Чи може ШІ самостійно захищати мережу? Дослідники протестували автономних агентів кіберзахисту на реальному полігоні
Дослідники Королівського технологічного інституту (KTH, Швеція) та Швейцарського агентства оборонних досліджень (FOI) опублікували результати випробувань автономних агентів реагування на мережеві інциденти — і, на відміну від більшості подібних робіт, тестували їх не в абстрактній симуляції, а в реалістичному кібер-полігоні під реальною атакою.
Тестовою мережею слугувала ADS-24 — 37 віртуальних машин у чотирьох сегментах (клієнтський, DMZ, сервери, SOC). Проти неї протягом двох годин на епізод діяв автоматизований red-team інструмент Lore, що поєднує машинне навчання та евристики для проникнення в систему, — фактично імітація дій реального зловмисника. Усього дослідники провели 134 епізоди протягом місяця.
Порівнювали чотири типи захисних агентів: пасивний (нічого не робить), класичний агент на жорстких правилах (“евристичний”), і два варіанти агента Vejde, навченого за допомогою reinforcement learning — один “чистий”, інший навчений з урахуванням реалістичного рівня шуму (1% хибних спрацювань). Результат: RL-агент, навчений з шумом, показав найнижчу сукупну вартість інцидентів — тобто найкращий баланс між збитками від атаки та витратами на надмірно агресивне блокування сервісів, — і за цим показником обійшов агента на класичних правилах. Це підтверджує гіпотезу, що модель, навчена на даних, здатна ефективніше приймати рішення в задачі реагування на інциденти, ніж вручну прописана логіка.
Водночас ефективність усіх агентів сильно залежала від стратегії атакуючого: цілеспрямована атака давала зовсім інші результати, ніж широке сканування мережі. А головне застереження авторів — не технічне, а операційне: реальна мережа генерувала 1,7–3,3% хибних спрацювань на крок, і додавання автономних агентів саме по собі створює нову поверхню атаки, яку зловмисник теоретично може навчитися експлуатувати.
Для команд, що впроваджують EDR/XDR та автоматизовані SOC-рішення, це дослідження — нагадування: швидкість автоматизованого реагування цінна лише тоді, коли система правильно налаштована на конкретну інфраструктуру. E-Light супроводжує впровадження рішень класу EDR/XDR (CrowdStrike, Trend Micro, Check Point, ESET) саме з цим фокусом — від аудиту джерел логів і калібрування правил виявлення до побудови процесів, де автоматика посилює, а не замінює контроль з боку команди безпеки.
