Kyberturvallisuus siirtyy havainnoinnista AI-resilienssiin

Koska lähes kaikki omaisuudet, liiketoimintatoiminta tai arvokas data on tallennettu digitaalisesti, jatkuva pääsy näihin tietoihin ja IT-järjestelmiin on välttämätöntä.

Tämä on se, mitä kiristyshaittaohjelmana kutsuttu kiristystaktiikka hyödyntää. Se tunkeutuu elektroniseen laitteeseen tai verkkoon, lukitsee käyttäjät pois tiedoistaan (yleensä salauksen avulla) ja vaatii sitten lunnaita, jotta se toimittaa salauksen purkuavaimen ja palauttaa pääsyn.

Kiristyshaittaohjelmat ovat nopeasti kasvava rikollinen toiminta, ja maailmanlaajuisten vahinkojen arvioidaan ylittävän 265 miljardia Yhdysvaltain dollaria vuodessa vuoteen 2031 mennessä.

Kysymys on kriittinen, sillä nykyaikaiset kiristyshaittaohjelmakampanjat kohdistuvat nyt paitsi yksilöihin myös yritysverkkoihin, kunnallisiin järjestelmiin ja kriittisten infrastruktuurialojen, kuten terveydenhuollon, rahoituksen ja energian, sektoreihin.

“Vuonna 2024 terveydenhuoltosektori kirjasi korkeimmat tietomurtumiskustannukset kaikista toimialoista, keskimäärin 10,93 miljoonaa Yhdysvaltain dollaria per tapaus, johtuen pitkistä käyttökatkoista, HIPAA:han liittyvistä sakkoista ja suojatun terveydenhuollon tiedon korjaamisesta.”

Nämä tapaukset ovat vakavampia ja niihin liittyy suurempia kiristyssummia, vaikka 88 % kaikista kiristyshaittaohjelmatapahtumista kohdistuu pieniin ja keskisuuriin yrityksiin (PYT).

“Organisaatiot, jotka maksoivat lunnaat, raportoivat keskimääräiseksi maksuksi 2 miljoonaa Yhdysvaltain dollaria, mikä on nousu 400 000 dollariin vuonna 2023. Välittömien kustannusten lisäksi kiristyshaittaohjelma-iskun jälkeinen keskimääräinen käyttökatko ylittää nyt kolme viikkoa, mikä aiheuttaa kumuloituneita operatiivisia ja tuottavuusmenetyksiä eri liiketoimintayksiköissä.”

Kiristyshaittaohjelmien menetelmät ovat yhä kehittyneempiä, mikä vähitellen tekee vanhemmat perinteiset allekirjoituksiin perustuvat ja pelkästään diskriminatiiviset havaitsemismenetelmät riittämättömiksi. Rahan jäljittäminen on myös vaikeutunut, sillä nykyään lunnaat maksetaan yleensä kryptovaluutoilla.

Yleisesti ottaen tekoäly on sekä ongelma että mahdollisuus kyberturvallisuudelle. Se voi auttaa luomaan parempia väärennöksiä phishing-hyökkäyksiin, parantaa sosiaalisen manipuloinnin tehokkuutta ja luoda uusia heikkouksia järjestelmäarkkitehtuuriin.

Lähde: Crowdstrike

Uusi julkaisu väittää myös, että generatiivinen tekoäly voisi auttaa lievittämään kyberturvallisuusuhkia. Tämä pätee erityisesti kiristyshaittaohjelma-iskuihin.

Se on kirjoitettu University of Cincinnati -tutkijan toimesta Journal of Information Security and Applications -lehdessä¹, otsikolla “Kiristyshaittaohjelman puolustuksen uudelleenarviointi generatiivisen tekoälyn aikakaudella”.

Miten kiristyshaittaohjelma toimii?

Kiristyshaittaohjelma 101

Useimmat kiristyshaittaohjelmat lukitsevat tiedot salauksen avulla tietomurron jälkeen, jolloin hakkeri pääsee laitteeseen tai verkkoon. Joissakin tapauksissa se voi jopa lukita laitteen käyttöliittymän kokonaan sen sijaan, että salaisi yksittäisiä tiedostoja.

