Quando a conta é real e o comportamento é normal, a IA precisa detectar a intenção
Os ataques mais perigosos da atualidade não partem de estranhos. Eles vêm de contas reais, em tópicos conhecidos, pedindo exatamente o tipo de coisa que essas contas normalmente pedem. Uma conta genuinamente comprometida é autenticada sem dificuldades, envia dados a partir de sua infraestrutura usual e comporta-se exatamente como sempre se comportou, porque é a mesma conta. A IA preenche a lacuna restante, permitindo que um atacante imite a maneira de escrever e os relacionamentos com fornecedores de uma pessoa real com tanta precisão que até mesmo o conteúdo deixa de parecer incomum. O que resta, a única coisa que não foi copiada da história, é o objetivo por trás da mensagem.
Os perpetradores de ameaças agora estão usando IA para direcionar, criar e ampliar ataques de maneiras que burlam completamente a correspondência de padrões. Uma única campanha pode atingir 50 vítimas com 50 e-mails diferentes, cada qual redigido de forma diferente, personalizado conforme o destinatário e adaptado à medida que o atacante interage e conquista a confiança da vítima. Não há duas mensagens iguais. Mas o significado subjacente é idêntico: o mesmo pedido, a mesma intenção, repetida 50 vezes sob 50 disfarces diferentes.
É por isso que a detecção precisa funcionar em dois níveis simultaneamente. Primeiro, é preciso entender o significado de uma mensagem, independentemente de sua redação, para que cinquenta e-mails com redações diferentes, mas com o mesmo objetivo, sejam reconhecidos como a mesma ameaça. Em segundo lugar, é preciso entender o contexto em que uma mensagem chega, os relacionamentos, o histórico e a rede de conhecimentos em torno do remetente e do destinatário, porque a mesma solicitação pode ser rotineira ou maliciosa, dependendo inteiramente de quem está perguntando e por quê.
A segurança comportamental, por si só, detecta o que parece diferente de uma base de referência. Ela não consegue detectar uma cadeia de eventos onde cada etapa parece normal e apenas a intenção subjacente é maliciosa. Esta nova era exige discernimento de intenções: não se trata de saber se algo é incomum, mas sim do que se pretende alcançar.
Hoje estamos anunciando a próxima geração do Proofpoint Nexus, criada para responder diretamente a essa pergunta: o modelo de detecção baseado em intenção do Nexus e a proteção de usuário privilegiado. O primeiro estende o raciocínio baseado em intenção a todas as mensagens, em todos os pontos de controle. A segunda direciona a questão aos indivíduos que enfrentam os ataques mais direcionados.
Apresentando a proteção baseada em intenção do Nexus
A proteção baseada em intenção do Nexus vai além do comportamento e analisa a intenção: o objetivo por trás de uma mensagem, se o contexto torna esse objetivo plausível e a técnica utilizada para alcançá-lo. Essa combinação detecta a solicitação fraudulenta que não se encaixa no relacionamento, o atacante cuja técnica o denuncia e o elemento interno cujo acesso é válido, mas cujo objetivo não é.
Ele é executado em linha, antes e depois da entrega, em todos os pontos de controle. Com isso, a Proofpoint torna-se o primeiro fornecedor a oferecer análise de intenção e comportamental em conjunto, tanto no gateway quanto na API, com uma solução de gateway e API que compartilha insights e adapta suas detecções em paralelo, capturando mensagens de aparência comum que, de outra forma, esconderiam seu verdadeiro objetivo à vista de todos.
Análise de intenção em vários níveis, criada para proporcionar a velocidade que cada decisão exige
Os modelos comportamentais levantam uma questão: isto difere do normal? Essa abordagem falha contra ataques que correspondem exatamente ao padrão do remetente e gera falsos positivos com qualquer coisa nova para a qual simplesmente não haja uma base de comparação. O mecanismo de IA adaptável do Nexus avalia a intenção em três níveis de profundidade crescente, cada um projetado para aumentar a capacidade de resolução autônoma, sem depender de intervenção humana:
- Flash (com duração inferior a 500 milissegundos) executa uma verificação rápida de plausibilidade do contexto empresarial, compara com assinaturas conhecidas de infraestruturas e técnicas de atacantes e verifica o perfil de risco do usuário. Casos de alta confiança são resolvidos instantaneamente, em linha.
