AI เพิ่งเขียนกฎใหม่ของ BEC: การป้องกันของคุณพร้อมหรือยัง?

วันนี้ อีเมลฟิชชิงเฉลี่ยที่เข้ามาในกล่องจดหมายของซีอีโอของคุณนั้นสมบูรณ์แบบ มันใช้ไวยากรณ์ที่ถูกต้อง มีความเข้าใจลึกซึ้งเกี่ยวกับสภาพแวดล้อมธุรกิจปัจจุบันขององค์กรของคุณ และจบลงด้วยคำขอที่เร่งด่วนและเกี่ยวข้องกับบริบท นี่ไม่ใช่ผลงานของอาชญากรไซเบอร์ทั่วไป แต่มันคือสัญลักษณ์ของการใช้ประโยชน์จาก AI ที่สร้างสรรค์ ซึ่งเปลี่ยนวิศวกรรมสังคมจากเกมตัวเลขให้เป็นการโจมตีที่มีเป้าหมาย.

การพัฒนาโดยใช้ AI นี้หมายความว่าการโจมตีแบบฟิชชิงและการแอบอ้างในอีเมลธุรกิจ (BEC) กำลังถูกเร่งให้สูงขึ้นอย่างไม่มีที่สิ้นสุด สำหรับผู้เชี่ยวชาญด้านความปลอดภัยไซเบอร์ การทำความเข้าใจกับการพัฒนาที่รวดเร็วนี้ไม่ใช่ทางเลือกอีกต่อไป แต่เป็นสิ่งที่สำคัญต่อการป้องกันความเสียหายทางการเงินและชื่อเสียงที่อาจเกิดขึ้นได้อย่างร้ายแรง.

บล็อกนี้สำรวจความเป็นจริงใหม่ของการฟิชชิ่งที่เสริมด้วย AI และ BEC เราจะเปิดเผยว่าผู้โจมตีใช้ AI อย่างไรในการรณรงค์ที่เสมือนจริงที่สุด ทำไมการโจมตีที่ซับซ้อนเหล่านี้จึงมักจะหลีกเลี่ยงการรักษาความปลอดภัยแบบดั้งเดิม และ—ที่สำคัญที่สุด—การป้องกันทางยุทธศาสตร์และขั้นตอนเชิงรุกที่ผู้นำด้านความปลอดภัยต้องนำไปใช้ในตอนนี้ สภาพแวดล้อมด้านไซเบอร์ซึ่งพัฒนาไปอย่างรวดเร็วพอๆ กับ AI เอง แล้วการป้องกันของคุณอยู่ในระดับที่เหมาะสมหรือไม่?

ระบบ AI กำลังเร่งความเร็วการโจมตีฟิชชิงและ BEC

ความสามารถในการปรับตัวของ AI ที่สร้างนั้นคือสิ่งที่ทำให้มันเป็นเครื่องมือที่ทรงพลังสำหรับอาชญากรไซเบอร์ ผู้โจมตีไม่จำเป็นต้องมีทักษะการเขียนที่ดี ความเชี่ยวชาญด้านภาษา หรือแม้แต่ความจำเป็นในการสร้างข้อความด้วยตนเองอีกต่อไป AI มอบความสามารถให้พวกเขาในการเพิ่มทั้งความซับซ้อนและความรวดเร็วในการโจมตีฟิชชิ่งและการโจมตี BEC ของพวกเขา

การสร้างเหยือกที่มีความสมจริงสูงด้วย LLMs

โมเดลภาษาขนาดใหญ่ (LLMs) ซึ่งเป็นเทคโนโลยีเดียวกับที่ขับเคลื่อนแชทบอทยอดนิยมเช่น ChatGPT ของ OpenAI หรือ Gemini ของ Google กำลังเป็นผู้นำในด้านการวิศวกรรมสังคมที่ขับเคลื่อนด้วย AI ผู้โจมตีในขณะนี้กำลังใช้ LLMs ในการสร้างอีเมลฟิชชิ่งในระดับถัดไปและข้อความ BEC ที่แทบจะไม่แตกต่างจากการสื่อสารที่ถูกต้องตามกฎหมาย โมเดลเหล่านี้สามารถผลิตข้อความด้วยไวยากรณ์และการสะกดที่สมบูรณ์แบบ ใช้โทนเสียงเฉพาะ และรวมรายละเอียดที่เกี่ยวข้องกับบริบทเพื่อสร้างเรื่องราวที่มีความเฉพาะตัวและน่าเชื่อถือได้สูง ระดับความละเอียดนี้มักทำให้สามารถปรับให้เข้ากับการโจมตีที่เฉพาะเจาะจงต่อบุคคลหรือบทบาทภายในองค์กรได้อย่างง่ายดาย ซึ่งเพิ่มโอกาสในการประสบความสำเร็จอย่างมีนัยสำคัญ.

