L’intelligence artificielle est une arme à double tranchant en matière de cybersécurité. Cela offre aux défenseurs de nouveaux moyens d’analyser de grandes quantités de données télémétriques, d’identifier les comportements anormaux et d’automatiser le travail de routine. Mais cela donne également aux attaquants la possibilité de découvrir les vulnérabilités plus rapidement, de créer des campagnes d’ingénierie sociale plus convaincantes et d’exécuter des intrusions en plusieurs étapes à une échelle qui aurait nécessité de grandes équipes dotées de ressources suffisantes il y a seulement quelques années.
Ce changement est au cœur de « l’IA de pointe », un terme qui prend de plus en plus d’importance pour les responsables de la sécurité. Frontier AI fait référence aux modèles d'IA polyvalents les plus performants : des systèmes capables de raisonner des problèmes complexes, d'analyser le code et les données, de planifier des tâches en plusieurs étapes et, de plus en plus, d'invoquer des outils pour agir. L'IA agentique constitue une évolution particulièrement conséquente car elle peut planifier, décider et agir au nom d'un utilisateur plutôt que de simplement générer une réponse ou résumer des informations.
Pour les équipes de cybersécurité, la préoccupation n’est pas que chaque modèle frontière soit intrinsèquement malveillant. Le problème est que ces modèles peuvent réduire le coût, le seuil de compétence et le temps nécessaire aux adversaires pour mener des opérations sophistiquées. Les attaquants peuvent utiliser l'IA pour automatiser la reconnaissance, identifier les actifs exposés, analyser les logiciels à la recherche de failles, adapter les leurres de phishing, écrire ou affiner le code d'exploitation et coordonner l'activité sur de nombreuses cibles simultanément. Les tâches qui se déroulaient autrefois en série et nécessitaient souvent des spécialistes distincts peuvent désormais être compressées dans un flux de travail plus rapide et plus évolutif.
Cette compression modifie l’économie de la défense. Une organisation qui laisse une vulnérabilité non corrigée pendant des jours ou des semaines comporte toujours des risques. Toutefois, dans un environnement d’IA frontalier, l’intervalle entre la divulgation des vulnérabilités et le développement d’exploits avec un ciblage généralisé peut être beaucoup plus court. Le défi de la sécurité ne consiste plus seulement à détecter les faiblesses et à répondre aux alertes. Il s'agit d'anticiper comment une faiblesse, une mauvaise configuration, un échec du contrôle d'identité et un environnement applicatif mal segmenté peuvent être combinés en une voie d'attaque viable.
Le problème de vitesse croissant de la sécurité
De nombreuses architectures de sécurité d’entreprise ont été conçues pour une époque où les attaques progressaient relativement lentement. Les équipes de sécurité collectent des alertes à partir des outils de point final, d’identité, de réseau, de cloud et d’application. Les analystes étudient ces alertes, déterminent la priorité, se coordonnent avec les équipes d'infrastructure et éventuellement ajustent la politique ou corrigent le problème. Ce processus peut bien fonctionner lorsque les menaces sont isolées, prévisibles et évoluent lentement. Il est beaucoup moins efficace contre les attaques adaptatives qui changent de tactique en fonction de l’environnement rencontré.
Frontier AI amplifie plusieurs défis de sécurité :
- Découverte de vulnérabilités à la vitesse de la machine : Les attaquants assistés par l’IA peuvent évaluer un grand nombre d’actifs et de composants logiciels accessibles sur Internet plus rapidement que les équipes dirigées par des humains. En conséquence, la dette technique et les expositions oubliées deviennent plus dangereuses.
- Chaînes d'attaque adaptatives à plusieurs étapes : Une intrusion réussie est rarement un événement isolé. Les attaquants peuvent commencer par un e-mail de phishing, un identifiant d'identité volé ou un service exposé, puis se déplacer latéralement, élever leurs privilèges et rechercher des données sensibles. L’IA peut aider à adapter chaque étape aux résultats en temps réel.
- Fragmentation des outils de sécurité : Les entreprises disposent souvent de piles de sécurité étendues, mais leurs données et points d’application sont dispersés. Un outil de sécurité cloud peut voir un signal, un produit final un autre et l'équipe réseau un troisième. La visibilité fragmentée rend difficile la compréhension du cheminement complet de l’attaque.
- Surcharge d’alertes et réponse retardée : Les centres d’opérations de sécurité sont déjà submergés par la télémétrie. Un adversaire doté de l’IA peut agir plus rapidement qu’il ne le faudrait pour enquêter sur une seule alerte hautement prioritaire, ce qui rend les flux de travail traditionnels de détection, d’enquête et de résolution de plus en plus inadéquats.
- Exposition à l’identité et à l’accès : À mesure que de plus en plus d’applications, d’API, de services SaaS et d’agents IA se connectent aux ressources de l’entreprise, l’identité devient une surface d’attaque encore plus centrale. Des autorisations excessives, des informations d’identification compromises et un accès mal géré des agents peuvent transformer une modeste implantation en une violation plus large.
Le point clé est que l’IA de pointe n’élimine pas le besoin de principes fondamentaux de sécurité. Cela augmente le coût d’une erreur sur ces fondamentaux. Le Centre national de cybersécurité du Royaume-Uni note que l’IA de pointe permet de découvrir et d’exploiter les faiblesses plus facilement, plus rapidement et à moindre coût, tout en soulignant que des bases solides en matière de cybersécurité restent le fondement le plus efficace de la résilience.