- Extended Thinking (com duração de até alguns minutos, dentro de uma zona de isolamento) identifica aproximadamente 1% das mensagens que não podem ser confirmadas com certeza em tempo real, mas que são suficientemente suspeitas para justificar uma análise mais aprofundada fora da caixa de entrada. Ele analisa o histórico de relacionamentos e comunicações para avaliar a plausibilidade empresarial, correlaciona com inteligência sobre ameaças para identificar padrões de campanha e considera o contexto comportamental para avaliar o risco interno que uma análise superficial não pode avaliar de forma responsável.
- Deep Thinking (acionado por e-mails relatados ou não entregues, após a entrega) reconstrói toda a interação, inclusive o histórico de comunicações, o alcance da mensagem e as contas relacionadas, para determinar definitivamente a intenção por trás da mensagem.
Os níveis hierárquicos ensinam uns aos outros. Tudo o que um nível mais profundo sinaliza é verificado com base em uma única pergunta: poderia ter sido detectado antes? Nesse caso, os níveis mais rápidos se ajustam de acordo. A execução conjunta de gateway e API torna o aprendizado bidirecional. O gateway avalia a intenção antes da entrega, enquanto a API monitora a caixa de entrada e o tráfego lateral em busca de qualquer coisa que tenha passado e começado a se espalhar. O que surge ali é resolvido na investigação e depois retorna para aprimorar o que é executado antes da entrega, em um ciclo que nenhum fornecedor que ofereça apenas API ou apenas gateway consegue fechar sozinho.
Abertura em vários níveis
Quando os modelos de intenção detectam algo, a investigação não se limita a essa única mensagem. Ela é automaticamente enriquecida em cinco aberturas para responder uma pergunta que nenhuma detecção individual consegue responder: a quem mais isso se aplica?
- Individual. Testado em relação aos relacionamentos e ao histórico próprios de uma determinada pessoa, com o nível de precisão que um ataque altamente direcionado ou personalizado realmente exige.
- Organização. Ponderado em relação aos padrões da empresa específica envolvida: quem conversa com quem e sobre o quê.
- Vertical. Comparado com organizações do mesmo setor, onde regulamentações, fluxos de trabalho e fornecedores compartilhados tornam algumas técnicas muito mais reconhecíveis dentro de um grupo de pares do que globalmente. Uma campanha direcionada a bancos regionais pode parecer insignificante em comparação com o tráfego mundial e se destacar nitidamente quando analisada juntamente com outros bancos regionais.
Outros fornecedores podem contribuir com informações relacionadas a um modelo global. Sem uma comunidade de múltiplos participantes, eles não têm nenhuma abertura vertical, organizacional, grupal ou individual para correlacionar informações e nenhuma maneira de fornecer a um usuário de alto risco a proteção em nível pessoal que sua exposição exige.
Um gráfico de conhecimentos construído com base na mais ampla gama de sinais do setor
Estamos expandindo nosso gráfico de comportamento para o Proofpoint Knowledge Graph, estendendo a criação de perfis do nível de domínio para grupos e usuários individuais e acrescentando modelagem de tópicos e tom que envia novas informações diretamente para o gateway. A solução irá além da segurança de colaboração, abrangendo toda a plataforma e incorporando riscos do usuário, segurança de dados e sinais de segurança de IA para responder a perguntas que nenhum produto de segurança de e-mail consegue responder sozinho: essa pessoa representa realmente um risco interno, e a quais dados ela tem acesso? Uma mensagem aparentemente rotineira transforma-se em uma decisão muito diferente quando o sistema sabe que o destinatário é de alto risco e está próximo dos dados mais importantes, exatamente os usuários dos quais se origina uma parcela desproporcional dos danos reais.
Uma comunidade que identifica as ameaças primeiro e as impede em todos os lugares
Chamamos isso de Hyperloop comunitário: a rede da Proofpoint abrange 3,4 milhões de clientes, processando 2,37 trilhões de mensagens por ano em mais de 13.000 sensores de detecção de intrusões em 105 países. Como a maioria das grandes empresas do mundo envia correspondências aos nossos clientes, observamos comprometimento dentro de organizações que nem sequer são nossos clientes, inclusive seus fornecedores. Nenhum concorrente consegue replicar esse ponto de vista privilegiado. Cada detecção, investigação e denúncia de usuário é avaliada para se determinar se protege a todos, e a resposta chega a toda a rede em minutos, e não em dias, aprimorando a detecção sem que nenhum cliente precise configurar, ajustar ou fazer manutenção em coisa alguma.