Lunnauspyyntö tehdään yleensä kryptovaluutassa, tiukan aikarajan kera, jonka jälkeen tiedot on purettava; jos aikarajaa ei noudateta, ne jäävät pysyvästi lukittuun tilaan.

Joissakin tapauksissa, joita kutsutaan kaksinkertaiseksi tai kolminkertaiseksi kiristyksiksi, tiedon salaus yhdistetään uhkaukseen julkisesti vuotaa varastettu data tai jopa hyökätä asiakkaidesi ja kumppaneidesi kimppuun, jos lunnaat eivät makseta.

Tämä voi olla erityisen ongelmallista luottamukselliselle datalle, kuten liiketoimintatiedolle, arvokkaalle immateriaalioikeudelle, potilaiden lääketieteelliselle tiedolle jne. Lunnaita maksamalla tai purkamalla dataa muilla keinoilla, varastettua dataa ei poisteta hakkerin tietokoneista, mikä tarkoittaa, että uhka jatkuu myös purkamisen jälkeen.

Yleisesti ottaen kyberturvallisuusasiantuntijat ja lainvalvontaviranomaiset neuvovat maksamasta lunnaita, koska se ei takaa datan palautumista, ja voi usein merkitä uhrin “hyväksi” kohteeksi myöhemmille hyökkäyksille.

Kiristyshaittaohjelmien aiheuttamat menetykset eivät rajoitu pelkästään lunnaille, vaan sisältävät myös käyttökatkokset, liiketoiminnan häiriöt, mainevahingot, kalliit palautusmenettelyt ja tarvittavan lisäturvallisuuden, jne.

“Organisaatiot, jotka kokevat kiristyshaittaohjelma-iskuja, kohtaavat usein sidosryhmien luottamuspulaa asiakkaiden, sijoittajien ja sääntelijöiden keskuudessa. Asiakkaat näkevät tietomurrot huolimattomuuden merkkinä, mikä johtaa uskollisuuden vähenemiseen ja asiakasmenetyksiin. Sijoittajat saattavat kyseenalaistaa yrityksen hallintokyvyn ja riskienhallintapositio, mikä vaikuttaa markkina-arvon laskuun.”

Miten estää kiristyshaittaohjelmat

Generatiivisen tekoälyn menetelmien lisäksi, joita tässä artikkelissa ehdotetaan, on otettava käyttöön muutamia käytäntöjä riskien ja kiristyshaittaohjelmaiskujen vakavuuden vähentämiseksi.

Ensimmäinen on yleinen kyberturvallisuuden parhaiden käytäntöjen omaksuminen sekä riittävä rahoitus IT-tiimeille ja kyberturvallisuustaitojen koulutukselle.

Toinen on pitää kaikki ohjelmistot päivitettyinä ja korjattuina, sillä jokin heikkous voi aiheuttaa järjestelmän laajenevan haavoittuvuuden.

Kolmas on kiinnittää huomiota suojattuun pääsyyn ja inhimillisiin virheisiin sekä tarjota koulutusta niiden välttämiseksi, sillä monet kiristyshaittaohjelmaiskut alkavat sosiaalisen manipuloinnin kautta, jossa ainakin yksi käyttäjä houkutellaan avaamaan aukko hakkerien hyödyntämiseksi.

Lopuksi, vakava varmuuskopio- ja datan arkistointipolitiikka voi merkittävästi vähentää kiristyshaittaohjelma-iskun vaikutuksia, kun käytettävissä on lähes ajantasainen data palautusta varten.

Generatiivisen tekoälyn käyttäminen kiristyshaittaohjelmien torjumiseen

Nykyinen lähestymistapa kiristyshaittaohjelmiin keskittyy allekirjoituksiin perustuviin virustorjuntatyökaluihin, staattisiin sääntökoneisiin tai sisältää vain osittain perinteisiä koneoppimis- ja syväoppimismalleja.

“Nämä lähestymistavat luottavat voimakkaasti merkittyihin aineistoihin ja ennalta määriteltyihin hyökkäysallekirjoituksiin, jättäen organisaatiot alttiiksi nollapäivähyökkäyksille ja polymorfiselle haittaohjelmistolle, joka muokkaa jatkuvasti koodiaan ohittaakseen monikerroksiset havaitsemisjärjestelmät.”

