À une époque où les cyberattaques ne cessent de gagner en ampleur et en sophistication, les défenses traditionnelles basées sur des règles ont du mal à suivre. Les pare-feu, les outils antivirus basés sur des signatures et les outils heuristiques statiques fonctionnent bien pour les menaces connues, mais ils passent souvent à côté des nouvelles attaques ou de celles qui évoluent rapidement. Cybersécurité renforcée par l'IA se révèlent être une mise à niveau cruciale.
Pourquoi les défenses traditionnelles ne suffisent pas
Les cyberdéfenses traditionnelles reposent en grande partie sur des "règles" et des signatures de menaces connues. Mais les les cybercriminels changent de tactique plus vite que les règles ne peuvent être écrites ou mises à jour. Ils utilisent des logiciels malveillants polymorphes qui changent de forme, des exploits "zero-day" que personne n'a jamais vus auparavant et des techniques d'ingénierie sociale qui varient constamment. En outre, les équipes humaines sont submergées par le volume d'attaques et de faux positifs.
Comment l'IA aide à combler les lacunes
Les systèmes alimentés par l'IA (et en particulier ceux qui utilisent l'apprentissage automatique, la détection des anomalies, l'analyse du comportement des utilisateurs et des entités) peuvent faire plusieurs choses que les systèmes traditionnels ne peuvent pas faire :
- Détecter les menaces inconnues en apprenant les comportements normaux et en repérant les écarts (modèles anormaux) plutôt que d'attendre une signature.
- Échelle à travers des flux de données massifs : journaux de réseau, enregistrements d'accès, contenu des courriels, etc., pour trouver de petits signaux au milieu du bruit.
- Adapter rapidement : le recyclage ou l'apprentissage en ligne peuvent s'adapter aux nouvelles campagnes d'attaque.
- Réduire la fatigue liée à l'alerte en hiérarchisant ou en filtrant les alertes, en regroupant les événements similaires et en accordant un degré de confiance plus élevé aux comportements suspects.
Exemples de menaces qui échappent souvent aux humains
Un vecteur où L'IA est particulièrement utile dans les campagnes de phishing déguisés avec des accroches saisonnières. Les courriels frauduleux dont l'objet fait référence à des événements commerciaux ou à des achats de vacances (y compris l'imitation de marques réelles ou l'utilisation de termes tels que lignes d'objet des courriels pour le vendredi noir) peuvent inciter les internautes à cliquer sur des liens malveillants. Les filtres traditionnels peuvent bloquer les domaines d'hameçonnage connus, mais les attaquants utilisent souvent des domaines nouveaux ou qui changent rapidement, des fautes d'orthographe subtiles ou des usurpations de domaine.
Un autre exemple est la menace interne ou l'utilisation abusive des informations d'identification : il s'agit de petits changements progressifs de comportement (se connecter à partir d'endroits inhabituels, télécharger plus de données que d'habitude) que les humains ne remarquent pas forcément.
Preuves et statistiques
Voici quelques résultats récents montrant comment l'IA surpasse les modèles traditionnels basés sur des règles :
- A enquête de Darktrace a révélé que 73% des participants ont exprimé leur confiance dans la compétence de leurs équipes de sécurité à utiliser l'IA au sein de leurs outils. En revanche, seuls 50% pensent que les outils de sécurité traditionnels peuvent détecter et bloquer de manière fiable les menaces alimentées par l'IA.
- Selon une étude de JumpCloud, les organisations qui utilisent des systèmes de détection des menaces par l'IA ont amélioré leur taux de détection des brèches d'environ 60%, et ont réduit le temps nécessaire pour contenir les brèches de manière significative par rapport à celles qui s'appuient sur des systèmes hérités.
Ces chiffres suggèrent que l'IA permet des gains considérables en termes de capacité et de rapidité de détection, en particulier pour les menaces les plus récentes ou les plus subtiles.
Les défis de l'IA dans la cyberdéfense
Cela dit, l'IA n'est pas magique. Il y a des compromis et des risques :
- Faux positifs/négatifs: Les modèles d'IA peuvent encore mal classer les événements, en particulier lorsque les données d'apprentissage sont limitées ou biaisées.
- Explicabilité: Les systèmes basés sur des règles sont souvent plus transparents ; en revanche, certains systèmes d'IA/ML sont des boîtes noires, ce qui rend leur compréhension difficile pour les analystes. pourquoi quelque chose a été signalé.
- Attaques adverses: Les attaquants peuvent tenter d'empoisonner les données d'entraînement ou de concevoir des entrées qui induisent les modèles en erreur.
- Coût des ressources et expertise: La construction, la formation et la maintenance des systèmes d'IA nécessitent des compétences, des ressources informatiques et des réglages permanents.
Aller de l'avant : défenses hybrides et proactives
L'approche la plus efficace tend à être hybride : elle combine des règles/signatures traditionnelles avec des systèmes basés sur l'intelligence artificielle. En voici un exemple :
- Les filtres traditionnels peuvent bloquer les mauvais domaines connus et les logiciels malveillants.
- Les outils d'IA surveillent les anomalies et signalent les nouvelles menaces.
- Les analystes humains se concentrent sur des enquêtes plus approfondies, guidés par les alertes de l'IA.
Les organisations bénéficient également d'une alimentation continue en renseignements sur les menaces, d'un recyclage permanent des modèles et d'une gouvernance autour de l'utilisation de l'IA (pour la transparence, la partialité et la responsabilité).
Conclusion
Les systèmes de cyberdéfense améliorés par l'IA détectent les menaces que les outils traditionnels et les analystes humains manquent souvent. Que le risque provienne d'exploits du jour zéro ou d'abus d'initiés, l'IA peut souvent détecter des modèles plus tôt, réagir plus rapidement et permettre aux équipes humaines de concentrer leurs efforts là où c'est important. Alors que les organisations font évoluer leur posture de sécurité, l'adoption judicieuse de l'IA - avec supervision, transparence et intégration - peut faire la différence entre une brèche et la résilience.