นอกเหนือจากการปรับปรุงด้านภาษาแล้ว LLMs ยังสามารถเอาชนะอุปสรรคแบบดั้งเดิมสำหรับผู้โจมตีได้อย่างมีหลักการ ตัวอย่างเช่น LLMs สามารถแปลและสร้างข้อความในหลายภาษาได้อย่างง่ายดาย ทำให้ผู้กระทำการคุกคามสามารถขยายแคมเปญทั่วโลกโดยไม่ต้องมีข้อผิดพลาดที่บ่งบอกถึงปัญหา ข้อความที่ฟังดูธรรมชาติก็หมายความว่าอีเมลที่เป็นอันตรายเหล่านี้มีความสามารถในการหลบเลี่ยงการกรองความปลอดภัยของอีเมลแบบดั้งเดิมได้มากขึ้น ระบบเก่าๆ หลายระบบพึ่งพาการตรวจจับไวยากรณ์ที่ไม่ดี คำหลักที่น่าสงสัย หรือรูปแบบที่เป็นอันตรายที่รู้จัก—ซึ่งทั้งหมดสามารถถูกสร้างขึ้นโดยเนื้อหาที่สร้างโดย AI เพื่อหลีกเลี่ยงได้โดยเฉพาะ

ดีพเฟคเข้ามาสู่สนาม: การเลียนแบบเสียงและวิดีโอ

น่าเสียดายที่การใช้ปัญญาประดิษฐ์เป็นอาวุธกำลังขยายไปเกินกว่าการโจมตีที่ใช้ข้อความเข้าสู่สื่ออื่น ๆ ซึ่งมักเรียกว่า "ดีฟเฟค" การขยายนั้นรวมถึงการหลอกลวงเสียง (วิชิง) ซึ่งความสามารถของปัญญาประดิษฐ์ในการทำซ้ำเสียงจากตัวอย่างเสียงที่ค่อนข้างเล็กทำให้เกิดการเลียนแบบที่น่าเชื่อถือได้สูงมาก.

จินตนาการถึงการได้รับสายโทรศัพท์ที่อ้างว่ามาจาก CEO ของคุณ เสียงของพวกเขาถูกเลียนแบบได้อย่างสมบูรณ์แบบ โดยขอให้คุณยืนยันการโอนเงินที่เร่งด่วน สถานการณ์นี้กลายเป็นช่องทางการโจมตีที่เป็นไปได้มากขึ้น ปลอมเสียงที่สร้างโดย AI เพิ่มชั้นของความถูกต้องและความเร่งด่วนให้กับการหลอกลวงทางธุรกิจ (BEC) โดยเฉพาะเมื่อรวมกับอีเมลที่มีความน่าเชื่อถือ นอกเหนือจากเสียงแล้ว ภัยคุกคามจากวิดีโอปลอมใน BEC และการหลอกลวงทางสังคมก็เกิดขึ้นอย่างรวดเร็วเช่นกัน แม้ว่าอาจจะไม่ธรรมเนียมมากนักเนื่องจากความต้องการด้านเทคนิคที่สูงขึ้น แต่ผู้โจมตีอาจใช้ AI เพื่อสร้างคลิปวิดีโอสั้น ๆ ที่เลียนแบบผู้บริหารในการประชุมทางวิดีโอหรือข้อความที่บันทึกไว้ กลยุทธ์เหล่านี้อาจหลอกลวงพนักงานให้อนุมัติธุรกรรมที่หลอกลวงหรือแชร์ข้อมูลที่ละเอียดอ่อน

ความสามารถในการรวมข้อความที่สร้างโดย AI ที่ไร้ที่ติเข้ากับเสียงสังเคราะห์ที่น่าเชื่อถือและในท้ายที่สุดคือวิดีโอ ถือเป็นการพัฒนาอย่างจริงจังในความซับซ้อนของการโจมตีเลียนแบบ - ซึ่งเป็นความท้าทายต่อวิธีการตรวจสอบตัวตนแบบดั้งเดิม.

