Siber güvenlikte aracılı yapay zeka nedir?

Aracılı yapay zeka sistemleri, otonomi ile denetimi dengelemek için genellikle yerleşik insan gözetimiyle tasarlanır.

Microsoft’un siber güvenlik için aracılı yapay zeka yaklaşımında bu, insan operatörlerin sistem davranışını izleyebildiği ve yönlendirebildiği iş birlikçi bir model olarak tasarlanır.

Bazı örnekleri şunlardır:

• Şeffaf mantık yürütme. Microsoft sistemleri, analistlerin sistem çıktılarını ve karar yollarını anlamasına yardımcı olmak için önerilerle birlikte destekleyici bağlam ve gerekçe sağlar.

• Onay ve düzeltme. Ekipler sistem eylemlerini gözden geçirebilir, onaylayabilir, reddedebilir veya bunlarda ince ayar yapabilir ve sonuçları sürekli iyileştirmek için geri bildirim ekleyebilir.

• Denetlenebilir denetimler. Etkinlikler, hesap verebilirlik ve uyumluluk gereksinimlerini desteklemek için rol tabanlı erişim, denetim günlükleri ve iş akışı korumaları gibi kurumsal güvenlik denetimleriyle yönetilir.

Aracılı yapay zeka, aracı döngüsü adı verilen bir süreç sayesinde değişen koşullara dinamik olarak yanıt verebilir ve davranışını bağlama göre ayarlayabilir. Aracı döngüsü, aracının hedefine ulaşana kadar tekrarladığı bir adım dizisidir.

Algıla → Mantık yürüt → Planla → Eyleme geç → Öğren

• Algılama. Sistem, günlükler, uyarılar, kullanıcı etkinliği, tehdit analizi ve bağlı araçlardan ve sistemlerden gelen veriler dahil olmak üzere ortamından bilgi toplar.
• Mantık yürütme. Bilgileri analiz eder, desenleri belirler, riskleri değerlendirir ve verilerin bağlam içinde ne anlama geldiğini belirler.
• Planlama. Sistem, hedeflerine göre istenen sonuca ulaşmak için bir eylem dizisi geliştirir.
• Eyleme geçme. Aracı, araçlar, sistemler veya iş akışlarıyla etkileşime geçerek cihaz yalıtma, sorun kaydı oluşturma, uyarı seviyesini yükseltme veya ek kanıt toplama gibi görevleri yerine getirir.
• Öğrenme. Sistem, eylemlerinin sonuçlarını değerlendirir ve gelecekteki kararları ve yanıtları iyileştirmek için geri bildirimleri, yeni verileri ve önceki sonuçları kullanır.

Aracılı yapay zekanın etkili çalışması için ekiplerin tek aracılı bir sistem mi yoksa çok aracılı bir sistem mi kullanmak istediklerine de karar vermesi gerekir. Tek aracılı sistem, görevleri ve kararları yönetmek için bir aracıya dayanır. Bu yaklaşım, iş akışları nispeten sınırlı ve kararlar merkezi olduğunda iyi çalışır. İş akışları karmaşıksa veya farklı uzmanlık türleri gerekiyorsa kuruluşlar genellikle ortak bir hedef doğrultusunda birlikte çalışan, siber güvenlik için birden çok özel yapay zeka aracısı kullanan çok aracılı bir sistem kurar.

Otonom özellikler olsa bile insanlar tarafından yapılan deneme önemini korur. Birçok kuruluş, idareyi, hesap verebilirliği ve operasyonel denetimi sürdürmeye yardımcı olmak için hassas veya yüksek riskli eylemler için insanın döngüde olduğu denetim noktaları ve onay aşamaları kullanır.

Geleneksel otomasyon, üretici AI ve aracılı yapay zeka arasındaki farklar temel boyutlar üzerinden karşılaştırıldığında daha netleşir.