Generatiivinen tekoäly, sama tekoälyn tyyppi kuin ChatGPT:n kaltaisissa järjestelmissä, voi auttaa lievittämään näitä rajoituksia. Erityisesti useita generatiivisen tekoälyn tyyppejä voidaan käyttää:

• Suuret kielimallit (LLM:t).
• Generatiiviset vastustavat verkot (GAN:t).
• Variatiiviset automaattikooderit (VAE:t).
• Diffuusio-mallit.

Mitä kukin GenAI-järjestelmä voi tehdä?

LLM:t voivat auttaa IT-asiantuntijoita ja tavallisia käyttäjiä analysoimaan suuria määriä järjestelmälokeja, tapausraportteja ja uhkatiedon syötteitä tunnistaakseen nousevia hyökkäysnarratiiveja tai luodakseen automatisoituja vastaussuosituksia.

GAN:t luovat “väärennettyjä” kiristyshaittaohjelma-iskuja, joita voidaan käyttää valmistautumiseen todellista hyökkäystä varten. Ne voivat siis synteettisesti tuottaa realistisia kiristyshaittaohjelmavariaatioita stressitestaukseen ja havaitsemisalgoritmien uudelleenkoulutukseen.

VAE:t voivat oppia piileviä käyttäytymisrepresentaatioita, jotka auttavat erottamaan haitallisen ja harmittoman järjestelmätoiminnan.

Yhdessä GAN:t ja VAE:t voivat auttaa luomaan synteettisiä kiristyshaittaohjelma-näytteitä ja harmittomia prosessidataa, mikä vastaa jatkuvaan haasteeseen, että kyberturvallisuusaineistot kärsivät datan niukkuudesta ja luokkien epätasapainosta.

Käytännössä luottamus ja tulkittavuus ovat kriittisiä todellisten turvallisuuskeskusten käyttöönotossa. Siksi GenAI-pohjaisten järjestelmien on paitsi tunnistettava uhkia, myös perusteltava tuloksensa tavalla, joka on ymmärrettävissä ihmisanalyytikoille.

Implementointi ja lisäriskit

Näiden järjestelmien käyttöönotto vaatii pätevää asiantuntemusta, sillä ne ovat herkkiä datan laadulle, laskennalliselle viiveelle ja uudelleenkoulutuskustannuksille.

On myös huomattava, että nämä järjestelmät on otettava käyttöön huolellisesti ja asianmukaisilla hallintasuojatoimilla.

Lisäriskeihin kuuluvat mallin poimintahyökkäykset, LLM-avusteisten turvallisuustyökalujen kehotteiden manipulointi sekä telemetrian vihamielinen myrkytys uudelleenkoulutusjaksojen aikana, jotka kaikki voivat heikentää tekoälyavusteisen kyberturvallisuuden luotettavuutta.

Sama teknologia, joka voi auttaa torjumaan kiristyshaittaohjelma-iskuja, voidaan myös aseistaa automatisoimaan phishing-kampanjoita, luomaan polymorfista haittaohjelmistoa tai jäljittelemään laillista järjestelmäkäyttäytymistä havaitsemisen kiertämiseksi.

Politiikkasuositukset

Generatiivisen tekoälyn käyttöä kyberturvallisuudessa on sisällytettävä laajempaan tekoälypolitiikan kehyksiin sekä yritys-/laitostasolla että kansallisella tasolla.

Tämä sisältää eettisen valvonnan ja politiikan yhdenmukaisuuden, varmistaen että tekoälyn käyttö noudattaa tietosuoja-, turvallisuus- ja vastuullisuusstandardeja.

Teknistä huomiota tulisi myös kiinnittää resilienssisuunnitteluun, mukaan lukien palautustestaukset, varmuuskopiointipolitiikat ja järjestelmän redundanssi.

Nykyiset viitekehykset auttavat ohjaamaan GenAI:n käyttöönottoa kiristyshaittaohjelmiin ja laajempaan kyberturvallisuustyöhön, kuten ISO/IEC 42001, NIST AI Risk Management Framework ja EU AI Act -yhteensopivuusohjeet.

Organisaation kapasiteetti on myös otettava huomioon, jossa generatiivisen tekoälyn asteittainen integrointi organisaation kyberturvallisuusosaamisen tasolle on tärkein rajoittava tekijä.

