Генетика против кибератак

Генетика против кибератак

Эррин Фалп (Errin Fulp), адъюнкт-профессор Университета Уэйк Форест в области информатики, и Майкл Кроуз (Michael Crouse), выпускник Уэйк Форест, ведут работу по совершенствованию алгоритма, который способен методом эволюционного отбора выбрать более эффективную компьютерную конфигурацию. Своё вдохновение исследователи черпают из генетики. «Многие недостатки системы безопасности являются результатом низкого качества аппаратных или программных настроек в любой форме их проявления», — говорит Фалп.



Исследователи из Университета Уэйк Форест полагают, что их разработка первой в мире системы для автоматического конфигурирования пользовательских компьютеров поможет защититься от кибератак. «Если вы спросите, как это происходит сейчас, то я отвечу: вы просто создаете систему и в дальнейшем оставляете её без изменений, — говорит Фалп. — Меры в результате сбоев работы системы безопасности предпринимаются уже по факту. Нам необходимо что-то проактивное, то, что сможет просчитывать возможные инциденты заранее», сообщает xakep.ru.

Фалп и Кроуз считают, что именно природа должна дать подсказку в решении проблемы плохого конфигурирования систем. Учёные намерены сфокусироваться на изучении того, как природные системы эволюционируют во времени и как у них получается приспосабливаться к изменяющейся ситуации.

Первые результаты эксперимента показали, что увеличение разнообразия среди конфигураций девайсов улучшает общую защищенность сетей, безо всяких дополнительных нагрузок на системных администраторов.

Как объясняет Кроуз, из-за того, что обычно сисадмины применяют одинаковую конфигурацию для сотен, а иногда и тысяч рабочих станций в корпоративной сети, вирус, попадающий на один компьютер, угрожает сразу и всем остальным. «В случае успеха, автоматизация возможного отражения атак может сыграть ключевую роль в защите критически важных данных в больших организациях», — считает учёный.

Как говорит его коллега, обычно кибератаки протекают в две фазы. Первая — разведка, во время которой нападающий исследует ландшафт и идентифицирует возможные уязвимости в системе. Затем появляются вирус, который осуществляет успешную атаку, если в системе ничего не поменялось. Но даже небольшое изменение в корпоративной системе защиты может отпугнуть атакующего.

Нужно отметить, что Фалп и Кроуз работают также над ещё одним проектом в сфере кибербезопасности. Они тренируют армию «цифровых муравьев», которые должны искать вирусы, пытающиеся причинить вред национальной энергосети. По задумке авторов, «цифровые муравьи» должны «мыслить» как их живые прототипы, уметь обнаруживать следы и предотвращать кибератаки.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

34% тестировщиков применяют ИИ для генерации кода, 28% — для тест-кейсов

2ГИС решила разобраться, как себя чувствует русскоязычное QA-сообщество: чем пользуются тестировщики, как устроены процессы и как в работу проникает искусственный интеллект. В исследовании поучаствовали 570 QA-специалистов, почти половина из них работают в крупных компаниях.

57% опрошенных сказали, что подключаются к разработке фич ещё на этапе обсуждения требований — то есть задолго до появления кода.

Лишь 20% приходят в проект только после завершения разработки. А вариант «подключаюсь, когда в продакшене что-то сломалось» — уже почти экзотика.

89% команд используют автотесты — от юнитов до UI. Но вот инструменты вокруг них, вроде поддержки, аналитики и стабильности, применяют далеко не все. Например, код-ревью автотестов делают только 39% опрошенных, а 28% команд вообще не отслеживают никаких метрик и работают «вслепую».

ИИ используют не все, и в основном — для рутинных задач

Хотя ИИ уже прочно вошёл в мир тестирования, чаще всего его применяют для типовых задач:

  • написание тестового кода (34%),
  • генерация тест-кейсов (28%),
  • и тестовых данных (26%).

 

Более продвинутые сценарии вроде анализа тестов, автоматического поиска багов и визуального тестирования пока используются редко. Например, только 5% автоматизируют дефект-дискавери, и лишь 4% пробуют AI для визуальных проверок. А 22% QA-специалистов вообще не используют ИИ в своей работе.

Главные проблемы в тестировании

На первом месте — сжатые сроки. Об этом сказали 71% участников опроса. На втором — слабое вовлечение QA в процессы (40%) и нехватка квалифицированных специалистов (37%).

Как измеряют качество

  • Главная метрика — количество найденных багов (58%).
  • Покрытие автотестами учитывают 43%, покрытие кода — только 23%.
  • Стабильность тестов (например, чтобы они не «флапали») отслеживают всего 15% команд.

Что будет с профессией дальше? Мнения разделились:

  • 37% считают, что всё уйдёт в тотальную автоматизацию;
  • 35% уверены, что ничего особо не поменяется;
  • почти треть верит, что QA станет глубже интегрироваться в специфические направления вроде ИБ и производительности;
  • 27% видят будущее за DevOps и SRE — то есть тесной работой на всех этапах: от разработки до эксплуатации.
AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru