آخرین Patch Tuesday مایکروسافت، پس از آنکه اسکنر کد مبتنی بر هوش مصنوعیاش موجی از باگها را در Windows، Office و سایر محصولات کشف کرد، ۵۷۰ اصلاحیه امنیتی را منتشر کرد. حجم بالای این اصلاحیهها از این جهت اهمیت دارد که نشاندهنده یک ریتم جدید و قدرتگرفته از هوش مصنوعی برای کشف آسیبپذیریهاست که میتواند حجم کاری مدیریت وصلهها (patch-management) را برای سالهای آینده برای توسعهدهندگان افزایش دهد.
چگونه هوش مصنوعی یک بهروزرسانی روتین را به یک مسابقه رکوردشکن تبدیل کرد
مایکروسافت میگوید یک سیستم یادگیری ماشین که بهطور مداوم پایگاههای کد عظیم این شرکت را جستجو میکند، باعث جهش تعداد اصلاحیهها از میزان معمول به ۵۷۰ نقص شده است. این سیستم الگوهایی را شناسایی میکند که بازبینهای انسانی از آنها غافل میشوند و باگهای خفتهای را که دههها در اجزای قدیمی (legacy) باقی مانده بودند، آشکار میکند. پوان داوولوری، مدیر Windows، گفت که ابزارهای هوش مصنوعی اکنون در حال «یافتن باگهایی هستند که سالها پنهان مانده بودند» و یک یافته نادر را به یک خروجی منظم تبدیل کردهاند.
درون بسته ۵۷۰ اصلاحیهای که منتشر شد چیست؟
در میان این اصلاحیهها، حداقل دو نقص بحرانی «روز صفر» (zero-day) وجود دارد؛ آسیبپذیریهایی که مهاجمان پیش از آنکه مایکروسافت بتواند اصلاحیهای ارسال کند، در حال بهرهبرداری از آنها بودند.
- Windows Server privilege escalation – این باگ به مهاجمی با یک حساب کاربری محدود اجازه میدهد تا به سطح دسترسی مدیر سیستم (administrator) ارتقا یابد و راه را برای کنترل کامل یک سرور باز کند.
- SharePoint file-sharing server – سازمان CISA هشدار فوری صادر کرده است که این نقص در حال تبدیل شدن به یک ابزار حمله (weaponised) در دنیای واقعی است و به عاملان تهدید اجازه میدهد به مخازن دادههای شرکتها نفوذ کنند.
شمشیر دو لبه هوش مصنوعی در دفاع سایبری
ابزارهای هوش مصنوعی مایکروسافت در یک «مسابقه تسلیحاتی» گستردهتر قرار دارند که در آن هم مدافعان و هم مهاجمان برای شناسایی نقاط ضعف به یادگیری ماشین تکیه میکنند. در جبهه دفاعی، تجزیه و تحلیل میلیونها خط کد قدیمی (legacy code) به شرکتها اجازه میدهد تا بالاخره به «بدهی فنی» (technical debt) خود رسیدگی کنند؛ یعنی کدهای قدیمی و با مستندات ضعیف که پیش از این بازرسی آنها بسیار هزینهبر بود.
در جبهه تهاجمی، همین تکنیکهای تشخیص الگو به مهاجمان کمک میکند تا سطوح حمله (attack surfaces) را با کارایی بیشتری شناسایی کنند. نتیجه این است که چرخه کشف در هر دو طرف سریعتر شده، فاصله زمانی بین کشف آسیبپذیری تا بهرهبرداری از آن کوتاهتر شده و فشار بر چرخههای وصلهگذاری (patch cycles) افزایش یافته است.
تعداد رکوردشکن اصلاحیهها برای توسعهدهندگان و تیمهای IT چه معنایی دارد؟
مزیت آن آشکار است: یافتن باگهای بیشتر در مراحل اولیه، بازه زمانی فرصت برای بهرهبرداری را کاهش میدهد. نقطه ضعف، افزایش بار مدیریت وصلهها است.
- افزایش دفعات بهروزرسانی – با توجه به اینکه هوش مصنوعی در هر چرخه مشکلات بیشتری را آشکار میکند، سازمانها ممکن است برای پیشدستی در برابر تهدیدها، نیاز به اعمال وصلهها در فواصل زمانی کوتاهتر داشته باشند.
- اضافهبار در تستها – هر وصله باید در برابر بارهای کاری موجود اعتبارسنجی شود تا از بروز مشکلات بازگشتی (regressions) جلوگیری شود، که این امر منابع QA (تضمین کیفیت) را تحت فشار قرار میدهد.
خلاصه کلام
موتور کشف تقویتشده با هوش مصنوعی مایکروسافت، یک Patch Tuesday روتین را به انتشار رکوردشکن ۵۷۰ اصلاحیهای تبدیل کرد که هم پتانسیلها و هم فشارهای امنیت مبتنی بر یادگیری ماشین را آشکار ساخت. این رویکرد، باگهای پنهان را پیش از آنکه به ابزار حمله تبدیل شوند، شناسایی میکند، اما در عین حال توسعهدهندگان و کارکنان IT را مجبور میکند با حجم بالاتری از بهروزرسانیها دست و پنجه نرم کنند. فصل بعدی بستگی به این دارد که صنعت با چه سرعتی میتواند تست و استقرار (deployment) را خودکار کند تا بدون غرق شدن در «خستگی از وصلهگذاری» (patch fatigue)، با سرعت کشفهای مبتنی بر هوش مصنوعی همگام شود.