কি AI সাইবার সিকিউরিটি বিশ্লেষকদের প্রতিস্থাপন করবে?

সংক্ষিপ্ত উত্তর: না, কিন্তু পাঁচ বছরে আপনাকে যে চাকরির জন্য নিয়োগ দেওয়া হবে তা আজ পোস্ট করা চাকরির মতো দেখাবে না। AI ইতিমধ্যে জুনিয়র SOC বিশ্লেষকরা তাদের শিফটে যা সময় ব্যয় করে তার একটা অংশ করছে, এবং এটি অস্বীকার করা কেউর ক্যারিয়ার পরিকল্পনা করতে সাহায্য করে না।

SOC-এ AI ইতিমধ্যে কী করছে

Microsoft Security Copilot, CrowdStrike Charlotte AI, এবং বিভিন্ন SIEM-ইন্টিগ্রেটেড LLM অ্যাসিস্ট্যান্টের মতো টুলগুলি alert triage সামলাচ্ছে, প্রাথমিক incident সারসংক্ষেপ লিখছে, এবং লগ ডেটা একাধিক উৎস জুড়ে সম্পর্কযুক্ত করছে একজন মানুষ Splunk queries হাতে স্ক্যান করার চেয়ে দ্রুত। আপনি যদি Tier 1 সিটে কাজ করেছেন, তাহলে আপনি জানেন যে দিনের বেশিরভাগ সময়ই প্রায়ই পুনরাবৃত্তিমূলক: একটি নতুন দেশ থেকে এই লগইন একটি বাস্তব হুমকি বা VPN misconfiguration, এই PowerShell execution স্বাভাবিক অ্যাডমিন কার্যকলাপ বা lateral movement chain-এর শুরু। এই triage কাজ, পরিচিত খারাপ এবং পরিচিত ভালোর বিপরীতে প্যাটার্ন ম্যাচিং, ঠিক সেটাই যা মেশিন লার্নিং মডেলগুলি ভালো করে।

EDR প্ল্যাটফর্মগুলি "AI" মার্কেটিং শব্দ হওয়ার আগে বছরের পর বছর ML-ভিত্তিক anomaly detection ব্যবহার করছে। সম্প্রতি যা পরিবর্তিত হয়েছে তা হল generative AI যোগ করা, তাই শুধুমাত্র একটি anomaly ফ্ল্যাগ করার পরিবর্তে, টুলটি কী ঘটেছে তার একটি পাঠযোগ্য ব্যাখ্যা তৈরি করতে পারে এবং পরবর্তী পদক্ষেপ পরামর্শ দিতে পারে। এটি একটি প্রসারিত দলের জন্য একটি বাস্তব উৎপাদনশীলতা লাভ।

AI এখনও নির্ভরযোগ্যভাবে কী করতে পারে না

মডেলগুলি hallucinate করে, এবং একটি SOC প্রেক্ষাপটে একটি hallucinated root cause একজন বিশ্লেষককে একটি সক্রিয় incident-এর সময় ভুল লিডের পিছনে পাঠায়। AI-তেও সাংগঠনিক প্রসঙ্গের অভাব আছে: এটি জানে না যে ফিন্যান্স টিমের প্রতি শুক্রবার অদ্ভুত outbound traffic একটি legacy backup job, exfiltration নয়, যদি না কেউ সেই প্রসঙ্গে প্রশিক্ষণ দেয়, এবং এমনকি তখনও edge case-গুলি এটি ভেঙে ফেলে।

Adversarial pressure বেশিরভাগ vendor demo যা স্বীকার করে তার চেয়ে বড় সমস্যা। আক্রমণকারীরা ইতিমধ্যে AI-সহায়তাপ্রাপ্ত প্রতিরক্ষা টুলের বিরুদ্ধে prompt injection পরীক্ষা করছে এবং ML classifiers থেকে পালাবার জন্য বিশেষভাবে তৈরি payload তৈরি করছে যা গত বছরের malware sample-এর উপর প্রশিক্ষিত। একটি মডেল শুধুমাত্র যে ডেটা দেখেছে তার মতোই ভালো, এবং threat actor-রা এটা জানে এবং অনেক shop-এর retraining cycle-এর চেয়ে দ্রুত খাপ খায়।