Les arguments de Cato en faveur de la prévention agentique
Cato Réseaux Ltée. résout ce problème avec Cato Agentic Threat Prevention, une nouvelle fonctionnalité intégrée à sa plate-forme périphérique de services d'accès sécurisé cloud native. La thèse de l’entreprise est similaire à la mienne. Si les attaquants peuvent utiliser l’IA pour se déplacer à la vitesse d’une machine, les entreprises ont besoin de systèmes d’IA défensifs capables de faire plus que détecter les menaces une fois qu’elles commencent à se propager. Il s'agit de combattre le feu par le feu.
Cato Agentic Threat Prevention utilise des agents autonomes pour prédire les chemins d'attaque probables dans un environnement client spécifique et générer des protections pour arrêter les attaques avant qu'elles ne s'intensifient. Il combine la télémétrie des réseaux et de la sécurité avec l'activité des clients et les renseignements sur les menaces pour modéliser les risques pour les utilisateurs, les applications, les modèles de trafic, les actifs et les expositions.
Il s’agit d’une distinction importante par rapport aux produits conventionnels de gestion de l’exposition ou d’analyse des chemins d’attaque. Ces outils peuvent identifier les vulnérabilités, hiérarchiser les risques ou montrer les chemins potentiels à travers un environnement. Cato étend le concept de l'analyse à l'action. Il vise à déterminer comment un attaquant pourrait enchaîner les techniques, exploiter les lacunes de contrôle ou échapper aux défenses existantes, puis appliquer des contrôles préventifs adaptés à cet environnement.
L’entreprise bénéficie de l’exploitation d’un réseau convergé et d’un cloud de sécurité. Étant donné que la plate-forme de Cato unifie la mise en réseau, la sécurité et l'accès, elle offre une visibilité accrue sur le contexte nécessaire pour effectuer une prédiction utile. Plus important encore, Cato affirme que les protections peuvent être appliquées à l'échelle mondiale via ses points de présence, évitant ainsi les chaînes de services et les lacunes d'application qui peuvent ralentir les temps de réponse dans un ensemble d'outils déconnectés.
Cato associe cette capacité de prévention à sa technologie Agentic CVE Mitigation, qui, selon elle, peut évaluer et appliquer de manière autonome une protection contre les vulnérabilités nouvellement révélées en seulement 45 minutes. Les deux fonctionnalités répondent à des problèmes différents mais étroitement liés : l'atténuation des vulnérabilités et des expositions courantes réduit la fenêtre d'exposition après la divulgation d'une nouvelle vulnérabilité, tandis que la prévention agentique des menaces se concentre sur la prédiction de la manière dont un adversaire peut exploiter un ensemble plus large de faiblesses.
La stratégie reflète un changement plus large dans les opérations de sécurité. La détection et la réponse resteront nécessaires, mais elles ne peuvent pas constituer la seule ligne de défense contre les attaques assistées par l’IA. Les équipes de sécurité doivent de plus en plus recourir à l'automatisation contextuelle pour réduire l'exposition et perturber le cheminement probable d'une attaque avant que l'adversaire n'atteigne les systèmes critiques.
Recommandations pour les responsables de la sécurité
Les professionnels de la sécurité doivent considérer la défense agentique comme une amélioration et non comme un substitut à la discipline de cybersécurité. Cinq actions devraient être prioritaires :
- Unifiez la visibilité sur les domaines de sécurité et de réseau. La prédiction du chemin d’attaque est aussi bonne que le contexte sur lequel elle est basée. Les organisations doivent réduire les angles morts au niveau de l’identité, des points finaux, des charges de travail cloud, des applications, des succursales et des utilisateurs distants.
- Concentrez-vous sur les chemins d'attaque, et non sur le nombre de vulnérabilités. Une longue liste de CVE n’est pas une stratégie de risque. Hiérarchisez les expositions en fonction de l'accessibilité, des privilèges, de la criticité des actifs, des contrôles compensatoires et de la capacité probable d'un attaquant à enchaîner les faiblesses.
- Automatisez les actions de prévention à faible regret. Établissez des garde-fous pour les mises à jour automatisées des politiques, l’isolation, les restrictions d’accès et les correctifs virtuels. Commencez par des contrôles réversibles, bien testés et clairement détenus, puis développez l'automatisation à mesure que la confiance augmente.
- Traitez l’identité comme faisant partie du chemin d’attaque. Appliquez le moindre privilège, l’authentification multifacteur et l’évaluation continue des accès. Inventoriez les autorisations accordées aux agents IA, aux outils d’automatisation et aux comptes de service avec la même rigueur appliquée aux identités humaines.
- Mesurer et suivre le temps de protection. Le temps moyen de détection reste utile mais insuffisant. Les responsables de la sécurité de l’information doivent suivre le temps nécessaire entre une nouvelle exposition ou des renseignements crédibles sur les menaces et une prévention efficace dans l’ensemble de l’entreprise.
Réflexions finales
Frontier AI rend les cyberattaques plus rapides, plus adaptatives et plus accessibles. La réponse ne peut pas consister à ajouter un autre tableau de bord ou à générer davantage d’alertes. Le secteur de la sécurité a besoin de systèmes capables de comprendre le contexte, de prédire la progression des attaques et de mettre en œuvre des défenses avant qu'une attaque ne se transforme en violation.
La solution Agentic Threat Prevention de Cato illustre ce modèle émergent. Que les entreprises utilisent Cato ou une autre plateforme, la leçon stratégique est qu’à l’ère des attaques assistées par l’IA, la prédiction doit être un élément essentiel de la prévention.
Zeus Kerravala est analyste principal chez ZK Research, une division de Kerravala Consulting. Il a écrit cet article pour SiliconANGLE.