หน้าตาใหม่ของ BEC: การพัฒนากลโกงที่ขับเคลื่อนด้วย AI

ปัญญาประดิษฐ์ไม่เพียงแต่ทำให้ข้อความฟิชชิ่งและ BEC ที่มีอยู่ดูดีขึ้นและฟังดูดีขึ้นเท่านั้น—แต่ยังช่วยกระตุ้นการพัฒนาความซับซ้อนและการกำหนดเป้าหมายของกลโกงเหล่านั้นด้วย ผู้โจมตีใช้ AI เพื่อก้าวข้ามกลยุทธ์พื้นฐาน พัฒนากลโกงที่ซับซ้อนมากขึ้น และชี้เป้าเหยื่อของพวกเขาด้วยความแม่นยำที่น่าตกใจ.

ก้าวข้ามไปยังการหลอกลวงขั้นพื้นฐาน

ไม่นานมานี้ ความพยายามในการฉ้อโกงทางธุรกิจ (BEC) หลายครั้งค่อนข้างจะง่าย มักจะเกี่ยวข้องกับอีเมลที่เขียนไม่ดีจาก "CEO" ที่ขอให้ซื้อบัตรของขวัญอย่างเร่งด่วน ขณะที่สิ่งเหล่านี้ยังเกิดขึ้นอยู่ แต่ตอนนี้เราเริ่มเห็นความพยายามที่ได้รับการเสริมด้วยปัญญาประดิษฐ์ที่ซับซ้อนขึ้น เช่น การจัดการใบแจ้งหนี้อย่างซับซ้อน การเบี่ยงเบนการชำระเงิน และการแสดงตัวเป็นผู้ขายหลายขั้นตอนอย่างหลอกลวง ปัญญาประดิษฐ์มีส่วนช่วยในการพัฒนาการสื่อสารที่หลอกลวงให้สมบูรณ์ยิ่งขึ้น โดยการเสริมในด้านต่างๆ เช่น:

• การสร้างสรรค์การสื่อสารทั้งหมดอย่างมีคุณภาพสูงขึ้น
• สร้างเอกสารปลอมและเรื่องราวที่น่าเชื่อถือมากขึ้นสำหรับคำขอ
• การร่างข้อความติดตามที่ตอบโต้การตั้งข้อสงสัยเบื้องต้น

กลโกง BEC เบื้องต้นได้พัฒนาไปแล้ว ทำให้การหลอกลวงที่ซับซ้อนเหล่านี้ยากต่อการตรวจสอบและบรรเทาโดยพนักงาน.

การกำหนดเป้าหมายอย่างแม่นยำผ่านการสอดแนมด้วยปัญญาประดิษฐ์

การสำรวจเพื่อฟิชชิ่งเป็นขั้นตอนเริ่มต้นที่ผู้โจมตีรวบรวมข้อมูลเกี่ยวกับเป้าหมายก่อนเริ่มการโจมตีฟิชชิ่ง ปัญญาประดิษฐ์ได้เพิ่มขีดความสามารถของผู้โจมตีในการสำรวจอย่างมีนัยสำคัญ ซึ่งทำให้พวกเขาสามารถคัดกรองข้อมูลจำนวนมากจากข้อมูลสาธารณะได้อย่างรวดเร็วเพื่อระบุเป้าหมายที่มีคุณค่าและรวบรวมข้อมูลเชิงบริบท สิ่งที่เคยใช้เวลาเป็นสัปดาห์ในการทำความสะอาดเว็บไซต์ของบริษัท โซเชียลมีเดีย และข่าวสารสาธารณะเพื่อปรับแต่งการโจมตีทางไซเบอร์ ตอนนี้สามารถทำได้อย่างแม่นยำในเวลาไม่กี่นาที.

