AWS hướng dẫn xây dựng 'harness' AI lọc lỗ hổng bảo mật theo ba lớp (Phần 1)
Blog bảo mật của AWS mô tả một quy trình ba lớp giúp biến hàng loạt cảnh báo thô từ các công cụ quét lỗ hổng thành một danh sách ngắn, có thứ tự ưu tiên và kèm bằng chứng về khả năng bị khai thác. Ý tưởng là một "test harness": hạ tầng tự động nhận từng phát hiện nghi ngờ, dựng bài kiểm tra xem có khai thác được không, chạy trong môi trường kiểm soát và ghi lại kết quả. Mô hình AI không quét trực tiếp toàn bộ mã nguồn; mã được đưa vào làm ngữ cảnh kèm một prompt cụ thể. Việc giới hạn ngữ cảnh là phần khó nhất, vì quá nhiều sẽ làm mô hình quá tải còn quá ít thì bỏ sót lỗi, nên AWS khuyên bắt đầu hẹp và chỉ mở rộng khi đánh giá ban đầu chưa rõ ràng. Lớp 1 chạy nhiều scanner độc lập và tăng độ tin cậy khi chúng đồng thuận, còn phát hiện chỉ một công cụ báo sẽ bị xem xét kỹ hơn. Lớp 2 đối chiếu đường tấn công do AI mô tả với cây cú pháp trừu tượng (AST, bản đồ có cấu trúc của hàm, tệp và luồng dữ liệu), loại bỏ các phát hiện nhắc đến hàm, tệp hoặc luồng dữ liệu không tồn tại. Lớp 3 đọc mã hạ tầng (CloudFormation, Terraform) cùng mã nguồn để xem các biện pháp như AWS WAF, cô lập mạng hay xác thực đã chặn được tấn công chưa, và đánh giá mức bảo vệ theo việc biện pháp đó có đối phó trực tiếp kỹ thuật tấn công hay không. Với đội bảo mật, logic lọc và tiêu chuẩn bằng chứng này dùng được với bất kỳ scanner hay mô hình nào, giúp kỹ sư tin tưởng và xử lý cảnh báo thay vì chìm trong báo động giả.
Đội ngũ bảo mật và lập trình viên có thể áp dụng cách lọc ba lớp này (đồng thuận nhiều scanner, kiểm tra cấu trúc bằng AST, đối chiếu bối cảnh triển khai) với công cụ sẵn có để giảm cảnh báo giả. Kiến trúc không phụ thuộc vào công cụ hay mô hình cụ thể nên có thể thay thế bằng thành phần của riêng bạn.
Đọc bài gốc