Annuncio della beta di Red Sift Radar: un assistente LLM per i team di sicurezza

Siamo lieti di annunciare la beta di Red Sift Radar – il nostro nuovo assistente LLM per i team di sicurezza.

Con Red Sift Radar, i team potranno utilizzare un LLM per automatizzare i controlli manuali, garantire coerenza nella sicurezza e costruire ponti con i team meno tecnici.

Per realizzare tutto ciò, abbiamo preso gli LLM di base e li abbiamo combinati con i nostri feed di dati su scala Internet e le centinaia di API in tempo reale che alimentano le nostre applicazioni esistenti, per creare qualcosa di nuovo.

Con Radar, gli operatori possono analizzare il livello di sicurezza in tempo reale degli asset esposti su Internet utilizzando le nostre funzionalità Hardenize, oppure diagnosticare problemi di sicurezza web ed email da punti di presenza in tutto il mondo. Tutto questo viene reso disponibile ai nostri utenti finali tramite una familiare interfaccia di chat che non richiede praticamente alcuna conoscenza specialistica per essere utilizzata.

Questa è la nostra ultima innovazione nel rendere l'IA uno strumento per i difensori, che affrontano ogni giorno un numero crescente di minacce.

I clienti Red Sift (e Hardenize) con un piano Enterprise possono ora accedere a queste nuove funzionalità segnalando il proprio interesse.

I cybercriminali sono stati tra i primi ad adottare l'IA. L'IA generativa consente a utenti con intenzioni criminali di scrivere testi molto convincenti su larga scala per email di phishing, creare tattiche di social engineering più credibili e scrivere codice malevolo, solo per citare alcuni esempi.

Ma l'IA generativa non offre gli stessi vantaggi immediati ai difensori.

I team di sicurezza hanno bisogno di informazioni in tempo reale e della capacità di automatizzare. Gli LLM sono ottimi nel catturare pattern complessi, generare testo simile a quello umano e svolgere un'ampia gamma di compiti legati al linguaggio. Ma, con problemi complessi che richiedono più passaggi, in particolare nell'ambito della cybersecurity, le risposte degli LLM sono ancora talvolta incoerenti, incomplete e scorrette.

Ci siamo posti l'obiettivo di rendere gli LLM più utili per i team di sicurezza. Per raggiungere questo obiettivo, abbiamo dovuto introdurre tre innovazioni:

1. Guidare gli LLM per migliorare la coerenza nella risoluzione di problemi a più passaggi, mantenendo al contempo la capacità di diagnosticare problemi nuovi.
2. Integrare strumenti standard e proprietari per consentire il rilevamento in tempo reale delle risorse connesse a Internet.
3. Integrare set di dati su scala Internet quando necessario per estrarre informazioni non direttamente disponibili da queste risorse connesse a Internet.

Un modo per pensare agli LLM di oggi è immaginarli come algoritmi di compressione con perdita dell'intera conoscenza umana espressa nei loro dati di addestramento (Internet). Sebbene questo sia straordinario da osservare, farli funzionare in modo coerente su compiti meno legati alla scrittura creativa e più funzionali richiede del lavoro. A questo scopo, abbiamo costruito un meccanismo di guida innovativo che opera dietro le quinte di una familiare interfaccia di chat per migliorare l'affidabilità nel guidare l'LLM.

Sebbene la nostra guida fornisca contesto al modello, questo rimane limitato nella sua capacità di misurare il qui e ora. È qui che entrano in gioco le nostre funzionalità esistenti. Nel corso degli anni abbiamo costruito ampie API e set di dati che misurano i segnali rilevanti per la cybersecurity su Internet. Manteniamo risorse pubbliche come bimiradar, strumenti gratuiti come Hardenize e Red Sift Investigate, oltre a centinaia di API che alimentano i nostri prodotti. Quando esponiamo queste funzionalità granulari al modello e le combiniamo con la guida sopra descritta, vediamo accadere qualcosa di magico.

Poi arrivano i nostri sensori e le partnership sui dati. Sebbene queste funzionalità non siano rilasciate nella beta che stiamo annunciando oggi, sono attualmente in fase di test e possiamo già vedere emergere alcuni risultati incredibili quando esponiamo questo tipo di dati, opportunamente pre-elaborati per ridurne la scala, al nostro modello.

Il risultato di tutto ciò è un assistente di sicurezza basato su LLM in grado di fornire informazioni sullo stato di sicurezza delle organizzazioni esaminando asset esposti su Internet come DNS, domini, sottodomini, certificati e indirizzi IP, in modo coerente e con il giusto contesto.

Come con ChatGPT, per utilizzare Red Sift Radar l'utente deve iniziare con una singola domanda a cui vuole rispondere. Gli utenti possono porre richieste come:

• Qual è il livello di sicurezza di {mydomain}?
• {mydomain} ha DMARC configurato correttamente?
• Puoi controllare se la porta 80 è aperta su {mydomain}?
• Controlla se il mio sito web si carica correttamente o presenta problemi.

Una volta elaborata la tua domanda, Red Sift Radar determina l'azione o la risposta più appropriata in base alla tua richiesta.