Kaiken kaikkiaan ihanteellinen strategia on jatkuva oppiminen, jossa organisaation kokemukset on integroitu tekoälyn uudelleenkoulutusputkiin.

Lähde: Journal of Information Security and Applications

Sijoittajien huomio

Kun tekoälyteknologia kehittyy yhä laajenevan digitalisaation myötä, myös uhat ja niiden torjuntaan tarkoitetut työkalut kehittyvät.

Kokonaisuudessaan kiristyshaittaohjelmien suojaus siirtyy perinteisestä päätelaitteiden havaitsemisesta laajempiin tekoälypohjaisiin resilienssialustoihin, jotka yhdistävät havaitsemisen, simuloinnin, hallinnon ja ihmisen mukana olevan vasteen.

Tämän tulisi edistää integroitua, kokonaisvaltaista kyberturvallisuusjärjestelmää, joka voi saumattomasti sisällyttää tällaiset tekoälytyökalut ja tarjota tekoälymalleille dataa ja ympäristön, jossa ne voivat toimia täyteen potentiaaliinsa.

Sijoittaminen tekoälypohjaiseen kyberturvallisuuteen

Crowdstrike

CrowdStrike perustettiin vuonna 2012 pilvipainotteisella lähestymistavalla kyberturvallisuuteen, keskittyen vahvasti B2B (business-to-business) -markkinoihin.

CrowdStriken varhainen siirtyminen pilveen antoi sille etulyöntiaseman datan suojaamisessa, ja osoitti merkittävän kilpailuedun, joka vauhditti sen kasvua, kun yhä useammat yritykset siirtyivät omiin, paikallisiin palvelimiin pilvipalvelimiin.

Keskeinen seikka CrowdStriken tarjonnassa on, että se kokoaa pilviympäristöön sen, mitä aiemmin oli erittäin hajautettu turvallisuusratkaisujen kokonaisuus, joka vaati keskinäistä integrointia. Yritys voi tarjota turvallisuutta kaikilla organisaation tasoilla, yksittäisistä laitteista koko yrityksen IT-infrastruktuuriin.

Lähde: CrowdStrike

Koska kyberturvallisuus täytyy integroida syvällisesti yrityksen toimintaan, kyberturvallisuuspalveluntarjoajan valinta on pitkäaikainen päätös.

Tämä tekee CrowdStriken liikevaihdosta erittäin ennustettavan, 98 %:n bruttokäyttäjien säilyvyydellä. Vuoden 2026 toisen puoliskon aikana yritys odottaa 40 %:n kasvua nettona uudenaikaisena vuosittaisena toistuvana tulona (ARR).

Yritys on nyt varhainen toimija tekoälyagenttipohjaisessa kyberturvallisuudessa, kuten se oli varhainen toimija pilvipohjaisessa kyberturvallisuudessa, ja se on jo sisällyttänyt agenttipohjaisen puolustuksen kaikkiin järjestelmän tasoihin.

Lähde: CrowdStrike

Keskeinen elementti on myös tarjota turvallisuutta käyttäjien henkilökohtaisiin ja liiketoimintatehtäviin käyttämille tekoälyagenteille. Vaikka ne lisäävät tuottavuutta, nämä agentit ovat myös uusi hyökkäysvektori hakkerien ja haittaohjelmien osalta, ja järjestelmät kuten CrowdStriken, tulevat yhä enemmän välttämättömiksi tekoälyagenttien turvallisuuden varmistamisessa.

Kaiken kaikkiaan tämä tarjoaa yritykselle valtavan kasvumahdollisuuden, erityisesti koska sillä on hallitseva asema pilvi-kyberturvallisuussegmentissä, joka todennäköisimmin tarjoaa tarvittavan mittakaavan ja laadukkaan datan generatiivisen tekoälyn ja muiden AI-teknologioiden hyödyntämiseen digitaalisen turvallisuuden edistämiseksi.

Lähde: CrowdStrike

Uusimmat CrowdStrike (CRWD) osakeuutiset ja kehitykset

Viitattu tutkimus

^{1. Nelly Elsayed. Kiristyshaittaohjelman puolustuksen uudelleenarviointi generatiivisen tekoälyn aikakaudella. Journal of Information Security and Applications. Volyymi 101, Syyskuu 2026, 104547. https://doi.org/10.1016/j.jisa.2026.104547}