Ne yazık ki, yapay zekayı hızlı bir şekilde benimseyenler yalnızca işletmeler ve hükümetler değil. Tehdit aktörleri, siber saldırılarının hızını ve ölçeğini artırmak için aracılı sistemler kullanıyor. Bu da aşağıdakiler dahil olmak üzere çeşitli siber güvenlik zorlukları yaratıyor veya mevcut sorunları daha da artırıyor:

• Ölçek sorunu. Güvenlik ekipleri çoğu zaman aşırı uyarı hacimleri, artan veri karmaşıklığı ve devam eden analist eksikliğiyle karşılaşır.
• Hız sorunu. Siber saldırganlar operasyonlarını giderek daha fazla otomatikleştirirken birçok savunucu el ile sınıflandırma ve olay yanıtı süreçlerine güvenmeye devam ediyor.
• Güvenilirlik ve doğruluk sorunu. Gece vardiyalarına ve yüksek hacimli tekrarlayan görevlere uzun süre maruz kalmak analist yorgunluğuna ve tükenmişliğe yol açabilir. Bu da tutarsızlık ve insan hatası riskini artırır.
• Dayanıklılık sorunu. Modern kuruluşlar bulut platformları, uç noktalar, kimlikler, uygulamalar ve üçüncü taraf hizmetleri içeren hibrit ortamlarda çalışır. Genişleyen bu saldırı yüzeyi operasyonel riski artırır ve siber saldırganlar için daha fazla fırsat yaratır.

Siber güvenlikte aracılı yapay zeka, tamamen el ile yapılan güvenlik operasyonları (SecOps) için artık çok karmaşık, çok hızlı ve birbirine bağlı hale gelen ortamlarda güvenlik ekiplerinin daha etkili çalışmasına yardımcı olur. Bu, yapay zeka sistemlerinin kendilerini korumaya odaklanan daha geniş aracılı yapay zeka güvenliğinden farklıdır.

Aracılı yapay zeka, güvenlik ekiplerinin yerini almak yerine siber güvenlik operasyonlarında bir güç çarpanı olarak çalışır ve şu gibi avantajlar sağlar:

• Ortalama algılama ve yanıt süresinin daha kısa olması (MTTD/MTTR). Aracılı yapay zeka, uyarıları inceleyebilir, sinyalleri ilişkilendirebilir ve yanıt eylemlerini hızla koordine edebilir. Bu sayede ekiplerin algılama ve yanıt sürelerini azaltmasına yardımcı olur.
• Analist yorgunluğunun azalması ve yüksek değerli işlere daha fazla zaman ayrılması. Aracılı yapay zeka, tekrarlayan ve zaman alan görevleri üstlenerek uyarı yorgunluğunu azaltmaya yardımcı olur ve analistlerin daha stratejik incelemelere ve karar verme süreçlerine odaklanmasını sağlar.
• Tutarlı ve tekrarlanabilir değerlendirme ve yanıt. Aracılı yapay zeka, iş akışlarını ve süreçleri olaylar genelinde tutarlı biçimde uygular. Bu da el ile yapılan işlemlerin neden olduğu değişkenliği azaltarak operasyonel güvenilirliği artırır.
• Günün her saati kapsama ve esnek ölçek. İnsan ekiplerinin aksine aracılı yapay zeka, ek personel gerektirmeden sürekli çalışabilir ve büyük hacimli uyarıları, olayları ve verileri işlemek için ölçeklenebilir.
• Daha iyi sinyal/gürültü oranı ve önceliklendirme. Aracılı yapay zeka, en önemli tehditleri belirlemeye yardımcı olmak için büyük miktarda bağlamsal veriyi analiz edebilir. Bu da gereksiz uyarıları azaltır ve önceliklendirmeyi iyileştirir.
• Daha güçlü dayanıklılık ve proaktif risk yönetimi. Aracılı yapay zeka, ortamları sürekli izleyebilir, olası zayıflıkları belirleyebilir ve kuruluşların zaman içinde riski azaltmasına ve operasyonel dayanıklılığı geliştirmesine yardımcı olan proaktif güvenlik önlemlerini destekleyebilir.

Çeşitli kullanım senaryoları, güvenliği güçlendirmek için kişilerin ve aracıların nasıl birlikte çalışabileceğini gösterir.

Güvenlik ekipleri çoğu zaman el ile inceleyebileceklerinden daha fazla uyarıyla karşılaşır. Bu nedenle etkili yanıt için önceliklendirme kritik önem taşır.

Aracının rolü:

• Uyarıları tehdit analizi, varlık bağlamı ve kullanıcı davranışı verileriyle zenginleştirir.
• Olayları risk ve güven puanlamasına göre önceliklendirir.
• Araştırma veya düzeltme için sonraki adımları önerir.

