่ยง
• การแบ่งเซกเมนต์ของเรายังสะท้อนผลลัพธ์ที่ตั้งใจไว้หรือไม่
• เราพิสูจน์ได้หรือไม่ว่าการควบคุมของเราทำงานได้ผล

คำตอบเหล่านี้ไม่อาจได้มาจากการตรวจสอบประจำปีหรือการทบทวน ณ จุดเวลาใดเวลาหนึ่งเพียงอย่างเดียว สภาพแวดล้อมสมัยใหม่เปลี่ยนแปลงเร็วเกินไป การตรวจสอบความถูกต้องอย่างต่อเนื่องจึงกลายเป็นสิ่งจำเป็นสำหรับการรักษา Zero Trust ไว้ขณะที่โครงสร้างพื้นฐานเปลี่ยนแปลงไป

เปลี่ยนความเร่งด่วนจาก AI ให้เป็นความมั่นใจในการปฏิบัติงาน

AI กำลังยกระดับมาตรฐานทั้งฝ่ายผู้โจมตีและฝ่ายผู้ป้องกัน องค์กรไม่ต้องการเหตุผลเพิ่มเติมเพื่อเชื่อว่า AI กำลังเปลี่ยนแปลง cybersecurity เพราะพวกเขาสัมผัสได้อยู่แล้ว สิ่งที่พวกเขาต้องการคือความมั่นใจว่า policy ด้านความปลอดภัยของตนจะตามทัน นั่นหมายถึงการลด exposure ที่เข้าถึงได้จริง แทนที่จะเพียงค้นหาช่องโหว่ให้ได้มากขึ้น หมายถึงการตรวจสอบความถูกต้องของ microsegmentation แทนที่จะสันนิษฐานว่ามันยังได้ผลอยู่ หมายถึงการกำกับดูแลการเปลี่ยนแปลงด้านความปลอดภัยทั่วทั้ง firewall การควบคุมบนคลาวด์ และสภาพแวดล้อมไฮบริด โดยไม่ทำให้ธุรกิจช้าลง และหมายถึงการรักษาหลักฐานอย่างต่อเนื่องว่า policy ยังสอดคล้องกับเป้าหมายด้านธุรกิจ ความปลอดภัย และ compliance นี่คือจุดที่ Network Security Policy Management กลายเป็นความได้เปรียบเชิงกลยุทธ์ ในฐานะผู้ริเริ่ม NSPM FireMon ช่วยให้องค์กรตรวจสอบความถูกต้องของ policy ด้านความปลอดภัยได้อย่างต่อเนื่องทั่วทั้ง firewall การควบคุมบนคลาวด์ และโครงการแบ่งเซกเมนต์ ด้วยการมอบการมองเห็น policy การเปลี่ยนแปลงที่มีการกำกับดูแล compliance อย่างต่อเนื่อง และการตรวจสอบความถูกต้องของ Zero Trust ทั่วสภาพแวดล้อมไฮบริด FireMon ช่วยให้ทีมความปลอดภัยเดินหน้าได้เร็วขึ้นโดยไม่สูญเสียการควบคุม ยุคถัดไปของ cybersecurity จะไม่ได้ถูกกำหนดด้วยว่าใครมี AI มากที่สุดหรือมี dashboard มากที่สุด แต่จะถูกกำหนดด้วยว่าใครสามารถควบคุม policy ที่กำหนดว่าสิ่งใดได้รับอนุญาต สิ่งใดเข้าถึงได้ และกลยุทธ์ความปลอดภัยยังสอดคล้องอยู่หรือไม่เมื่อสภาพแวดล้อมเปลี่ยนไป ได้อย่างต่อเนื่อง

พร้อมเสริมความแข็งแกร่งให้กลยุทธ์ Zero Trust และ microsegmentation ของคุณแล้วหรือยัง

AI กำลังเร่งการค้นหาช่องโหว่และการวิเคราะห์ exposure ให้เร็วขึ้น ขอให้แน่ใจว่าการควบคุม policy ของคุณตามทัน ดูว่า FireMon ช่วยให้องค์กรลด exposure ที่เข้าถึงได้จริง ตรวจสอบความถูกต้องของโครงการ Zero Trust และ microsegmentation กำกับดูแลการเปลี่ยนแปลงด้านความปลอดภัย และรักษาการควบคุม policy อย่างต่อเนื่องทั่วสภาพแวดล้อมไฮบริดได้อย่างไร