Однако, несмотря на все трудности, в 2024 году сообществом была проделана большая работа, результаты которой значительно усложнят атаки на операционные системы. Так, благодаря добавленной рандомизации и улучшенной изоляции объектов, эксплуатация уязвимостей, связанных с повреждением памяти в ядре Linux, стала еще более сложной. Работы начались с ядра XNU, которое использует в своих ОС компания Apple. Затем средства защиты начали появляться и в основной версии ядра Linux.
Еще один тренд, который усилится в 2025 году, — увеличение доли системного ПО, написанного на языках со встроенными средствами безопасной работы с памятью. В отличие от привычных низкоуровневых языков, вроде C и C++, код на новых языках менее подвержен ошибкам повреждения памяти, которые приводят к уязвимостям ОС. Одним из таких языков является Rust, который сейчас внедряют в ядро Linux.
Развитие и внедрение искусственного интеллекта также вошло в перечень трендов 2024–2025 годов. В направлении «до атаки» сложилась тенденция к упрощению анализа инфраструктуры организации за счет ИИ, а в области решений типа «во время атаки» технология играет роль второго пилота, существенно ускоряя типовые операции. Примером использования ML-моделей в инструментах для защиты является медиапродукт MaxPatrol O2 от Positive Technologies. Он выявляет нетипичность общей активности процессов и их запусков, а также сетевой активности. Информация о выявленной аномалии указывает оператору на подозрительные процессы, с которых ему стоит начать анализ.
В целом к числу главных технологий ИИ, которые будут востребованы на рынке ИБ в ближайшие два-три года, эксперты относят:
- AI TRiSM (trust, risk, and security management) — инструменты для моделирования, проактивной защиты данных, обеспечения безопасности, мониторинга моделей и контроля рисков;
- мультиагентные системы, в которых несколько программных агентов взаимодействуют друг с другом для решения поставленных задач: агенты могут имитировать поведение злоумышленников и специалистов по защите, что позволяет системе обучаться на симулированных сценариях и улучшать свои защитные механизмы;
- автономные системы, которые дают команды системе безопасности на естественном языке, быстро анализируют текстовые данные (отчеты об угрозах, журналы, сообщения) для выявления потенциальных угроз, используя большие языковые модели (LLM).