Analistlerin rolü:

• Yüksek öncelikli olayları inceler.
• Bulguları ve görev aktarma kararlarını doğrular.
• Karmaşık veya hassas araştırmaları yürütür.

Güvenlik ekipleri büyük miktarda tehdit verisine güvenir. Bu da ilgili ve uygulanabilir içgörüleri hızla çıkarmayı zorlaştırır.

Aracının rolü:

• Birden çok kaynaktan tehdit analizini toplar ve özetler.
• Gerçek zamanlı duruma dayalı farkındalık ve hızlı raporlama sağlar.
• Tehdit etkinliğini ortamlar arasında ilişkilendirir.

Analistlerin rolü:

• Stratejik riski ve tehdit eğilimlerini yorumlar.
• Makine zekası uygunluğunu ve etkisini doğrular.
• Yanıt önceliklerini ve planlamayı yönlendirir.

Gizli veya ortaya çıkan tehditleri belirlemek için büyük ve karmaşık veri kümeleri genelinde sürekli analiz gerekir.

Aracının rolü:

• Tehdit avcılığı hipotezleri oluşturur ve veri kaynaklarını sorgular.
• Şüpheli etkinliği belirlemek için büyük veri kümelerinde yineleme yapar.
• Ortaya çıkan tehditler için sürekli arka plan tehdit avcılığı gerçekleştirir.

Analistlerin rolü:

• Bulguları doğrular ve iş etkisini belirler.
• Gelişmiş veya hedefli siber saldırı etkinliğini araştırır.
• Tehdit avcılığı stratejilerini ve önceliklerini geliştirir.

Güvenlik olaylarına yanıt vermek, algılama, araştırma ve sınırlama etkinlikleri arasında hızlı koordinasyon gerektirir.

Aracının rolü:

• Kanıt toplamayı ve olay belgelerini otomatikleştirir.
• Zaman çizelgesi taslakları oluşturur ve siber saldırı etkinliğini özetler.
• Analist onayıyla sınırlama eylemlerini tamamlar.
• Uç noktaları korumaya ve güvenlik açığı giderme iş akışlarını otomatikleştirmeye yardımcı olur.

Analiz uzmanının rolü:

• Yüksek riskli yanıt eylemlerini onaylar.
• Düzeltme ve kurtarma çalışmalarını denetler.
• İletişimi ve olay sonrası incelemeyi koordine eder.

Kuruluşlar, tehdit aktörleri tarafından istismar edilmeden önce güvenlik zayıflıklarını belirlemeli ve önceliklendirmelidir.

Aracının rolü:

• Güvenlik açıklarını risk düzeyine ve risk altındaki varlıkların değerine göre önceliklendirir.
• Bulut, uç nokta ve kimlik ortamları genelindeki maruziyetleri belirler.
• Düzeltme yolları ve azaltma eylemleri önerir.

Analistlerin rolü:

• İş riskine göre düzeltme önceliklerini belirler.
• Önerilen eylemleri doğrular.
• Yama uygulama ve riski azaltma çalışmalarını koordine eder.

Kimlik etkinliğini izlemek, yetkisiz erişimi algılamak ve ayrıcalığın kötüye kullanılmasını önlemek için kritik öneme sahiptir.

Aracının rolü:

• Olağandışı oturum açma ve erişim desenlerini algılar.
• Riskli izinleri ve ayrıcalık yükseltme risklerini belirler.
• Kimlikle ilgili tehditleri sürekli izler.

Kimlik ve erişim yöneticisinin rolü:

• Yüksek riskli erişim etkinliklerini inceler.
• İlke veya izin değişikliklerini onaylar.
• Olası içeriden tehdit veya hesap ele geçirme etkinliğini araştırır.

Güvenlik ekipleri, gelişen tehditlere ayak uydurmak için algılama mantığını sürekli olarak oluşturmalı ve iyileştirmelidir.

Aracının rolü:

• Algılama mantığını yazar ve test eder.
• Algılama kapsamını doğrular ve eksikleri belirler.
• Hatalı pozitifleri azaltmak için ayarlama iyileştirmeleri önerir.

Analistlerin rolü:

• Algılama güncelleştirmelerini inceler ve onaylar.
• Algılamaları kuruluş öncelikleriyle uyumlu hale getirir.
• Uzun vadeli güvenlik mimarisini ve stratejisini denetler.

