サイバー犯罪者は、小規模なWebサイトやシステムを標的とする単独のハッカーから、世界中の何百万人もの人々に影響を与える大規模なサイバー攻撃を仕掛ける危険な存在へと進化しました。近年、WannaCryやNotPetyaのような大規模なランサムウェア攻撃が複数発生し、数億ドルから数十億ドル規模の損害や事業損失を引き起こしています。
盗まれた認証情報は、現在ブラックマーケットでわずかなコストで簡単に入手できます。銀行口座の詳細、クレジットカード番号、完全なアイデンティティ情報一式は40ドルで購入できます。また、ハッキングされていないWindows RDPサーバーの認証情報はわずか20ドルで入手でき、企業は60ドルで競合他社のWebサイトを1時間ダウンさせることが可能です。さらに、ボット、マルウェア、スクリプトなどの悪意のあるソフトウェアが簡単に複製されるようになり、サイバー犯罪者は当初の標的だけでなく、攻撃ベクトルを拡大できるようになりました。
こうしたサイバー攻撃の規模の大きさに加え、その巧妙化に対する懸念も高まっています。人工知能（AI）や機械学習テクノロジーの登場により、企業に重大なリスクをもたらす、まったく新しい領域のサイバー脅威が出現しています。
AIと機械学習についてもう少し詳しく説明します
AIという概念が初めて提唱されたのは60年以上前の1956年のダートマス会議でのことでした。この会議では、人間の知能と、いつか機械がそれを模倣できるようになる方法について研究者たちが探求しました。今日のデジタル機能というコンテキストにおいて、機械学習は、アルゴリズムを通過するデータセットから強力なコンピューターが「学習」するという概念へと進化しました。人間の入力は機械のトレーニングにおいて引き続き価値がありますが、これらのアルゴリズムは特定のイベントに対する機械の応答方法を合理化し、インスタンスごとに機械を「よりスマート」にします。
また、深層学習も登場しています。機械学習のサブセットである深層学習は、人間の介入なしにマシンが自己修正できるという点で異なり、よりスケーラブルで正確なものになっています。これは、画像認識や自動運転車などのイノベーションを支えるテクノロジーです。
深層学習は、データ伝播のさまざまな層を持つニューラルネットワークを使用して動作します。残念ながら、脅威を迅速に特定して防御したいと考える企業にとっては大きな可能性を秘めている一方で、サイバー犯罪者にとっても有用なツールであることが判明しています。そのため、エンタープライズがこれらのテクノロジーを理解し、それらを活用して脅威を軽減することが、ますます重要になっています。
イノベーションの裏に潜む脅威
新しいテクノロジーの登場に伴い、新たな潜在的攻撃が出現します。現在、悪意のある攻撃者は、AIの機能を侵害したり、機械学習自体の能力を悪用したりする脅威を設計しています。
AIインフラストラクチャを侵害する攻撃
データポイズニング：悪意のある攻撃者が、AIがデータを収集していることを知っている場合、そのAIに偽の情報や破損した情報を大量に送り込む可能性があります。その結果、AIのトレーニングが不適切に行われ、誤動作したり、マルウェアを安全なものとして分類するなど、本来行うべきではないアクティビティを実行したりするようになります。
敵対的攻撃：AIのトレーニングが完了し、そのインサイトを使用して新しいデータに関する意思決定を行う推論段階で発生します。攻撃者は、マシンによる画像やその他のアイテムの識別精度を低下させる要素をモデルに注入します。敵対的攻撃は連鎖する可能性があり、トレーニングデータを汚染し、推論プロセス中にその結果を悪用します。
AIを利用した攻撃
スピアフィッシング攻撃：悪意のある攻撃者は、既存のフィッシングの手法を強化するために、機械学習アルゴリズムを使用してパーソナライズされた魅力的なメッセージを作成し、ユーザーが機密情報を共有するように仕向けます。例えば、ハッカーは近親者や同僚から送られたように見せかけた、パーソナライズされたE メールを作成することがあります。
ディープフェイク：AIは、敵対的生成ネットワーク（GAN）として知られる機械学習の手法を用いて、画像や動画を組み合わせたり重ね合わせたりすることができます。これらの画像やビデオは本物のように見えますが、実際には全く異なるソースを寄せ集めたものです。最も一般的な用途は政治家の発言を偽って伝えることのようですが、その他にも疑わしい活動を改ざんするために使用される可能性があります。ディープフェイクは音声でも発生しています。最近のある事例では、ハッカーがAIで生成した音声を使って英国のエネルギー会社から24万3,000ドルを盗んだ疑いが持たれています。
多くの専門家は、このテクノロジーが進歩し続けるにつれて、正規の映像や音声とディープフェイクとを区別することがますます困難になり、今後数年間で深刻な社会的・政治的影響を及ぼす可能性があると懸念しています。
AIを活用したサイバー攻撃の軽減
増大する脅威と並行して、今日の豊富なデータと演算能力により、セキュリティプロバイダーは、この種の攻撃を軽減および防止するためのツールを作成できるようになっています。機械学習によって、「正常」、「不正」、「通常」の行動を区別する予測モデルを作成できます。このモデルは、ボットをプロアクティブに防止し、悪意のあるアクティビティを特定するのに十分なインテリジェンスを備えています。この機能は、機械のトレーニングに役立つ人間のインプットと組み合わせることで、企業がセキュリティを導入する方法を変革しています。
以下にいくつかの例を示します。
- スパム対策：機械学習により、企業はスパムEメールと非スパムEメールを自動的に見分けるフィルターを構築できます。
- 生体認証：AIはすでに顔認識や笑顔認識に広く利用されており、多くのスマートフォンユーザーがAppleのFace IDという形で、これらの高度なセキュリティ技術を導入しています。
- 脅威検知：パターン認識によって脅威やウイルスを検知できるため、セキュリティ防御が強化され、エンタープライズは潜在的な悪意のあるアクティビティをより迅速に発見できます。
- アダプティブセキュリティ：AIはユーザーの行動を迅速に学習します。つまり、ユーザーが普段とは異なる行動を取ったときにもそれを識別し、アカウント乗っ取りの可能性を示します。
- 自然言語処理：AIがサイバー脅威に関するニュース記事や研究論文から情報を収集し、それによってマシンが最新のセキュリティアノマリー、ハッキング技術、防止戦略を学習します。これにより、企業は最新のリスクを常に把握し、セキュリティ戦略を継続的に進化させることができます。
- ボット検出：ボット、すなわち自動化されたソーシャルメディアアカウントは、これまでも政治選挙の結果を左右し、株式市場を操作し、健康に関する偽情報を拡散させてきました。しかし、深層学習技術を利用すれば、これまでよりも早期にボットを検出し、人間が所有するアカウントから分離して、その脅威を最小限に抑えることができます。
Oktaにおける機械学習の位置付け
サイバー犯罪者に対抗するには、AIと機械学習テクノロジーでセキュリティ防御を強化する必要があります。Oktaでは、これらのプラクティスをAdaptive MFA（MFA）製品に組み込んでいます。
Adaptive MFAの機能であるリスクベース認証は、機械学習を使用して、IDベースの攻撃を自動的に検出し、対応します。Oktaは、デバイス、場所、IPアドレス、生体認証などのデータ入力や変数をコンテキストに応じた行動プロファイルに変換し、定量化可能で実用的な認証・認可の決定に役立てます。
