Agentic AI-Based Predictive Security and Resilience Framework for SSL/TLS and Encrypted Traffic Infrastructure in Cloud-Native Environments
Dit artikel introduceert AAPS-TLS, een open-source multi-agent AI-framework dat LLM-gestuurde redenering en reinforcement learning benut om nagenoeg perfect certificaatbeheer, detectie van anomalieën in versleuteld verkeer en geautomatiseerde beleidshandhaving voor SSL/TLS-infrastructuur in cloud-native omgevingen te bereiken, gevalideerd door middel van rigoureuze reproduceerbare simulaties en indicatieve productiepilots.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de onzichtbare architectuur van het moderne internet is bijna elk gesprek tussen een computer en een server vergrendeld in een digitale envelop. Deze encryptie, bekend als SSL of TLS, is de reden dat uw bankrekening privé blijft en uw wachtwoorden veilig zijn voor nieuwsgierige ogen. Het beveiligen van deze digitale sloten is echter een chaotische taak geworden voor de organisaties die ze beheren. De certificaten die fungeren als sleutels voor deze sloten hebben vervaldatums, en wanneer ze verlopen, kunnen diensten crashen. Bovendien, omdat het verkeer vergrendeld is, kunnen beveiligingsteams niet gemakkelijk naar binnen kijken om te zien of een hacker een virus verbergt binnen de versleutelde stroom. Traditionele hulpmiddelen zijn traag en reactief; ze wachten vaak tot een certificaat verloopt voordat ze het oplossen, of ze merken een dreiging niet op omdat ze niet door de encryptie heen kunnen kijken. Terwijl bedrijven hun activiteiten verplaatsen naar flexibele, cloudgebaseerde systemen die constant veranderen, zijn de oude manieren van het beheren van deze sloten niet langer snel of slim genoeg om ketenbreuken te voorkomen.
Een team van onderzoekers heeft een nieuwe manier voorgesteld om dit probleem aan te pakken met behulp van een systeem van kunstmatige intelligentie-agenten die samenwerken als een gespecialiseerd beveiligingsteam. Ze noemen hun creatie AAPS-TLS. In plaats van te vertrouwen op één enkel programma dat waakt voor problemen, gebruikt dit framework vijf verschillende digitale agenten, elk met een specifieke taak, gecoördineerd door een centraal veiligheidssysteem. Eén agent voorspelt wanneer een digitaal certificaat op het punt staat te falen, door naar het complexe web van verbindingen tussen verschillende computerdiensten te kijken om te zien hoe een enkele fout zich zou kunnen verspreiden. Een andere agent houdt de stroom van versleutelde gegevens in de gaten zonder het slot te breken, waarbij gezocht wordt naar vreemde patronen in de timing en grootte van de datapakketjes die suggereren dat een hacker zich binnenin verbergt. Een derde agent zorgt ervoor dat de specifieke codes die worden gebruikt om de gegevens te vergrendelen, up-to-date en veilig zijn, terwijl een vierde agent automatisch problemen oplost wanneer ze worden gevonden. De vijfde agent houdt een gedetailleerde registratie van alles bij om te garanderen dat het systeem strikte wettelijke en veiligheidsregels volgt.
Het meest kritieke onderdeel van dit systeem is een set "guardrails" (vangrails) die de kunstmatige intelligentie aansturen. Omdat het riskant is om een computer automatische wijzigingen in beveiligingssystemen te laten aanbrengen, hebben de onderzoekers een laag van regels gebouwd die fungeert als een strikte supervisor. Deze supervisor controleert elke beslissing die de agenten nemen voordat deze wordt uitgevoerd. Het zorgt ervoor dat de agenten geen acties ondernemen die de veiligheidswetten zouden schenden of een systeem onverwacht zouden laten afsluiten. Als een agent een risicovolle zet voorstelt, stopt het guardrail-systeem dit en vraagt het toestemming aan een mens. Dit ontwerp maakt het systeem snel en autonoom, terwijl het toch veilig en begrijpelijk blijft voor menselijke operators.
Om te testen of dit idee werkt, hebben de onderzoekers twee verschillende soorten experimenten uitgevoerd. Eerst creëerden ze een zeer gedetailleerde computersimulatie die een massaal cloudnetwerk nabootste met duizenden services en miljoenen datastromen. Ze draaiden deze simulatie dertig keer met verschillende willekeurige startpunten om ervoor te zorgen dat de resultaten consistent waren. In deze gecontroleerde tests was het systeem opmerkelijk accuraat. Het voorspelde het falen van certificaten met bijna perfecte precisie en ving bijna elk probleem op voordat het een probleem veroorzaakte. Het detecteerde ook kwaadaardig verkeer dat verborgen zat in versleutelde stromen met een succespercentage van meer dan 99 procent. Het systeem was ook in staat om problemen automatisch op te lossen terwijl het binnen alle vereiste veiligheidsregels bleef.
De onderzoekers voerden ook een kleinere, real-world test uit in een live zakelijke omgeving gedurende zes maanden, waarbij meer dan duizend computerdiensten en meer dan duizend certificaten over drie grote cloudproviders betrokken waren. Hoewel deze test niet vaak genoeg werd herhaald om op dezelfde manier statistisch bewezen te zijn als de simulatie, waren de resultaten opvallend. In deze live setting verminderde het systeem de tijd dat computers uit de lucht waren door certificaatproblemen met meer dan 91 procent. Het versnelde ook de detectie van verborgen dreigingen met bijna 74 procent. Het systeem handhaafde een compliance-percentage van meer dan 99 procent, wat betekent dat het de noodzakelijke beveiligingsregels bijna perfect volgde.
De studie benadrukt dat de oude manier van het beheren van digitale beveiliging — wachten tot er een probleem optreedt en er dan op reageren — niet langer voldoende is voor moderne, snel bewegende cloudnetwerken. Door een team van gespecialiseerde agenten te gebruiken die problemen kunnen voorspellen, verborgen dreigingen kunnen opsporen zonder de encryptie te verbreken en problemen automatisch kunnen oplossen, kunnen organisaties hun digitale infrastructuur soepel laten draaien. De inclusie van de veiligheids-guardrails zorgt ervoor dat deze krachtige automatisering niet ontspoort, waardoor het systeem betrouwbaar en controleerbaar blijft. De onderzoekers hebben de code voor hun simulatie publiekelijk beschikbaar gesteld, zodat anderen de bevindingen kunnen verifiëren en kunnen voortbouwen op deze nieuwe aanpak voor het beveiligen van de meest kritieke verbindingen van het internet.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.