การใช้ความสามารถของปัญญาประดิษฐ์ช่วยในการสร้างข้อมูลเชิงลึกทำให้เกิดการโจมตี BEC ที่มีการปรับแต่งเป็นรายบุคคลอย่างมากซึ่งข้อความที่หลอกลวงอ้างอิงถึงโครงการภายในเฉพาะ, บทบาทของบุคคล, เหตุการณ์ล่าสุดในบริษัท, หรือเลียนแบบสไตล์การสื่อสารของฝ่ายที่ถูกปลอมแปลงได้อย่างถูกต้อง ทำให้การหลอกลวงนั้นเฉพาะเจาะจงอย่างมากและมีแนวโน้มที่จะได้รับความเชื่อถือจากผู้รับมากขึ้น.

เลียนแบบการสื่อสารภายใน

ความสามารถของ AI ในการเรียนรู้และทำซ้ำรูปแบบทางภาษานั้นเป็นอันตรายโดยเฉพาะเมื่อมันเกี่ยวข้องกับการปลอมแปลงการสื่อสารภายใน ซึ่งเป็นช่องทางการโจมตีหลักสำหรับ BEC ผู้โจมตีสามารถฝึกโมเดลจากตัวอย่างของสไตล์ของบริษัท หรือใช้ AI ในการสร้างข้อความที่สามารถเลียนแบบน้ำเสียง รูปแบบการเขียน และศัพท์เฉพาะที่มักใช้ภายในองค์กรได้อย่างสมบูรณ์ ลองพิจารณาตัวอย่างเหล่านี้ที่อาจเกิดขึ้นจากฝีมือของ AI:

• อีเมลเร่งด่วนที่ชัดเจนว่ามาจากแผนกไอที ซึ่งมีรายละเอียดเกี่ยวกับการอัปเดตระบบที่สำคัญ (แต่เป็นของปลอม) ที่ต้องการให้พนักงานคลิกที่ลิงก์ทันทีและกรอกข้อมูลรับรองของตน โดยใช้ภาษาที่ดูเทคนิคได้อย่างน่าเชื่อ
• การแจ้งเตือนที่ดูเหมือนมาจากฝ่ายทรัพยากรมนุษย์เกี่ยวกับการลงทะเบียนผลประโยชน์ใหม่ที่มีความสำคัญด้านเวลา หรือด้านนโยบายการทำงานจากระยะไกลที่อัปเดต ซึ่งถูกจัดทำขึ้นเพื่อให้ดูถูกต้องและเกี่ยวข้องกับพนักงาน
• คำสั่งจาก "ผู้บริหารระดับสูง" หรือ "หัวหน้าแผนกการเงิน" ที่ขอให้มีการโอนเงินโดยด่วนไปยังผู้ขายรายใหม่ โดยอ้างถึงโครงการที่ควรเป็นความลับหรือเวลาที่ใกล้จะถึง ซึ่งทั้งหมดสื่อสารด้วยระดับอำนาจและบริบทภายในที่คาดหวังได้

ทำไมการโจมตีที่เสริมด้วยปัญญาประดิษฐ์จึงตรวจจับได้ยากกว่า

ความซับซ้อนที่ AI นำมาสู่การฟิชชิ่งและ BEC ไม่เพียงทำให้การโจมตีดูน่าเชื่อถือมากขึ้น แต่ยังทำให้มันท้าทายมากขึ้นสำหรับทั้งพนักงานและระบบรักษาความปลอดภัยแบบดั้งเดิมในการตรวจจับ สัญญาณที่บอกเล่าถึงการโจมตีแบบเก่ากำลังจางหายไป ซึ่งถูกแทนที่ด้วยกลยุทธ์ที่ใช้ประโยชน์จากความไว้วางใจและบริบทด้วยความเชี่ยวชาญที่มากกว่าเดิม.

