AI malware elude Microsoft Defender: nuove sfide per la sicurezza
Un modello AI supera Microsoft Defender nell'8% dei casi, sollevando dubbi sul futuro della sicurezza informatica.
Un team di ricercatori di Outflank ha sviluppato un malware basato su intelligenza artificiale (AI) capace di eludere Microsoft Defender circa l'8% delle volte, un risultato che verrà presentato a Black Hat 2025. Questo sviluppo solleva interrogativi significativi sul futuro della cybersicurezza e sulla capacità dei sistemi attuali di far fronte a minacce sempre più sofisticate.
Kyle Avery, specialista di attacco di Outflank, ha impiegato tre mesi e un investimento di 1.500 dollari per addestrare il modello open-source Qwen 2.5, dimostrando che è possibile aggirare i sistemi di difesa attuali. La sua efficacia supera quella di modelli concorrenti, come quelli di Anthropic e DeepSeek.
Sebbene la percentuale di successo sia relativamente bassa, i progressi in reinforcement learning potrebbero migliorare ulteriormente le capacità di questi modelli. La preoccupazione è che criminali informatici possano dedicare risorse significative per sfruttare tali tecnologie.
Questo scenario pone interrogativi sulla capacità di Microsoft di aggiornare Defender per compensare queste minacce. La ricerca di Outflank evidenzia la necessità di strategie di sicurezza avanzate e di un continuo aggiornamento degli strumenti di difesa.
Cos'è il malware basato su intelligenza artificiale sviluppato da Outflank?
Il malware sviluppato da Outflank utilizza modelli di intelligenza artificiale per generare codice malevolo capace di eludere i sistemi di difesa come Microsoft Defender. Dopo un addestramento di tre mesi e un investimento di 1.500 dollari, il modello open-source Qwen 2.5 è stato in grado di bypassare Microsoft Defender circa l'8% delle volte, superando l'efficacia di modelli concorrenti come quelli di Anthropic e DeepSeek.
Quali sono le implicazioni di questo sviluppo per la cybersicurezza?
L'utilizzo dell'intelligenza artificiale per creare malware avanzati solleva preoccupazioni significative sulla capacità dei sistemi di sicurezza attuali di fronteggiare minacce sempre più sofisticate. Questo scenario evidenzia la necessità di strategie di sicurezza avanzate e di un continuo aggiornamento degli strumenti di difesa per contrastare efficacemente tali minacce.
In che modo il reinforcement learning potrebbe influenzare l'evoluzione di questi malware?
I progressi nel reinforcement learning potrebbero migliorare ulteriormente le capacità dei modelli di intelligenza artificiale nel generare malware più efficaci. Questo potrebbe portare a una maggiore capacità di adattamento e evasione dei sistemi di difesa, rendendo le minacce informatiche ancora più difficili da rilevare e neutralizzare.
Cos'è il malware polimorfico e come l'intelligenza artificiale ne amplifica l'efficacia?
Il malware polimorfico è un tipo di software malevolo che modifica continuamente il proprio codice per eludere i sistemi di rilevamento basati su firme. L'intelligenza artificiale può generare una vasta gamma di varianti di malware con funzionalità simili, rendendo obsoleti i metodi tradizionali di rilevamento basati su firme.
Quali sono le tecniche di offuscamento del codice utilizzate dai malware basati su intelligenza artificiale?
I malware basati su intelligenza artificiale utilizzano tecniche avanzate di offuscamento del codice, come l'inserimento di codice inutile, la ristrutturazione dei file malevoli e la crittografia di parti del codice. Queste tecniche rendono più difficile per gli strumenti di sicurezza tradizionali identificare e analizzare il codice malevolo.
Come possono le organizzazioni proteggersi dai malware generati dall'intelligenza artificiale?
Le organizzazioni possono proteggersi dai malware generati dall'intelligenza artificiale adottando strategie di sicurezza avanzate, come l'implementazione di sistemi di rilevamento basati sul comportamento, l'aggiornamento continuo degli strumenti di difesa e la formazione del personale sulla consapevolezza delle minacce informatiche emergenti.
