Phishing stał się jednym z najpowszechniejszych zagrożeń w cyberprzestrzeni, dotykając 94% organizacji. W odpowiedzi na to wyzwanie, firma Check Point Software opracowała innowacyjne rozwiązanie wykorzystujące sztuczną inteligencję - DeepBrand Clustering.

Ta przełomowa technologia ma na celu skuteczniejsze zapobieganie atakom podszywającym się pod znane marki.

Skala problemu phishingu

Phishing pozostaje głównym narzędziem cyberprzestępców ze względu na:

• Niski koszt realizacji
• Wysoką skuteczność
• Wykorzystanie psychologii ludzkiej jako najsłabszego ogniwa bezpieczeństwa

Eksperci Check Point Software podkreślają, że taktyki phishingowe ewoluowały, obejmując obecnie takie warianty jak:

• Spear-phishing
• Whaling
• Smishing

Technologia Brand Spoofing Prevention

W zeszłym roku Check Point wprowadził technologię “Brand Spoofing Prevention”, będącą częścią ThreatCloud AI. Jej główne cechy to:

• Zapobieganie globalnym i lokalnym atakom podszywającym się pod marki

• Wykorzystanie zaawansowanych technologii, w tym AI, heurystyki, NLP i przetwarzania obrazów

• Dopasowywanie URL-i i stron internetowych do ustalonych marek

DeepBrand Clustering stanowi kolejny etap ewolucji tej technologii, mający na celu sprostanie rosnącej liczbie fałszywych stron internetowych.

Innowacyjne podejście DeepBrand Clustering

DeepBrand Clustering to opatentowany silnik AI, który działa w dwóch fazach:

1. Faza nauki:

• Konstruowanie sieci neuronowej na podstawie atrybutów stron internetowych

• Automatyczne przypisywanie cech stron do marek bez nadzoru człowieka

• Integracja głębokich sieci neuronowych z tradycyjnymi modelami uczenia maszynowego

2. Faza oskarżenia:

• Analiza badanej strony pod kątem przynależności do ustalonych klastrów

• Ocena potencjalnego złośliwego podszywania się pod markę

Specjaliści AI w Check Poincie wykorzystali uczenie bez nadzoru, co znacząco zmniejszyło zależność od interwencji człowieka i zminimalizowało błędy w identyfikacji elementów marki.

Proces i technologia

Aby trenować model, Check Point zdefiniował wieloetapowy pipeline:

• Wyodrębnianie wskaźników marki: Automatyczne przypisywanie nazw marek do klastrów.

• Zbieranie wskaźników wizualnych i tekstowych: Transformacja danych przy użyciu głębokich sieci neuronowych.

• Normalizacja danych: Tworzenie modeli gotowych do inferencji.

Ciekawe rezultaty

W krótkim czasie od uruchomienia, DeepBrand Clustering osiągnął poniższe wyniki:

• Zindeksowanie ponad 4000 odrębnych marek w ciągu kilku godzin

• Obserwacja 75% zindeksowanych marek (3700) w ruchu Check Pointa w ciągu 30 dni

• Wykrycie ponad 4000 złośliwych ataków wykorzystujących ponad 200 marek

• Identyfikacja 975 przypadków dotyczących 101 lokalnych marek

Wydaje się zatem, że DeepBrand Clustering to krok naprzód w technologii ochrony marki, który oferuje całkiem skuteczne narzędzie w walce z coraz bardziej wyrafinowanymi atakami phishingowymi.