การหายไปของสัญญาณแดงที่ชัดเจน

อีเมลฟิชชิ่งมักมีสัญญาณเตือนชัดเจนที่ผู้ใช้หลายคนได้รับการฝึกฝนให้ระวัง สัญญาณเหล่านี้ เช่น ไวยากรณ์ที่ไม่ดี, ข้อผิดพลาดในการสะกดที่ชัดเจน, การใช้วลีที่แปลกประหลาด หรือคำทักทายทั่วไป เคยทำหน้าที่เป็นตัวบ่งชี้ที่เชื่อถือได้ของการพยายามฟิชชิ่ง อย่างไรก็ตาม AI และ LLM ที่ก้าวหน้าส่วนใหญ่กำจัดสัญญาณเตือนเหล่านี้โดยการผลิตข้อความที่ใกล้เคียงกับไวยากรณ์ที่สมบูรณ์แบบ มีสไตล์เหมาะสม และปราศจากข้อผิดพลาดทั่วไปเหล่านั้น ผลลัพธ์สุดท้ายคือ? ข้อความที่เป็นอันตรายที่ดูเหมือนถูกต้องโดยสิ้นเชิงในมุมมองแรกและผ่านการตรวจสอบของมนุษย์มาตรฐานได้อย่างง่ายดาย.

การหลอกลวงที่ตระหนักถึงบริบท

นอกจากข้อความที่ปราณีตแล้ว เอไอยังเก่งในการสร้างการหลอกลวงที่เกี่ยวข้องกับบริบทด้วย ผู้โจมตีสามารถสร้างข้อความที่อ้างอิงถึงการสนทนาที่ถูกต้องตามกฎหมายก่อนหน้านี้ โครงการที่กำลังดำเนินการ บทบาทงานเฉพาะ หรือเหตุการณ์ในบริษัทที่เกิดขึ้นเมื่อไม่นานมานี้ (โดยเฉพาะถ้าร่วมกับการสอดแนมด้วยเอไอ) คำขอที่ฉ้อโกงจะเชื่อถือได้มากขึ้นเมื่อรวมเข้ากับบริบทที่มีอยู่ ยกตัวอย่างคำขอชำระเงินด่วนที่อ้างอิงถึงผู้ขายในโลกจริงหรือข้อตกลงเฉพาะที่กำลังดำเนินการ ซึ่งอาจทำให้พนักงานตกหลุมพรางได้ง่ายขึ้นและอนุมัติการชำระเงินที่เป็นการหลอกลวง.

การเพิ่มขึ้นของการโจมตีหลายช่องทาง

ผู้โจมตียังใช้ AI มากขึ้นในการช่วยจัดระเบียบแคมเปญการหลอกลวงทางสังคมที่ซับซ้อนมากขึ้น ซึ่งไม่พึ่งพาเพียงแค่การส่งอีเมล AI สามารถใช้ในการสร้างเรื่องราวและข้อความที่สอดคล้องกันผ่านแพลตฟอร์มต่างๆ เพื่อสร้างความเชื่อถือหรือกดดัน ตัวอย่างเช่น อีเมลที่สร้างจาก AI ที่มีความน่าเชื่อถือสูงอาจตามมาด้วยข้อความ LinkedIn ที่มุ่งเป้าไปที่โปรไฟล์ที่ดูเหมือนจะมีความชอบธรรมซึ่งอ้างอิงถึงเนื้อหาของอีเมลนั้น หรือแม้แต่การโทรที่มีวิดีโอเสียงที่ขับเคลื่อนด้วย AI ที่เสริมการขอที่ฉ้อฉล วิธีการที่มีหลายชั้นนี้ซึ่งใช้จุดสัมผัสหลายจุดทำให้แต่ละส่วนประกอบดูเหมือนจะมีความน่าเชื่อถือมากขึ้นและเพิ่มความยากโดยรวมในการตรวจจับความพยายามฟิชชิงที่เป็นอันตราย.

การปรับเปลี่ยนการป้องกันของคุณ: การตอบโต้ภัยคุกคามที่ขับเคลื่อนด้วย AI

ในขณะที่ AI เสริมสร้างความสามารถของผู้โจมตีอย่างมาก แต่มันไม่ได้หมายความว่าองค์กรต่างๆ ไม่มีการป้องกัน การปรับเปลี่ยนท่าทีด้านความปลอดภัยของคุณต้องการกลยุทธ์ที่มีรายละเอียดซึ่งเสริมสร้างการควบคุมทางเทคนิค เพิ่มความตระหนักรู้ของพนักงาน และติดตามการพยายามแอบอ้างอย่าง proactive พิจารณากลยุทธ์ต่อไปนี้เพื่อตอบโต้การเพิ่มขึ้นของการโจมตีทางฟิชชิงที่ขับเคลื่อนด้วย AI และ BEC.

