Automatice las operaciones rutinarias con IA generativa

Cuando piensa en sus tareas diarias de seguridad, cumplimiento, identidad y administración, ¿cuánto de ese trabajo sigue un proceso repetible? ¿Cuánto más eficiente podría ser si estos procesos se automatizaran mediante inteligencia artificial generativa (GenAI)?

GenAI es capaz de optimizar significativamente los flujos de trabajo operativos y democratizar el conocimiento en todo el equipo de seguridad, independientemente del nivel de experiencia o conocimiento de una tecnología o vector de amenaza en particular. En lugar de tener que buscar información manualmente por su cuenta, los analistas de SOC pueden aprovechar el procesamiento del lenguaje natural (NLP) integrado en los modelos GenAI para hacer preguntas y obtener respuestas en un formato más natural. La PNL también le brinda a GenAI la flexibilidad de «comprender» lo que pregunta un usuario y adaptarse a su estilo o preferencias.

Sin embargo, es importante reconocer que la GenAI no pretende reemplazar la experiencia humana. Más bien, su objetivo es ayudar a los analistas a responder a las amenazas de manera más eficiente apoyándolos con recomendaciones guiadas y mejores prácticas basadas en los propios datos de seguridad de la organización, la inteligencia sobre amenazas conocidas y los procesos existentes. Así es cómo.

Crear confianza a través de la transparencia

Antes de poder automatizar cualquier flujo de trabajo administrativo, de seguridad, de cumplimiento o de identidad, los equipos deben tener confianza en que toda la información disponible es completa y precisa. El trabajo rutinario de back-end es un candidato ideal para la automatización porque es predecible y fácilmente auditable. En lugar de que los analistas dediquen su tiempo a responder a simples tickets de la mesa de ayuda o escribir informes de incidentes, ¿por qué no utilizar PNL y GenAI para automatizar estas tareas? Esto permite a los analistas dedicar su tiempo a tareas más críticas para el negocio.

Para que esto funcione eficazmente, los modelos GenAI deben ser transparentes. Los analistas deberían poder comprender las fuentes de las que proviene el modelo de IA y validar fácilmente esta información para garantizar que la IA proporcione recomendaciones precisas.

En Microsoft, hemos definido, publicado e implementado principios éticos que guían nuestro trabajo de IA. Y continuamente hemos creado sistemas mejorados de tecnología y gobernanza para poner estos principios en práctica. La transparencia es uno de nuestros principios fundamentales. Marco de IA responsablejunto con la equidad, la confiabilidad y la seguridad, la privacidad y la seguridad, la inclusión y la responsabilidad.

Cómo implementar GenAI en su entorno

Una gama de procesos repetibles de varios pasos en materia de seguridad, cumplimiento, identidad y gestión están listos para la automatización.

Por ejemplo, al investigar incidentes, los analistas a menudo necesitan examinar scripts, argumentos de línea de comando o archivos sospechosos que pueden haberse ejecutado en un terminal. En lugar de investigar manualmente esta información, los analistas pueden simplemente proporcionar el script que observaron y pedirle al modelo de IA que lo desglose en función de una colección de indicaciones compiladas para realizar tareas específicas relacionadas con la seguridad. Cada libro de mensajes requiere una entrada específica, por ejemplo, un fragmento de código o el nombre de un actor de amenazas.

Luego, el script se explica paso a paso y se utiliza el modelo de IA para proporcionar pistas sobre si el script es potencialmente dañino. A partir de ahí, cuando un indicador de red está presente, se correlaciona con la inteligencia sobre amenazas y los resultados relevantes se resumen antes de su inclusión. La IA también puede hacer recomendaciones basadas en las acciones del guión y generar un informe que resuma la sesión para audiencias no técnicas.

Usar la IA de esta manera ofrece dos beneficios clave. En primer lugar, la IA puede educar automáticamente a los usuarios que tal vez no comprendan las complejidades de analizar un script o un archivo mediante un proceso muy transparente y repetible. En segundo lugar, se ahorra tiempo ya que el modelo admite actividades generales de seguimiento como: Por ejemplo, correlacionar indicadores con inteligencia sobre amenazas y redactar un informe resumido.

Otro caso de uso de GenAI es la gestión y el cumplimiento de dispositivos. Políticas de acceso condicional. Si los dispositivos no cumplen con ciertas pautas, se les prohíbe acceder a los recursos de la empresa. Esto puede provocar que las máquinas se bloqueen y que los usuarios presenten tickets internos para resolver el problema. En este escenario, el personal de operaciones de TI o de soporte técnico puede utilizar indicaciones de NLP para ingresar el identificador único del dispositivo y comprender rápidamente el estado de cumplimiento del dispositivo. Luego, la IA puede usar PNL para explicar por qué el dispositivo no cumple y proporcionar instrucciones paso a paso para resolver el problema en la herramienta adecuada. Esto es poderoso porque ahora alguien sin experiencia directa con una herramienta específica puede completar la tarea sin necesidad de escalarla.

En última instancia, GenAI tiene el potencial de revolucionar completamente la forma en que abordamos los procesos de gestión, identidad, cumplimiento y seguridad empresarial. Al ampliar nuestra forma de pensar sobre la aplicación de GenAI en funciones operativas, podemos ahorrar tiempo a los profesionales, equiparlos con nuevas habilidades y garantizar que dediquen su tiempo a lo más importante.

– Leer más Perspectivas de los socios de seguridad de Microsoft