Hassas verileri korumak, sürekli izleme, sınıflandırma ve güvenlik ilkelerinin zorlanmasını gerektirir.

Aracının rolü:

• Veri kaybı önleme ve içeriden riskleri araştırır ve önceliklendirir.
• Ortamlar genelinde hassas veri risklerinin keşfini ve analizini otomatikleştirir.
• İlke ihlallerini ve uyumluluk boşluklarını belirler.

Veri güvenliği yöneticisinin rolü:

• Yüksek riskli veri ifşası etkinliklerini inceler.
• Uyumluluk ve idare gereksinimlerini belirler.
• Düzeltme ve ilke zorlama kararlarını yönetir.

Siber güvenlikte aracılı yapay zeka, ekiplerin verileri analiz etmesine, uyarıları zenginleştirmesine ve tüm ortam genelinde güvenlik açıklarına ve tehditlere yanıt vermesine yardımcı olduğunda en yüksek değeri sağlar. Bunu yapmak için kuruluşlar, güvenlik aracılarını zaten kullandıkları araçlara bağlamak için API’leri kullanır. Bunlara SOAR, kapsamlı algılama ve yanıt (XDR), bulut güvenlik duruşu yönetimi (CSPM), kimlik ve erişim yönetimi (IAM), güvenlik bilgileri ve olay yönetimi (SIEM), uç noktada algılama ve yanıtlama (EDR) araçları ve sorun kaydı oluşturma çözümleri dahildir. Bu sayede aracılı yapay zeka sistemleri bilgileri alabilir, iş akışlarını koordine edebilir, eylemleri tetikleyebilir ve sistemleri gerçek zamanlı olarak güncelleştirebilir.

Otomasyon ekiplerin çok zaman kazanmasını sağlar ancak istenmeyen eylemleri önlemek için kontrol ve hesap verebilirliği sürdürmek yine de önemlidir. Güvenlik ekipleri genellikle analistlerin yüksek riskli kararları incelemesini gerektirir ve düşük riskli eylemler için daha fazla özerkliğe izin verir. Her iki durumda da yapay zekanın yalnızca onaylı sistemler ve verilerle etkileşim kurmasına yardımcı olmak için veri idaresi ve erişim denetimlerini oluşturmak önemlidir.

Aracılı yapay zeka ile en büyük başarıyı elde eden güvenlik ekipleri, hedeflere ne kadar iyi ulaştıklarını değerlendirmek için ölçüm araçları kullanır. Bu da uygulamalarını ayarlamak ve iyileştirmek için ihtiyaç duydukları bilgiyi sağlar.

Temel başarı ölçümleri şunları içerir:

Güvenlik operasyonlarının etkinliğini belirlemeye yardımcı olan veriler şunları içerir:

• MTTD ve MTTR.
• Otomatik olarak değerlendirilen veya kapatılan uyarı sayısı.
• Hatalı pozitif oranında azalma.
• Olayları araştırma ve çözme süresi.

Bu ölçümler, liderlere aracılı yapay zekanın güvenlik ekiplerinin zaman kullanma biçimini nasıl değiştirdiğine dair içgörü sağlar:

• El ile araştırma ve değerlendirmeden geri kazanılan analist saatleri.
• Analist müdahalesi gerektiren uyarılar için görev aktarma oranı.
• Yapay zeka destekli iş akışlarını kullanan yeni analistler için işe başlama süresi.
• Yinelenen veya düşük değerli görevlerde azalma.

Liderler, aşağıdakiler gibi ölçümlerle güvenlik iyileştirmelerinin tüm kuruluşa nasıl etki ettiğini de görebilir:

• Güvenlik olayı başına maliyet.
• Ortamlar, kimlikler, uç noktalar ve bulut kaynakları genelinde kapsam
• Genel uyumluluk duruşu ve denetime hazırlık.
• Zaman içinde operasyonel risk maruziyetinde azalma.

Aracılı sistemler farklı özerklik düzeyleriyle çalıştığı için güvenli dağıtım için idare, şeffaflık ve denetim önemlidir.

• Gölge aracılar ve yönetilmeyen otomasyon. Aracılı sistemler ölçeklendikçe kuruluşlar farkında olmadan yönetilmeyen veya yinelenen aracılar oluşturabilir. Uygun denetim olmadan bu "gölge aracılar" tutarsız davranışlara veya yetkisiz eylemlere yol açabilir.
• Halüsinasyonlar ve hatalı pozitifler. Diğer yapay zeka sistemleri gibi aracılı yapay zeka da hatalı sonuçlar üretebilir veya verileri yanlış yorumlayabilir. Bu da doğrulanmadığında gereksiz uyarılara veya hatalı eylemlere yol açabilir.
• Aşırı otomasyon ve denetim kaybı. Otomasyona aşırı güvenmek karar verme süreçlerine dair görünürlüğü azaltabilir ve bağlamın gözden kaçması veya uygunsuz eylemler riskini artırabilir.
• Veri gizliliği ve erişim denetimi. Aracılı yapay zeka sistemleri hassas güvenlik verilerine erişim gerektirir. Bu nedenle izinler, veri sınırları ve en düşük ayrıcalık erişimi etrafındaki sıkı denetimler kritik önem taşır.
• Model kayması ve saldırgan manipülasyon. Zaman içinde ortamlar değiştikçe model performansı düşebilir. Ayrıca siber saldırganlar, aracının davranışını etkilemek için girdileri veya ölçümleri değiştirmeye çalışabilir.

• NIST Yapay Zeka Risk Yönetimi Çerçevesi (AI RMF), idare, eşleştirme, ölçüm ve yönetim dahil olmak üzere yaşam döngüsü boyunca yapay zeka ile ilgili risklerin yönetilmesine yönelik rehberlik sağlar.
• ISO/IEC 42001 , yapay zeka yönetim sistemi için gereksinimleri belirler ve yapay zeka sistemlerinin sorumlu geliştirilmesi ve kullanımına odaklanır.
• AB Yapay Zeka Yasası, Avrupa Birliği içinde çalışan veya Avrupa Birliği'ni etkileyen yapay zeka sistemleri için risk temelli sınıflandırma ve uyumluluk gereksinimleri getirir.
• Sektöre özel düzenlemeler, sağlık hizmeti verilerinin korunması için Sağlık Sigortası Taşınabilirlik ve Sorumluluk Yasası (HIPAA), ödeme güvenliği için Ödeme Kartı Sektörü Veri Güvenliği Standardı (PCI DSS) ve mali raporlama denetimleri için Sarbanes Oxley Yasası (SOX) gibi belirli sektörlere yönelik özel gereksinimlerdir.

Güvenlik ekipleri kuruluşları genelinde siber güvenlik için aracılı yapay zekayı dağıtıp ölçeklendirdikçe, düşünülmüş bir strateji ekipler genelinde şeffaflığı, hesap verebilirliği ve güveni korurken güvenlik sonuçlarını iyileştirmeye yardımcı olur.

Kuruluşlar genellikle aracılı yapay zekayı kontrollü aşamalarda devreye alır. Düşük riskli yardımcı kullanım örnekleriyle başlar ve ardından daha yüksek etkili eylemlere doğru genişler. Güvenlik aracılarının karar verme biçiminde şeffaflığa öncelik vermek de önemlidir.

İyi tanımlanmış güvenlik sınırları, aracı davranışını güvenli ve beklenen sınırlar içinde tutmaya yardımcı olur. Beklenmeyen davranış riskini azaltmak için ekipler, siber güvenlik için yapay zeka aracılarının hangi eylemleri tamamen özerk olarak tamamlayabileceğini tanımlar, yüksek etkili veya hassas işlemler için onay iş akışları oluşturur ve güvenlik aracılarının ne zaman analistlere aktarması gerektiğine dair eşikler belirler.

Rol tabanlı erişim denetimi (RBAC), aracının belirli işlevi için gereken sistemlere, verilere ve eylemlere erişimini kısıtlayarak istenmeyen etkinlik riskini azaltmaya yardımcı olur. Bu nedenle kimlik ekipleri aracılara da kişiler için uyguladıkları en düşük ayrıcalık ilkelerini uygular.

Aracı davranışına dair görünürlüğü korumak için güvenlik ekipleri kararlar, araç kullanımı ve sonuçlar dahil olmak üzere tüm aracı eylemlerini günlüğe kaydeder ve denetler. Bu da olayları araştırmalarına, uyumluluk gereksinimlerini karşılamalarına ve ince ayar yapılması gereken uygulama sorunlarını tespit etmelerine yardımcı olur.

