W roku ubiegłym firma Check Point wprowadziła nową technologię do swoich produktów o nazwie „Brand Spoofing Prevention” – jest to prewencyjny silnik w ramach technologii ThreatCloud AI, zaprojektowany do zapobiegania zarówno globalnym, jak i lokalnym atakom podszywania się pod marki. Technologia ta wykorzystuje SI, przetwarzanie języka naturalnego (NLP), przetwarzanie obrazów i heurystyki. Wykrywa i zapobiega próbom podszywania się poprzez dopasowywanie URL-i i stron internetowych do ustalonych marek. Teraz technologia ta zostaje rozbudowana o „DeepBrand Clustering”, co jest kolejnym etapem rozwijania Brand Spoofing Prevention, zaprojektowanym, aby nadążyć za gwałtownie pojawiającymi się fałszywymi nowymi stronami.
Bez wątpienia phishing jest jednym z najczęściej wykorzystywanych form ataków hakerskich. Powszechność phishingu wynika z jego niskiego kosztu realizacji i wysokiej skuteczności.
Taktyki phishingowe ewoluowały, obejmując warianty takie jak spear-phishing, whaling czy smishing. przez cały czas pozostaje głównym narzędziem cyberprzestępców, ponieważ wykorzystuje najbardziej wrażliwy element systemów bezpieczeństwa: psychologię ludzką.
Identyfikacja i indeksowanie każdej marki w internecie – w celu zapobiegania atakom – jest niemożliwym zadaniem. Stąd potrzeba zautomatyzowanych, inteligentnych systemów, które mogą dostosowywać się i skalować wraz z rosnącym ekosystemem cyfrowych marek.
Głównym wyzwaniem w wykrywaniu oszustw związanych z podszywaniem się pod marki jest oznaczanie danych potrzebnych do szkolenia odpowiednich modeli AI. Wymaga to identyfikacji różnych elementów marki i zrozumienia subtelnych różnic między nimi. Jest to pracochłonny i skomplikowany proces, utrudniony przez dynamiczny charakter brandingu.
Aby poradzić sobie z etykietowaniem danych, firma Check Poincie zwróciła się ku uczeniu bez nadzoru, automatycznie przypisując cechy stron internetowych do marek. To podejście zmniejsza zależność od interwencji człowieka, oszczędzając czas i minimalizując błędy w identyfikacji elementów marki.
DeepBrand Clustering
DeepBrand Clustering to sieć neuronowa, korzystająca z atrybutów wyodrębnionych z obserwowanych stron internetowych pochodzących z globalnego ruchu obserwowanego przez Check Point. Narzędzie łączy sieci neuronowe z tradycyjnymi modelami uczenia maszynowego (ML), dodatkowo wykorzystuje SI z dziedziny cyberbezpieczeństwa.
Fałszywa strona internetowa analizowana jest na podstawie cech: domena internetowa, favikona, tytuł strony i inne. Gdy dane zostaną zebrane z milionów stron i znormalizowane, wynikiem całego procesu jest wytrenowany model z wieloma odrębnymi klastrami i przypisanymi nazwami marek, które są wykorzystywane do analizy ruchu w czasie rzeczywistym i identyfikacji phishingu.
Ilustracja jak DeepBrand Clustering konstruuje sieć neuronową, korzystając z atrybutów wyodrębnionych z obserwowanych stron internetowych.
Cały system Check Pointa jest opatentowany, co podkreśla jego nowatorskie podejście i zaawansowane możliwości, jakie wnosi do wykrywania ataków socjotechnicznych. W ciągu kilku godzin od uruchomienia fazy nauki DeepBrand Clustering zindeksował ponad 4000 odrębnych marek, a 200 z nich było wykorzystywanych w ponad 4000 złośliwych atakach.
