Perinteiseltä tietoturvauhkalta, kuten haittasovellukselta, suojautuminen vaatii käytännössä vain mekanismin, joka estää haittasovelluksen kiusanteon. Modernit tietoturvaratkaisut osaavat torjua tällaiset kohdistamattomat hyökkäykset tehokkaasti ilman ihmisapua. Sen sijaan kohdistetut kyberhyökkäykset ovat suurempi haaste. Ne ovat nykyään erittäin kehittyneitä ja niissä hyökkääjä on useimmiten ihminen.

Useita hakkerimenetelmiä yhdistelevän, ns. tiedostottoman hyökkäyksen torjuminen ilman ihmistä ei ole helppoa. Jos hyökkääjä osaa läpäistä kohteen normaalit tunnistusjärjestelmät, voi hyökkäys paljastua helpommin käyttäytymisen kautta. Hyökkääjä saattaa esimerkiksi naamioitua ylläpitäjäksi ja etäsuorittaa Powershell-skriptejä tai Windowsin komentoja.

Kun ympäristön omat komponentit riittävät haitalliseen puuhasteluun, ei järjestelmään tarvitse tuoda haittaohjelmakoodia. Kun hyökkääjä ajaa täysin luvallisia, käyttöjärjestelmän omia sovelluksia, hänet on vaikea tunnistaa luvattomaksi vierailijaksi. Tällöin tekoälyn ja asiantuntijan täytyy yhdistää voimansa ja tunnistaa hyökkäys käyttäytymismallin perusteella.

Tietoturva-asiantuntijan ja koneen yhteistyöhön luottava moderni tietoturvaratkaisu tunnistaa uhat todella tehokkaasti. Kehitys vie kohti reagoinnin automatisointia. Kun järjestelmään kohdistuu tietynlainen hyökkäys, osaa tekoäly tarjota automaattisesti ratkaisuja ja toimii päätöksenteon tukena. Tulevaisuudessa tietoturvaratkaisut oppivat reagoinnin lisäksi ”metsästämään” kyberhyökkääjiä automaattisesti.

Big data opettaa tekoälyä

Tietoturvasta huolehtivat järjestelmät tallentavat valtavasti dataa, mikä mahdollistaa tehokkaan analytiikan ja tekoälyn. Tekoäly tarvitsee big dataa kehittääkseen itseään koko ajan paremmaksi. Tekoälyn tehtävä on tunnistaa kerätystä datasta yksittäisiä heikkoja signaaleita ja poikkeavuuksia, jotka kokonaisuutena muodostavat huomiota herättäviä tapahtumia. Tekoäly säästää henkilöresursseja, kun asiantuntijat keskittyvät vain tekoälyn esille nostamiin tapahtumiin.

Ihmisen ja koneen yhteistyötä tarvitaan erityisesti uuden uhan analysoinnissa. Kun tekoäly havaitsee jotain epätavallista, tutustuu asiantuntija tapahtuneeseen tarkemmin. Jos kyseessä on väärä hälytys, asiantuntija opettaa tekoälyä jättämään sen huomiotta. Toisin sanoen tekoäly murskaa dataa, oppii samalla uutta ja tukee ihmistä päätöksenteossa.

Väärien hälytysten minimointi ei ole turhaa, sillä ne kuormittavat asiantuntijoita ja laitteita runsaasti. Viimeaikaiset tutkimukset ovat osoittaneet, että yli 60 prosenttia verkkopankeista saa päivittäin yli 100 000 kyberhyökkäyshälytystä, joista lähes puolet on aiheettomia. Samalla noin neljä viidestä tietoturva-ammattilaisesta raportoi ylikuormittuvansa kyberhyökkäysilmoitusten suuren määrän vuoksi.

Tekoäly mukana jo vuosia

Tekoäly on ollut jo pitkään mukana virusten ja muiden kybermaailman harmien torjunnassa. F-Securen virustorjuntaratkaisu sai koneoppimiseen perustuvaa heuristista analyysiä tekevän DeepGuard engine -moottorin jo vuonna 2006.

Kolmen viimeksi kuluneen vuoden aikana suurten tietomassojen hyödyntäminen on mennyt huimasti eteenpäin. Tänä vuonna julkaistun Rapid Detection & Responsen keskiössä on käyttäytymistä analysoiva, tähän tarkoitukseen rakennettu tekoäly. Se hyödyntää suurta datamäärää ja useita tekoälyteknologioita. Toisin kuin vuosikymmen sitten, hyökkäyksen estäminen ei enää perustu suoraan tunnistamiseen, vaan vaarallisen käyttäytymismallin tunnistamiseen.

Vaarallisia käyttäytymismalleja etsitään massiivisesta datamäärästä. Erään asiakkaamme järjestelmässä on yli 300 laitteessa sensori, joka valvoo tapahtumia ja raportoi niistä eteenpäin. Saamme sensoreilta järjestelmäämme kuukausittain noin 500 miljoonaa tapahtumaa, joista yli 200 000 ovat jossain määrin mielenkiintoisia. Tästä massasta seulomme asiakkaalle raportoitavat tapahtumat. Esimerkiksi eräänä kuukautena raportoidusta 24 tapahtumasta 7 todentui aidosti vihamielisiksi tapahtumiksi, jotka vaativat reagointia.

Datamäärän koosta käy ilmi, että ilman tekoälyn apua vain suuryrityksillä olisi riittävät resurssit havainnoida hyökkäykset nopeasti ja reagoida niihin. Tekoälyn ansiosta myös pk-yrityksillä on mahdollisuus suojautua kohdennetuilta hyökkäyksiltä.

Tietoturva halpa, tietomurto kallis

Tietomurtojen rahallisista kustannuksista voi esittää monenlaisia arvioita. Ponemon Instituten hiljattain julkaiseman tutkimuksen mukaan tietomurto maksaa yritykselle keskimäärin noin 3,2 miljoonaa euroa. Arvio lienee suomalaiseen yrityskenttään peilattuna liian korkea, mutta varmaa on, että tietomurto maksaa aina. Investoiminen tietoturvaan on aina edullisempaa kuin sen puutteiden aiheuttamien ongelmien korjaaminen.

Vaikka tietomurron suorat kustannukset eli vian korjaamiseen menevä rahasumma ei olisikaan iso, on tietomurto aina merkittävä brändiriski. Tunnetun yhtiön markkina-arvosta voi olla yli puolet brändiarvoa,­­ jolloin tietomurto voisi aiheuttaa taloudellisesti merkittävämmän tappion kuin esimerkiksi tulipalo yhtiön pääkonttorissa.

Pienyrittäjälle tietomurto voi olla vielä suurempi isku. Esimerkiksi tuntemattoman brändin alla operoivalle siivousyritykselle tietomurto voi aiheuttaa tilanteen, jossa kaksi kolmasosaa asiakkaista vaihtaa kilpailijan leiriin. Sellaisesta kuopasta ei helpolla nousta.

Pahimmillaan murto yrityksen järjestelmään on riski koko asiakaskunnalle, jos yritys käsittelee asiakkaan dataa tai sillä on pääsy asiakkaan järjestelmiin. Tällöin se on brändiriski myös asiakkaalle. Siksi onkin huolestuttavaa, miten harvoin sopimusneuvotteluissa selvitetään potentiaalisen kumppanin tietoturvan taso.

Paras tapa torjua kyberhyökkäyksiä on varautua niihin ennalta ja hyödyntää modernia tietoturvaratkaisua, jossa asiantuntijat ja tekoäly yhteistyössä pysäyttävät hyökkäykset.