Analistler bilgilendirildiklerini ve denetim sahibi olduklarını hissederlerse aracılı yapay zekayı benimseme olasılıkları daha yüksek olur. Kuruluşlar, aracı önerilerinin net ve kolay anlaşılır olmasını sağlayarak güven oluşturabilir. Ayrıca yapay zekayı analist karar verme sürecinin yerine koymak yerine onu desteklemek için kullandıklarında daha iyi sonuçlar elde ederler.

Güvenlik operasyon merkezleri (SOC'ler), BT ve uyumluluk ekiplerinin tümü, aracılı yapay zekanın güvenli, etkili ve kurumsal risk toleransıyla uyumlu biçimde dağıtılmasında rol oynar. Disiplinler arası bir ekip, kuruluşların operasyonel kullanım örneklerini tanımlamasına, tümleştirme ve altyapıyı yönetmesine ve düzenleyici gereksinimleri karşılamasına yardımcı olur.

Güvenlik etki alanları genelinde çalışan tamamen aracılı iş akışları oluşturmak çok aşamalı bir süreçtir. Kuruluşların operasyonel olgunluğu arttıkça daha güçlü idare ve gözetim gerekir.

En erken aşamada kuruluşlar, yinelenen güvenlik görevlerini işlemek için önceden tanımlanmış betikler ve iş akışları kullanır.

Başarı şöyle görünür:

• Uyarı zenginleştirme veya dorun kaydı oluşturma gibi rutin görevlerin tutarlı biçimde tamamlanması.
• Düşük karmaşıklıktaki iş akışlarında el ile gerçekleştirilen çabada azalma.
• Statik kurallara ve akış planlarına bağımlılık.

Hazırlık göstergeleri:

• Kararlı SIEM, SOAR ve sorun kaydı tümleştirmeleri.
• Açıkça tanımlanmış ve yinelenebilir güvenlik süreçleri.
• Yüksek hacimde yinelenen analist görevleri.

Bu aşamada yapay zeka, görünürlüğü artırarak, özetleme yaparak ve karar vermeyi iyileştirerek analistleri destekler ancak doğrudan eylemde bulunmaz.

Başarı şöyle görünür:

• Yapay zeka tarafından oluşturulmuş özetler ve içgörüler sayesinde daha hızlı inceleme.
• İyileştirilmiş uyarı anlama ve bağlam zenginleştirme.
• Analistler kararlar ve eylemler için tamamen sorumlu olmaya devam eder.

Hazırlık göstergeleri:

• Olgun veri işlem hatları ve merkezileştirilmiş ölçümler.
• Yerleşik güvenlik operasyonları süreçleri.
• Daha hızlı değerlendirme ve araştırma desteği ihtiyacı.

Burada aracılı yapay zeka, tanımlı güvenlik sınırları içinde sınırlı eylemler gerçekleştirmeye başlar ancak kişiler daha yüksek riskli işlemler için onay yetkisini korur.

Başarı şöyle görünür:

• Otomatik değerlendirme, zenginleştirme ve önerilen düzeltme adımları.
• Tekrarlayan araştırma görevlerinde analist iş yükünün azalması.
• Sınırlama ve düzeltme eylemleri için insan onayı.

Hazırlık göstergeleri:

• Otomasyon sistemleri için güçlü kimlik ve erişim denetimleri.
• İyi tanımlanmış görev aktarma ve onay iş akışları.
• Veri kalitesine ve sistem tümleştirmelerine duyulan güven.

En olgun aşamada, aracılı yapay zeka birden çok alanda çalışır ve belirlenen sınırlar içinde analist müdahalesi en aza indirilerek eylemleri koordine eder. Bu, kuruluş genelinde uçtan uca güvenlik düzenlemesi sağlar.

Başarı şöyle görünür:

• Ortamlar genelinde sürekli, otonom algılama, araştırma ve yanıt.
• Güvenlik, BT, kimlik ve uyumluluk sistemleri arasında alanlar arası koordinasyon.
• Kişiler, idare, strateji ve özel durum yönetimine odaklanır.

Hazırlık göstergeleri:

• Yapay zeka ve otomasyon için olgun idare çerçeveleri.
• Sistemler genelinde yüksek güvenilirliğe sahip ölçümler ve veri bütünlüğü.
• Güvenlik, BT ve uyumluluk ekipleri arasında güçlü işlevler arası uyum.
• Denetlenebilirlik ve gözetim ile otomatik karar verme konusunda yerleşmiş güven.