O mecanismo de IA adaptável do Nexus está incluído no pacote de segurança de e-mail já contratado pelos clientes da Proofpoint. A implementação começa no primeiro trimestre de 2027, com algumas exceções para clientes com requisitos específicos de residência de dados.
Apresentando a proteção de usuário privilegiado
Alvos de alto valor enfrentam um tipo diferente de ataque: personalizado o suficiente para evitar a detecção e projetado para nunca se repetir, de modo que não haja padrão para um modelo em nível de população aprender. Uma tentativa de impostura direcionada a um diretor financeiro não se parece em nada com o que se vê no tráfego de correspondência mundial. Só parece fazer sentido depois que se analisa essa relação de perto o suficiente para perceber que não pertence ao contexto.
É exatamente para isso que serve a proteção de usuário privilegiado. Disponibilizada como uma nova funcionalidade, ela cria um modelo de ameaças individual para cada usuário de alto risco, com base em seus relacionamentos, fluxos de trabalho e padrões de comunicação reais, em vez de compará-los aos de uma população. Ele detecta ataques personalizados e multimodais que são invisíveis aos sistemas de detecção tradicionais, pois foram criados para serem invisíveis a eles, e vai além da fraude de e-mail para bloquear comunicações indesejadas direcionadas a indivíduos específicos, analisando texto, voz, vídeo e imagem em conjunto.
Apresentando o agente de investigação de ameaças
O agente Proofpoint Satori Investigation Agent pode ser acionado automaticamente quando algo exige uma análise mais detalhada. Ele utiliza dados de telemetria da Proofpoint e de terceiros, incluindo identidade, endpoint, navegador, SIEM, proxy de Web e outras ferramentas conectadas ao MCP para reconstruir o ataque, estabelecer uma cronologia e o raio de impacto, além de recomendar ou executar uma resposta. Os analistas recebem uma investigação pronta em vez de um conjunto de alertas para correlacionar por conta própria. Cada investigação também alimenta um processo de ciclo fechado: o que é aprendido com falsos positivos, falsos negativos ou com o próprio envio do cliente torna-se uma lógica de detecção atualizada, de modo que a mesma falha tenha menos probabilidade de ocorrer novamente.
O Satori age enquanto investiga. A contenção de baixo risco, que inclui a remoção de mensagens de phishing já enviadas pela conta comprometida, a exclusão de mensagens entregues que ainda estejam na caixa de entrada, a eliminação da regra de caixa de correio criada pelo atacante e a inclusão do URL malicioso em uma lista de bloqueio, ocorre automaticamente. Ações de maior risco, como redefinir credenciais e revogar sessões, adicionar a conta a uma lista de observação, atribuir treinamento de acompanhamento e reforçar a inspeção de e-mails enviados, são enfileiradas para aprovação com um único clique, de modo que um humano permaneça a par das decisões que exigem julgamento.
É o mesmo raciocínio baseado em intenção, porém invertido: em vez de perguntar se uma mensagem deve ser entregue, o Satori pergunta o que um atacante que conseguiu passar fez de fato, fechando o ciclo de volta para o modelo de detecção que fica à espera do próximo.
Uma medida diferente de sucesso
Durante anos, a detecção era avaliada com base em falsos positivos e falsos negativos. Essa já não é a métrica correta para um sistema criado para diminuir a diferença entre o que os atacantes podem fazer e o que os defensores realmente conseguem enxergar. As medidas que importam agora são mais fáceis de definir: quanto é resolvido de forma autônoma, com que rapidez uma ameaça descoberta em qualquer lugar se torna proteção em todos os lugares, quanta superfície de ataque real o sistema consegue enxergar em e-mails e navegadores, e se os usuários que constituem uma parcela desproporcional do risco são os que recebem uma parcela desproporcional da proteção.
Detecção comportamental e detecção baseada em intenção não são ideias concorrentes, mas apenas uma delas é capaz de lidar com os ataques que definem o momento atual. A conta é real. O comportamento é normal. A intenção não é. Esse é o ponto em comum entre todas as versões desses ataques, seja uma solicitação fraudulenta de transferência bancária em uma conversa conhecida ou um script que extrai discretamente credenciais de uma sessão de navegador. A Proofpoint está desenvolvendo uma IA que lê intenções em todos os lugares importantes: no gateway, na caixa de entrada e agora, para as pessoas que mais precisam, em nível individual.
Deseja verificar o quanto disso já está passando pelas suas próprias defesas? Obtenha gratuitamente uma avaliação rápida de riscos por e-mail e descubra o que está faltando na sua configuração atual.