Prendiamo uno scenario in cui poni la domanda: “Quanto è sicuro {mydomain}?” In questo caso, Red Sift Radar esegue un'analisi completa utilizzando una serie di verifiche e controlli, tra cui:

• Record di dominio: valuta le configurazioni DMARC, SPF, MX, NS, BIMI, DKIM e MTA-STS.
• Sottodomini: elenca e analizza i sottodomini associati.
• Certificati: verifica lo stato dei certificati SSL/TLS.
• Sicurezza del sito web: valuta il server di hosting e le vulnerabilità del sito.
• Salute del DNS: esamina la sicurezza e le configurazioni DNS.
• Analisi IP: esamina i servizi esposti e geolocalizza gli indirizzi IP.

A seconda della tua richiesta, Red Sift Radar esegue una varietà di compiti, dalla valutazione del livello di sicurezza di un dominio al controllo di potenziali configurazioni errate. Questa versatilità garantisce che tu ottenga informazioni precise e rilevanti ogni volta.

L'adattabilità di Red Sift Radar a diversi compiti legati alla sicurezza e la sua capacità di comprendere e generare testo simile a quello umano lo rendono uno strumento prezioso per i professionisti della sicurezza.

Dopo una richiesta iniziale sulla sicurezza, gli utenti possono porre domande di approfondimento per rendere le informazioni fruibili e utilizzabili in tutta l'organizzazione. Esempi di richieste di approfondimento includono:

• Puoi riassumere queste informazioni per me?
• La nostra divisione sicurezza si trova in Francia; puoi tradurre in francese, per favore?
• Puoi verificare se il mio sito web funziona da diverse località nel mondo?

Finora abbiamo dimostrato richieste piuttosto semplici, ma diventa molto entusiasmante quando gli utenti si spingono oltre gli schemi abituali.

Ad esempio, una richiesta più complessa potrebbe riguardare la propagazione delle modifiche DNS a livello globale.

Qui il modello sa come utilizzare i diversi punti di presenza di Red Sift in tutto il mondo per interrogare i server DNS sia globali che locali dei consumatori, sintetizzando una visione d'insieme di questi dettagli tecnici con un'unica semplice richiesta. L'alternativa richiederebbe un gran numero di VPN, comandi da terminale e tempo ed esperienza dell'operatore.

Possiamo anche vedere emergere alcuni risultati incredibili quando chiediamo a Radar di confrontare il livello di sicurezza di più asset su Internet ed evidenziare le differenze sostanziali.

Il maggior vantaggio per gli utenti che abbiamo riscontrato finora è la capacità di automatizzare compiti manuali che richiedono tempo ma sono fondamentali per il business.

Prendiamo l'esempio di “qual è il livello di sicurezza di {mydomain}?”

Per rispondere a questa domanda senza Red Sift Radar, un analista di sicurezza dovrebbe controllare manualmente le informazioni sulla sicurezza web, email e infrastrutturale attraverso diversi strumenti, avere una buona conoscenza dei comandi CLI di base e capire come tradurre i propri risultati in un riepilogo per il business.

I nostri primi utilizzatori stanno usando Red Sift Radar per eliminare la natura manuale di questi compiti e risparmiano in media 10 ore a settimana. Questo risparmio di tempo si accompagna al valore della coerenza – le stesse cose vengono controllate allo stesso modo ogni volta, indipendentemente da chi del team se ne occupa.

Siamo stati tra i primi ad adottare lo stack GPT, a partire dal rilascio di GPT-3 nel 2020, e inizialmente abbiamo prototipato Red Sift Radar come un plugin funzionante sulla versione pubblica di GPT-4. Tuttavia, era evidente che stavamo esponendo molto potere al modello e siamo rimasti cauti riguardo ai rischi associati a un accesso libero e indiscriminato a questa capacità. Abbiamo inoltre iniziato a incontrare limitazioni tecniche legate alla dimensione del contesto disponibile nella versione consumer dell'LLM di Chat GPT e abbiamo deciso invece di portare l'LLM sulla nostra piattaforma, così da poter costruire un'esperienza più sicura e più capace.

Non vediamo l'ora che Red Sift Radar sia nelle mani dei nostri clienti. Non vediamo l'ora di utilizzare il programma beta per raccogliere il feedback degli utenti e continuare a migliorare le nostre funzionalità. Inizieremo a invitare questa settimana i clienti che riteniamo possano essere adatti per la beta. Se non hai ancora ricevuto un invito e desideri partecipare, assicurati di segnalare il tuo interesse se vuoi unirti. I nostri fantastici team Prodotto e CS risponderanno a tutte le richieste entro una settimana.

Allo stesso tempo, continueremo a progredire verso una versione generalmente disponibile e accessibile a tutti i clienti Red Sift. I piani includono la possibilità di effettuare ricerche nelle tue applicazioni Red Sift e di approfondire oltre le informazioni di sicurezza disponibili pubblicamente. E, stai tranquillo, useremo questo tempo anche per perfezionare la Dark Mode di Radar.

È fondamentale sottolineare che stiamo adottando ogni misura per garantire che Red Sift Radar non venga utilizzato per scopi malevoli, come la raccolta di informazioni per sfruttare vulnerabilità o per attività di ricognizione. Per mitigare questo rischio, Red Sift applica le migliori pratiche in materia di sicurezza e privacy, tra cui controlli di accesso, monitoraggio e politiche di divulgazione responsabile, e continuerà a farlo in ogni fase.