เสริมสร้างความระแวดระวังของมนุษย์: ความตระหนักด้านความปลอดภัยยุคถัดไป

AI กำลังมีสติปัญญาที่เพิ่มมากขึ้นเรื่อยๆ ดังนั้นส่วนสำคัญของการป้องกันของคุณจำเป็นต้องพัฒนาขึ้นด้วยเช่นกัน การสร้างความตระหนักรู้ด้านความปลอดภัยในยุคถัดไปจะต้องมุ่งเน้นไปที่ความละเอียดอ่อนของการโจมตีที่สร้างโดย AI ซึ่งต้องก้าวข้ามการแค่สังเกตพิมพ์ผิด นี่หมายถึงการให้ความรู้กับพนักงานในการประเมินบริบทของคำขออย่างมีวิจารณญาณ ในการรู้จักเทคนิคเร่งด่วนที่ซับซ้อน และพัฒนาความตระหนักเบื้องต้นเกี่ยวกับตัวชี้วัด Deepfake ที่อาจเกิดขึ้น เป้าหมายของคุณคือการปลูกฝังแรงงานที่มีวิจารณญาณและระมัดระวังมากขึ้น เมื่อต้องสร้างโปรแกรมการฝึกอบรมด้านความปลอดภัยของคุณ ให้นึกถึงการรวมกลยุทธ์ต่อไปนี้:

• ฝึกฝนเกี่ยวกับการฟิชชิงด้วย AI และความซับซ้อนของการปลอมแปลงเสียงด้วยตัวอย่างที่สมจริง
• ทำการจำลองฟิชชิงที่เลียนแบบความซับซ้อนและความเกี่ยวข้องในบริบทของ AI
• กำหนดให้มีการตรวจสอบนอกช่องทางสำหรับคำขอที่เร่งด่วนหรือมีความสำคัญ
• ปลูกฝังวัฒนธรรมที่เข้มแข็งในการรายงานข้อความที่น่าสงสัยโดยไม่มีความกลัว

ความปลอดภัยทางอีเมลทางเทคนิคขั้นสูง

การพัฒนาการป้องกันของมนุษย์ของคุณเป็นสิ่งสำคัญ แต่การเพิ่มประสิทธิภาพการป้องกันทางเทคนิคสำหรับอีเมลก็คือสิ่งที่สำคัญเช่นกัน ในขณะที่ไม่มีเครื่องมือใดที่เป็นคำตอบที่สมบูรณ์แบบ การรวมกันของโปรโตคอลพื้นฐานและเทคนิคการตรวจจับสมัยใหม่ถือเป็นกุญแจสำคัญในการต่อต้านความซับซ้อนของ AI เทคนิคเหล่านี้ไม่เพียงแต่เกี่ยวข้องกับการตรวจสอบความถูกต้องของผู้ส่ง แต่ยังรวมถึงการระบุพฤติกรรมที่ผิดปกติที่อาจปรากฏในการโจมตีที่สร้างโดย AI แม้ว่าจะมีลักษณะที่เรียบร้อยก็ตาม เสริมกระบวนการรักษาความปลอดภัยอีเมลของคุณโดยการนำมาตรการต่อไปนี้ไปใช้:

• บังคับให้ใช้งาน DMARC (p=ปฏิเสธ/กักกัน), SPF และ DKIM บนทุกโดเมน
• ใช้ความปลอดภัยของอีเมลด้วยการตรวจจับพฤติกรรม/การใช้ปัญญาประดิษฐ์และการกักกัน
• ตั้งค่าประตูทางเข้าเพื่อติดธงการแอบอ้าง (ชื่อที่แสดง, ผู้ส่งใหม่, ฯลฯ)
• ตรวจสอบและปรับแต่งนโยบายความปลอดภัยทางอีเมลเป็นระยะๆ เพื่อรับมือกับภัยคุกคามที่พัฒนา