Aracılı yapay zeka benimsenme eğrisinin henüz başında olsa da, birkaç net eğilim güvenlik genelinde nasıl gelişeceğini şekillendiriyor.

• Otonom kırmızı takım çalışması. Yapay zeka aracılarının, sürekli olarak savunmaları test etmek, zayıflıkları belirlemek ve güvenlik kontrollerini gerçek zamanlı doğrulamak için giderek daha fazla saldırgan davranışını taklit etmesi bekleniyor.
• Aracı döngüleri. Güvenlik operasyonları için aracılı yapay zeka daha sürekli ve kendi kendini iyileştiren bir yapıya kavuşacak. Aracılar algılayacak, eyleme geçecek ve sonuçlardan öğrenerek algılama ve yanıt süreçlerini geliştirecek.
• Yapay zekalar arasında siber çatışma. Siber saldırganlar da yapay zekayı benimsedikçe, gelecekteki siber etkileşimler savunmacı ve saldırgan aracı sistemlerin doğrudan birbirleriyle rekabet etmesini içerebilir.
• Tahmine dayalı savunma. Aracılı sistemler, olaylara tepki vermek yerine desenleri, maruziyet verilerini ve saldırgan davranışlarını analiz ederek tehditleri önceden tahmin edecek ve siber saldırılar gerçekleşmeden önce önleyecek.
• İşbirliğine dayalı yapay zeka aracıları. Birden fazla uzmanlaşmış aracının algılama, araştırma, düzeltme ve raporlama gibi görevlerde koordinasyon sağlaması daha ölçeklenebilir ve dayanıklı güvenlik iş akışları oluşturacak.
• Analistin gelişen rolü. Analistler tekrarlayan araştırma ve yanıt görevlerinden uzaklaşıp aracı denetimi, ilke tasarlama ve stratejik risk yönetimi gibi daha yüksek değerli sorumluluklara yönelecek.

Kuruluşlar, Microsoft'un sunduğu birleşik ve yapay zeka destekli güvenlik platformuyla dijital varlıkları genelinde tehditleri algılayabilir, araştırabilir ve yanıtlayabilir. Merkezde, analistlerin olaylar üzerinde mantık yürütmesine, tehditleri özetlemesine ve ortamlar genelinde yanıt eylemlerini koordine etmesine olanak tanıyan doğal dilli, yapay zeka destekli bir güvenlik çözümü olan Microsoft Security Copilot yer alır. Yerleşik aracılar bu yetenekleri Microsoft Güvenlik çözümleri genelinde genişletir.

Güvenlik ekipleri çoğu zaman uyarı hacmi, el ile değerlendirme ve parçalı araştırmalar nedeniyle zorlanır. Microsoft Defender XDR'da aracılı yapay zeka, yüksek riskli sorunlara öncelik verilmesine, olayların daha hızlı araştırılmasına ve yanıt verimliliğinin artmasına yardımcı olur.

• Güvenlik Uyarı Önceliklendirme Aracısı: Uyarıları önceliklendirerek gürültüyü azaltır ve analistlerin yüksek riskli olaylara daha hızlı odaklanmasına yardımcı olur.
• Güvenlik Analisti Aracısı: Olayları inceler, sinyalleri ilişkilendirir ve SOC iş akışlarını kolaylaştırmak için yanıt eylemleri önerir.
• Tehdit Avcılığı Aracısı: Ortamlar genelinde arama yaparak gizli tehditleri, şüpheli davranışları ve yeni saldırı kalıplarını ortaya çıkarır.
• Dinamik Tehdit Algılama Aracısı: Sürekli olarak etkinliği analiz eder ve gelişen tehditleri ve anomalileri belirlemek için algılama mantığını uyarlar.
• Tehdit Hakkında Bilgilendirme Aracısı: Tehdit analizini uygulanabilir içgörülere dönüştürerek ekiplerin ortaya çıkan risklerin önünde kalmasına yardımcı olur.

Birlikte çalışan bu aracılar, el ile araştırma ihtiyacını azaltır ve uç noktalar, kimlikler, e-postalar ve bulut iş yükleri genelinde olay yanıtını hızlandırır.

