Redéfinir la cybersécurité à la périphérie du cloud distribué grâce à l’IA et à la télémétrie en temps réel

L’évolution du paysage applicatif fait émerger de nouvelles surfaces d’attaque et de nouveaux risques de sécurité

La transformation numérique et l’adoption des technologies cloud progressent à un rythme soutenu. Avec la transformation numérique, les applications sont devenues le moteur vital des entreprises. À mesure que celles-ci s’adaptent aux grandes tendances qui nous concernent tous et s’engagent dans la modernisation de leurs applications, les architectures applicatives évoluent pour privilégier les API et les microservices, tout en s’appuyant fortement sur l’automatisation et l’orchestration.

Les attaquants tirent parti de l’évolution rapide du paysage applicatif en recourant à de nouvelles méthodes d’attaque pour exploiter les surfaces d’attaque ainsi créées. Contrairement aux menaces de sécurité auxquelles les entreprises étaient auparavant confrontées, ces nouvelles catégories d’attaques sont très organisées et motivées par des intérêts financiers. Les attaquants emploient des tactiques ou poursuivent des objectifs précis afin de cibler des ressources spécifiques. L’illustration ci-dessous classe certaines des menaces avancées les plus courantes selon l’« intention » de leurs auteurs. Les récentes activités liées aux rançongiciels nous sont désormais bien connues, mais plusieurs autres menaces sont également répandues, notamment les opérations menées par le groupe TeamTNT pour compromettre des charges de travail dans des environnements cloud.

La sécurité basée sur l’IA promet une protection rapide

Ces types d’attaques contournent généralement les dispositifs de sécurité éprouvés, tels que les pare-feu, les pare-feu d’applications web, etc. La détection de telles activités nécessite une très grande quantité d’informations contextuelles pouvant être corrélées en quasi-temps réel afin d’identifier l’activité malveillante avancée en cours. En résumé, la détection des menaces avancées devient désormais une problématique de Big Data !

En complément des mesures de sécurité éprouvées pour le Web, les applications, les pare-feu et les techniques de lutte contre la fraude, F5 étudie des méthodes permettant de détecter ces menaces avancées, qui nécessitent l’analyse contextuelle de plusieurs de ces points de données au moyen d’une télémétrie à grande échelle et d’analyses en quasi-temps réel. Des algorithmes d’apprentissage automatique et d’intelligence artificielle sont utilisés pour détecter les activités anormales au sein et autour des applications, ainsi que dans les environnements cloud, afin de traiter les risques en amont. Toutefois, le volume considérable de données se heurte aux attentes croissantes des clients en matière de rapidité des performances. C’est là qu’entrent en jeu la télémétrie en temps réel basée sur le processeur de données (DPU) NVIDIA BlueField-2 et la plateforme de cybersécurité Morpheus, accélérée par les GPU NVIDIA.

La cybersécurité impose des exigences spécifiques au traitement par l’IA et le machine learning :

1. En raison du rythme soutenu du développement agile et du caractère éphémère des charges de travail, l’accent est davantage mis sur les méthodes non supervisées, telles que le regroupement ou la détection d’anomalies, plutôt que sur les méthodes nécessitant une supervision humaine ou un étiquetage.
   
2. Le deuxième aspect important est l’explicabilité. Il faut notamment l’envisager dans le contexte de la confiance des clients envers une solution, sachant qu’un faux positif ou un faux négatif peut entraîner la perte d’un client ou, plus généralement, déclencher un audit ou un contrôle de conformité. Dans la pratique, une solution efficace à 90 % dont le fonctionnement est explicable est souvent plus attrayante pour un client qu’une solution efficace à 95 % mais opaque.
   
3. Le troisième aspect, et le plus important, est l’« effet adversaire », c’est-à-dire le fait qu’il existe des adversaires actifs, intelligents et disposant de moyens financiers importants. Contrairement, par exemple, à la reconnaissance visuelle pour les véhicules autonomes, où l’ensemble des panneaux de signalisation à reconnaître est statique, la sécurité implique des êtres humains — peut-être même assistés par l’IA — qui analysent votre solution de ML et cherchent continuellement à la tromper ou à la contourner.

NVIDIA Morpheus relève les nouveaux défis de la cybersécurité

Avec le lancement de la plateforme de cybersécurité Morpheus, NVIDIA met la puissance de la science des données basée sur l’IA au service du secteur de la cybersécurité. Le pipeline d’IA hautement optimisé et les fonctionnalités d’IA préentraînées de Morpheus permettent aux développeurs d’inspecter instantanément l’ensemble du trafic IP sur toute l’infrastructure réseau du centre de données.

Les DPU NVIDIA BlueField-2 accélèrent la télémétrie en temps réel

Morpheus est une solution idéale pour agréger et analyser en temps réel les données réseau provenant de n’importe quel serveur optimisé par DPU. Parallèlement, les DPU BlueField déchargent, accélèrent et isolent les fonctions d’infrastructure critiques. Morpheus reçoit d’énormes volumes de données de télémétrie réseau provenant des agents exécutés sur le DPU NVIDIA BlueField et peut effectuer des inférences en temps réel sur l’ensemble de ces données. Morpheus peut ensuite générer, à partir des résultats bruts de l’inférence, des actions qui sont renvoyées vers le DPU. Le flux bidirectionnel de données entre Morpheus et les DPU permet un retour d’information continu et en temps réel afin d’agir sur les politiques, de réécrire les règles, d’ajuster la détection, et bien plus encore.

L’inférence accélérée détecte les cybermenaces rapidement et efficacement

Morpheus assure l’inférence en temps réel de grandes quantités de données de télémétrie grâce à l’intégration de GPU dans le processus de traitement. Les GPU traitent les données tout au long des étapes d’ingestion, de prétraitement, d’inférence et de post-traitement, et permettent de paralléliser le transfert d’un volume considérable de données dans le pipeline. En répartissant les données et les opérations en lots gérables et en les traitant simultanément, Morpheus suit le rythme des flux de données provenant de sources hétérogènes, décentralisées ou distribuées, et mobiles.

Morpheus utilise Kafka, un modèle de publication/abonnement, pour envoyer des données au pipeline d’inférence et en récupérer les résultats. Le framework Morpheus repose sur plusieurs composants, notamment RAPIDS pour le traitement des données, Cyber Log Accelerators pour les primitives de cybersécurité open source accélérées par GPU, Triton et TensorRT comme serveurs d’inférence, cuStreamz pour accélérer la lecture et l’écriture dans Kafka, ainsi que MLFlow, une bibliothèque open source permettant de charger des modèles d’IA nouveaux et mis à jour. Ces technologies fonctionnent de concert pour couvrir toutes les étapes du workflow de cybersécurité.

En intégrant le framework Morpheus, F5 propose une plateforme puissante qui renforce la cybersécurité des applications web et des API sur chaque serveur grâce à la télémétrie en temps réel et à des analyses basées sur l’IA pour les applications distribuées dans le cloud et en périphérie.

Rejoignez-nous à la NVIDIA GTC pour en savoir plus sur le portefeuille de cybersécurité Shape de F5, accéléré par le framework NVIDIA Morpheus et les DPU BlueField. Vous pouvez vous inscrire gratuitement ici.