การป้องกันโดเมนและแบรนด์อย่างเชิงรุก

ผู้โจมตีมักใช้โดเมนที่ดูเหมือนหรือโดเมนที่สะกดผิดซึ่งเลียนแบบโดเมนที่ถูกต้องตามกฎหมายขององค์กรของคุณเพื่อหลอกล่อผู้รับในแคมเปญฟิชชิงและการโจมตี BEC โดเมนที่สะกดผิดอาจหลอกล่อลูกจ้างได้ในครั้งแรก ดังนั้นจึงเป็นเรื่องสำคัญที่จะต้องระบุและจัดการกับความพยายามในการแอบอ้างเหล่านี้ก่อนที่จะมีการใช้งานอย่างแพร่หลาย ปกป้องโดเมนและแบรนด์ของคุณโดย:

• ตรวจสอบอย่างต่อเนื่องเพื่อหาชื่อโดเมนที่ลงทะเบียนใหม่หรือชื่อโดเมนที่เกิดจากการสะกดผิด
• การติดตามการใช้แบรนด์, ชื่อผู้บริหาร และทรัพย์สินทางปัญญาของคุณโดยไม่ได้รับอนุญาตทางออนไลน์
• การกำหนดกระบวนการที่ชัดเจนสำหรับการสืบสวนและเริ่มต้นการลบโดเมน
• ฝึกอบรมพนักงานให้ตรวจสอบที่อยู่ผู้ส่งและ URL อย่างละเอียดเสมอ

AI ที่สร้างสรรค์ได้เพิ่มความซับซ้อนของการโจมตี phishing และ BEC อย่างปฏิเสธไม่ได้ สร้างการโจมตีที่มีความสมจริงสูง สามารถขยายขนาดได้ดี และมีความยากลำบากอย่างมากสำหรับทั้งคนและระบบดั้งเดิมในการตรวจจับ การตอบโต้กับภูมิทัศน์ของอันตรายที่พัฒนาไปนี้อย่างมีประสิทธิภาพต้องการกลยุทธ์การป้องกันที่ซับซ้อนและมีชั้นหลายชั้น—ซึ่งผสมผสานเทคโนโลยีขั้นสูง การสร้างความตระหนักรู้ของผู้ใช้อย่างต่อเนื่อง และความระมัดระวังขององค์กรเข้าด้วยกันอย่างชาญฉลาด.

UpGuard Breach Risk มีบทบาทสำคัญในระบบการป้องกันแบบชั้นนำ โดยให้ความสามารถในการมองเห็นจากภายนอกและการตรวจจับเชิงรุกแก่หน่วยงานเพื่อลดความเสี่ยงที่มาพร้อมกับการโจมตีที่ซับซ้อนเหล่านี้ ฟีเจอร์ที่ออกแบบมาเพื่อช่วยลดภัยคุกคามที่ขับเคลื่อนโดย AI มีดังนี้:

• การตรวจสอบพื้นผิวการโจมตี: การตรวจสอบพื้นผิวการโจมตีภายนอกของคุณอย่างต่อเนื่องเพื่อค้นหาช่องโหว่หรือการเปิดเผยที่ผู้โจมตีสามารถใช้ประโยชน์ได้
• การตรวจจับการรั่วไหลของข้อมูล: ตรวจจับข้อมูลประจำตัวที่รั่วไหลซึ่งหมุนเวียนอยู่บนออนไลน์ ซึ่งเป็นเชื้อเพลิงหลักสำหรับการโจมตี BEC และการเข้าครองบัญชี
• การระบุการสร้างโดเมนเลียนแบบ: ระบุโดเมนการสร้างข้อผิดพลาดและเว็บไซต์ที่ดูคล้ายกันซึ่งตั้งขึ้นมาโดยเฉพาะเพื่อเลียนแบบแบรนด์ของคุณในการรณรงค์ฟิชชิ่งขั้นสูง.

ในยุคที่ภัยคุกคามทางไซเบอร์พัฒนาขึ้นอย่างรวดเร็วเท่ากับ AI เอง การอยู่ให้เหนือกว่าต้องการการปรับตัวอย่างต่อเนื่องและการใช้เครื่องมือขั้นสูงที่ให้มุมมองที่ชัดเจนเกี่ยวกับความเสี่ยงจากภายนอกของคุณ.