Microsoft Sentinel'de Security Copilot, analistlerin el ile araştırmadan doğal dilli, istem defteri tabanlı iş akışlarına geçmesine yardımcı olur. Analistler KQL oluşturabilir, olayları özetleyebilir, varlıkları zenginleştirebilir, kullanıcıları ve cihazları analiz edebilir ve Logic Apps ile istem defterleri aracılığıyla araştırma adımlarını otomatikleştirebilir.

Özel bir Sentinel olay raporlama aracısı, olaylardan araştırma bulgularını, varlıkları, içgörüleri ve düzeltme adımlarını çıkarabilir. İstem defterleri kullanıcı analizini de otomatikleştirebilir ve bulguları doğrudan olay etkinlik günlüklerine ekleyebilir.

Bu yetenekler, yinelenebilir görevleri otomatikleştirerek el ile sorgu yazma ihtiyacını azaltır, araştırma tutarlılığını artırır ve analist zamanından tasarruf sağlar.

Microsoft Purview'da Security Copilot, ekiplerin Veri Güvenliği Duruşu Yönetimi, Veri Kaybı Önleme, İçeriden Risk Yönetimi, eKeşif, Denetim ve İletişim Uyumluluğu genelinde verileri güvence altına almasına ve yönetmesine yardımcı olur.

• Veri Güvenliği Önceliklendirme Aracısı: DLP ve İçeriden Risk uyarılarını önceliklendirir, risk bağlamını açıklar ve veri sahipleriyle düzeltme iş akışları başlatabilir.
• Veri Güvenliği Duruşu Aracısı : Hassas verileri keşfeder, gizli riskleri ve açığa çıkmış kimlik bilgilerini belirler, hassasiyet etiketlemeyi geliştirir ve yöneticiye sunulmaya hazır özetler oluşturur.

Bu aracılar, güvenlik ekiplerinin el ile değerlendirme işlemlerini azaltmasına, kritik riskleri daha hızlı değerlendirmesine ve veri güvenliği ile uyumluluk operasyonlarını güçlendirmesine yardımcı olur.

Microsoft Entra'da Security Copilot, ekiplerin riskli kullanıcıları, olağandışı oturum açmaları, ayrıcalıklı erişimi ve kimlik tabanlı tehditleri incelemesine yardımcı olur. Copilot, kimlik bağlamını özetleyebilir, risk sinyallerini açıklayabilir ve oturum iptali, erişim incelemeleri veya Koşullu Erişim ilkesi ayarlamaları gibi eylemler önerebilir.

Yetenekler arasında kimlik ve erişim aracılarının yanı sıra Microsoft Entra Aracı Kimliği yer alır. Bu yetenek, yaşam döngüsü yönetimi, erişim idaresi ve kimlik koruma denetimleriyle kuruluşların yapay zeka aracı kimliklerini kaydetmesine, yönetmesine ve yönlendirmesine yardımcı olur.

Bu yetenekler, kuruluşların kimlik riskini azaltmasına ve insan ve yapay zeka kimlikleri genelinde Sıfır Güven ilkelerini uygulamasına yardımcı olur.

Microsoft Intune'da Security Copilot, uç nokta ve BT ekiplerinin cihaz uyumluluğunu, yapılandırma kaymasını, güvenlik açığı maruziyetini ve düzeltme gereksinimlerini anlamasına yardımcı olur. Copilot, cihaz riskini özetleyebilir, uyumsuzluk sorunlarını açıklayabilir, sonraki adımları önerebilir ve ekiplerin daha hızlı yanıt vermesine yardımcı olabilir.

Uç nokta yönetimi aracıları, uyumluluk denetimlerini otomatikleştirmeye, cihaz sorunlarını incelemeye ve yönetilen uç noktalarda düzeltme işlemlerine rehberlik etmeye yardımcı olur.

Bu yetenekler, el ile uç nokta araştırmasını azaltmaya, uyumluluk operasyonlarını iyileştirmeye ve yapılandırma boşluklarını daha hızlı kapatmaya yardımcı olur.

Microsoft Security Copilot ve yerleşik aracılar bir araya geldiklerinde, kuruluşların tepkisel ve el ile yapılan güvenlik operasyonlarından güvenlik yaşam döngüsü genelinde korumayı, hızı ve ölçeği iyileştiren uyarlanabilir, yapay zeka destekli savunmaya geçmesine yardımcı olur.