অবশেষে, incident response আইনি এবং ব্যবসায়িক পরিণতি সহ বিচার কল জড়িত: আমরা কি peak business hours-এর সময় এই সার্ভারটি অফলাইন নিই, আমরা কি গ্রাহকদের অবহিত করি, আমরা কি ransom দিই। সেগুলি classification সমস্যা নয়। তাদের জন্য দায়বদ্ধ কেউ প্রয়োজন, এবং কোম্পানিগুলি একটি মডেলকে unsupervised সেই কল করতে দেবে না।

ভূমিকা অদৃশ্য হচ্ছে না, পরিবর্তিত হচ্ছে

নেটওয়ার্ক ইঞ্জিনিয়ারিংয়ে automation এবং infrastructure-as-code পরিপক্ক হওয়ার সময় যা ঘটেছিল তার সাথে এটি তুলনা করুন। আধুনিক shop-এ কেউ আর individual switch-এ VLAN ম্যানুয়ালি কনফিগার করছে না, কিন্তু নেটওয়ার্ক ইঞ্জিনিয়ারগুলি অদৃশ্য হয়নি, তারা architecture এবং policy দিকে স্ট্যাক-এ উপরে সরে গেছে। সিকিউরিটি বিশ্লেষকরা একই দিকে যাচ্ছে। entry-level triage grind automating হচ্ছে, যার মানে entry-level চাকরি নিজেই এর বর্তমান আকারে খুঁজে পাওয়া কঠিন হচ্ছে। যা বাড়ছে তা হল এমন মানুষের চাহিদা যারা detection rule-গুলি টিউন করতে পারে, AI-উৎপন্ন findings বৈধতা দিতে পারে, custom Sigma rule-গুলি লেখার জন্য automated tool-গুলি মিস করে এমন ফাঁকগুলির জন্য, এবং ambiguous case-গুলি পরিচালনা করতে পারে যেগুলির জন্য intent এবং business impact সম্পর্কে প্রকৃত reasoning প্রয়োজন।

Threat hunting একটি শৃঙ্খলার একটি ভাল উদাহরণ যা কম নয়, automation উন্নত হওয়ার সাথে সাথে আরও মূল্যবান হয়। Threat hunter-রা খোঁজে যা automated system-গুলি ফ্ল্যাগ করেনি: persistence mechanism যা কয়েক মাস ধরে শান্ত থাকে, insider threat যা কাগজে সাধারণ access-এর মতো দেখায়। এটি অন্তর্নিহিতভাবে একটি মানব-অনুমান-চালিত কার্যকলাপ।

এটি সম্পর্কে আসলে কী করতে হবে

আপনি যদি ক্ষেত্রে প্রবেশ করছেন বা ইতিমধ্যে এতে থাকেন, তবে ভয়ে AI টুলগুলি এড়ান না যে তারা আপনাকে প্রতিস্থাপন করবে। তাদের ব্যবহার করতে শিখুন এবং তাদের ব্যর্থতার পদ্ধতি শিখুন। একটি SIEM (Splunk, Microsoft Sentinel, বা Elastic) দিয়ে hands-on হন এবং এটি নিজেই ব্যবহার করার আগে detection logic লেখার অনুশীলন করুন একটি AI সহায়ক দ্বারা উৎপন্ন করতে, যাতে আপনি যখন এটি ভুল তখন দেখতে পারেন। Python-এ scripting দক্ষতা তৈরি করুন log parsing এবং automation-এর জন্য, কারণ যারা উপরে উঠছে তারা বিশ্লেষক যারা তাদের নিজস্ব পুনরাবৃত্তিমূলক কাজ automating করছে বরং vendor-এর জন্য অপেক্ষা করার চেয়ে।

মডেলগুলি নিজেই কীভাবে ব্যর্থ হয় তা বোঝা গুরুত্বপূর্ণও। adversarial machine learning এবং security tool-গুলির বিরুদ্ধে prompt injection সম্পর্কে পড়ুন; সেই জ্ঞান blue teamer-দের কাছে phishing kit-গুলি কীভাবে কাজ করে তা জানার মতো প্রাসঙ্গিক হয়ে উঠছে। বিশ্লেষকরা যারা মূল্যবান থাকে তারা হল যারা AI-কে একটি force multiplier হিসাবে বিবেচনা করে যা তারা নিয়ন্ত্রণ করে, একটি black box নয় যা তারা অন্ধভাবে বিশ্বাস করে।

Korra Studio-তে hands-on lab রয়েছে SIEM fundamentals, detection engineering, এবং threat hunting-কে কভার করে যদি আপনি automation layer-এর উপরে যে দক্ষতাগুলি বসে থাকে সেগুলি তৈরি করতে চান বরং এটির সাথে প্রতিযোগিতা করুন।