Obrambeni stručnjaci za ransomware dugo su bili prisiljeni igrati igru nadoknađivanja. Dok sigurnosni tim primijeti da nešto nije u redu, datoteke su često već šifrirane, a napadač je već prešao na fazu iznude. Nedavno izvješće o AI lovu prijetnji opisuje drugačiji pristup: hvatanje polimorfnog ransomwarea prije nego što uopće dobije priliku šifrirati podatke, koristeći detekciju anomalija na razini kernela, pomake entropije i automatiziranu izolaciju.
Zašto je polimorfni ransomware teže uhvatiti
Tradicionalni antivirusni alati uvelike se oslanjaju na potpise, u biti digitalne otiske prstiju poznatih zlonamjernih datoteka. Polimorfni ransomware zaobilazi tu obranu stalnim mijenjanjem vlastite strukture koda dok zadržava svoju temeljnu funkciju netaknutom. Svaka nova verzija može izgledati dovoljno drugačije da se provuče pored skenera koji se temelje na potpisima, iako i dalje radi isti posao: zaključava datoteke i zahtijeva plaćanje.
To nije samo teoretski problem. Operateri ransomwarea sve se više i sami oslanjaju na AI alate kako bi svoj malware učinili prilagodljivijim i težim za prepoznavanje. Istraživanje o korištenju AI agenta za kodiranje od strane operatera Aurora ransomwarea na deset mreža ilustrira kako napadači već koriste automatizaciju za skaliranje i prilagodbu svojih operacija, što dodatno pritišće branitelje da odgovore jednako prilagodljivim alatima umjesto statičke detekcije koja se temelji na popisima.
Kako AI lov prijetnji funkcionira prije početka enkripcije
Umjesto čekanja da se potpis zlonamjerne datoteke podudara s poznatom prijetnjom, AI sustavi za lov prijetnji opisani u izvješću fokusiraju se na ponašanje duboko unutar sustava, na razini kernela. To je temeljni sloj operacijskog sustava koji upravlja načinom na koji softver komunicira s hardverom i sistemskim resursima. Praćenje na toj dubini omogućuje sigurnosnim alatima da uoče neobične obrasce, poput procesa koji iznenada pokušava čitati i prepisivati velike količine datoteka u brzom slijedu, ponašanje koje je u skladu s ranim fazama rutine enkripcije.
Druga istaknuta tehnika je praćenje pomaka entropije. Entropija, u ovom kontekstu, odnosi se na nasumičnost podataka unutar datoteke. Kada ransomware šifrira datoteku, rezultirajući podaci postaju mnogo nasumičniji od izvornog sadržaja. AI alati mogu označiti nagli porast entropije kao rani znak upozorenja da je enkripcija u tijeku, ponekad i prije nego što je značajan dio sistemskih datoteka zapravo zaključan.
Kada se ti signali otkriju, opisani sustavi prelaze na automatiziranu izolaciju, odsijecajući zahvaćeni proces ili krajnju točku od ostatka mreže prije nego što se ransomware može dalje širiti ili dovršiti svoju rutinu enkripcije. Cilj je skratiti prozor odgovora s sati ili minuta na najraniji mogući trenutak, idealno prije nego što se izgubi bilo koja datoteka.
Kompromis privatnosti kod praćenja na razini kernela
Hvatanje prijetnji tako rano zahtijeva vidljivost koja seže mnogo dublje od tipičnog sigurnosnog softvera. Praćenje na razini kernela znači da alat ima širok pristup aktivnostima procesa, operacijama s datotekama i sistemskim pozivima na cijelom uređaju ili mreži. Ta razina pristupa moćna je za zaustavljanje ransomwarea, ali također otvara legitimna pitanja privatnosti, posebno za pojedince i organizacije koje odvaguju koliko su praćenja spremni omogućiti.
Za tvrtke to znači da bi uređaji zaposlenika mogli biti podvrgnuti kontinuiranoj analizi ponašanja na niskoj razini, a ne samo skeniranju poznatog malwarea. Za pojedinačne korisnike vrijedi razumjeti da svaki sigurnosni proizvod koji djeluje na toj dubini ima značajan uvid u to kako se uređaj koristi. To ne znači da su takvi alati inherentno invazivni, ali znači da odabir sigurnosnog softvera uključuje kompromis između sposobnosti detekcije i količine sistemskog pristupa koji dajete. Čitanje dobavljačevih politika obrade podataka i razumijevanje koja se telemetrija prikuplja i kamo se šalje razuman je korak prije uvođenja alata za praćenje na razini kernela, posebno u okruženjima osjetljivima na privatnost.
Što to znači za vas
Ako upravljate IT sigurnošću u organizaciji, pomak prema detekciji prije enkripcije vrijedi pažnje jer rješava stvarnu prazninu: mnoge obrane još uvijek pretpostavljaju da će ransomware biti uhvaćen podudaranjem potpisa, što su polimorfne varijante posebno dizajnirane izbjeći. Istovremeno, usvajanje alata za dublje praćenje trebalo bi doći s jasnim pregledom toga koje podatke ti alati prikupljaju i koliko se dugo čuvaju.
Za pojedinačne korisnike praktični zaključak manje se odnosi na alate na razini kernela, koji se obično uvode u poslovnim okruženjima, a više na ostajanje na oprezu prema širem trendu. Ransomware grupe koriste AI kako bi svoje napade učinile težima za otkrivanje, a branitelji odgovaraju na isti način. Održavanje sustava ažuriranima, održavanje izvanmrežnih sigurnosnih kopija i oprez s nepoznatim privicima ili poveznicama ostaju temeljne zaštite bez obzira na to koliko sofisticirana tehnologija detekcije postane.
Primjenjivi zaključci
- Pitajte sigurnosne dobavljače izravno koju telemetriju na razini kernela prikupljaju njihovi alati i kako se ti podaci pohranjuju ili dijele.
- Održavajte izvanmrežne ili nepromjenjive sigurnosne kopije kako čak ni brzi pokušaj ransomwarea ne bi ugrozio sve vaše podatke.
- Redovito ažurirajte operacijske sustave i sigurnosni softver, jer alati za ranu detekciju najbolje funkcioniraju uz općenito očvrsnuto okruženje.
- Budite informirani o tome kako se AI koristi na obje strane borbe protiv ransomwarea, jer se napadačke tehnike i obrambeni alati zajedno razvijaju.
AI lov prijetnji neće eliminirati ransomware, ali napori da se presretne prije početka enkripcije označavaju značajan pomak od reaktivne sigurnosti. Razumijevanje i sposobnosti i kompromisa privatnosti ovih alata pomoći će organizacijama i pojedincima da donesu informiranije odluke kako tehnologija postaje sve raširenija.




