AI-Enhanced and Traditional Cyber Attacks : A Comparative Analysis : evolving indicators of compromise and defense strategies
Nevalainen, Maija (2025)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025110627262
https://urn.fi/URN:NBN:fi:amk-2025110627262
Tiivistelmä
The aim of this thesis was to examine the impact of artificial intelligence on modern attack vectors and defense strategies by comparing traditional cyber attacks with AI-enhanced attacks and analyzing the impact of the results on security indicators. The research questions explored what kinds of indicators of compromise have emerged from AI-enhanced attacks, whether AI has improved the effectiveness of cyber attacks, and how current protection methods can be developed to protect against AI-enhanced attacks.
The theoretical part of the thesis covers key topics such as the development of cyber attacks over time, the current cyber threat landscape, the most common types of cyber attacks, indicators of compromise and attack (IoC and IoA), and the background of traditional and AI-enhanced attacks.
The thesis is practical, and its research section consists of practical testing that compares traditional and AI-based attack methods in an isolated virtual environment. The tests were performed on Kali Linux, Metasploitable 2, and Windows 11 virtual machines, and the results were analyzed based on various metrics and qualitative observations.
The research results showed that, when used correctly, AI-based attacks are more effective and advanced than traditional methods. Artificial intelligence has already created and continues to create new, even unprecedented indicators of compromise and attack, making defense more difficult. It is necessary to prepare for and adapt to these constantly evolving indicators more effectively, and protection methods must be developed accordingly. Based on the results, the use of artificial intelligence in defense is also recommended. Opinnäytetyön tavoitteena oli tutkia tekoälyn vaikutusta nykyaikaisiin hyökkäysvektoreihin ja puolustusstrategioihin vertaamalla perinteisiä kyberhyökkäyksiä tekoälyllä tehostettuihin hyökkäyksiin sekä analysoimalla tulosten vaikutusta vaarantumisindikaattoreihin.
Opinnäytetyön teoriaosuudessa käsitellään keskeisiä aiheita, kuten kyberhyökkäysten kehitystä ajan myötä, nykyistä kyberuhkien tilannetta, yleisimpiä kyberhyökkäystyyppejä, vaarantumis- ja hyökkäysindikaattoreita (IoC ja IoA) sekä perinteisten ja tekoälyllä tehostettujen hyökkäysten taustaa.
Opinnäytetyö on toiminnallinen ja sen tutkimusosuus koostuu käytännön testauksesta, jossa vertaillaan perinteisiä ja tekoälypohjaisia hyökkäysmenetelmiä eristetyssä virtuaaliympäristössä. Testit suoritettiin Kali Linux-, Metasploitable 2- ja Windows 11 -virtuaalikoneilla, ja tuloksia analysoitiin eri mittareiden ja laadullisten havaintojen pohjalta.
Tutkimustulokset osoittivat, että oikein hyödynnettynä tekoälypohjaiset hyökkäykset ovat perinteisiä menetelmiä tehokkaampia ja edistyneempiä. Tekoäly on jo luonut ja luo edelleen uudenlaisia, jopa ennenäkemättömiä vaarantumis- ja hyökkäysindikaattoreita, mikä vaikeuttaa puolustautumista. Jatkuvasti kehittyviin indikaattoreihin on varauduttava ja sopeuduttava entistä tehokkaammin, ja suojausmenetelmiä tulee kehittää niiden mukaisesti. Tulosten perusteella tekoälyn hyödyntäminen myös puolustuksessa on suositeltavaa.
The theoretical part of the thesis covers key topics such as the development of cyber attacks over time, the current cyber threat landscape, the most common types of cyber attacks, indicators of compromise and attack (IoC and IoA), and the background of traditional and AI-enhanced attacks.
The thesis is practical, and its research section consists of practical testing that compares traditional and AI-based attack methods in an isolated virtual environment. The tests were performed on Kali Linux, Metasploitable 2, and Windows 11 virtual machines, and the results were analyzed based on various metrics and qualitative observations.
The research results showed that, when used correctly, AI-based attacks are more effective and advanced than traditional methods. Artificial intelligence has already created and continues to create new, even unprecedented indicators of compromise and attack, making defense more difficult. It is necessary to prepare for and adapt to these constantly evolving indicators more effectively, and protection methods must be developed accordingly. Based on the results, the use of artificial intelligence in defense is also recommended.
Opinnäytetyön teoriaosuudessa käsitellään keskeisiä aiheita, kuten kyberhyökkäysten kehitystä ajan myötä, nykyistä kyberuhkien tilannetta, yleisimpiä kyberhyökkäystyyppejä, vaarantumis- ja hyökkäysindikaattoreita (IoC ja IoA) sekä perinteisten ja tekoälyllä tehostettujen hyökkäysten taustaa.
Opinnäytetyö on toiminnallinen ja sen tutkimusosuus koostuu käytännön testauksesta, jossa vertaillaan perinteisiä ja tekoälypohjaisia hyökkäysmenetelmiä eristetyssä virtuaaliympäristössä. Testit suoritettiin Kali Linux-, Metasploitable 2- ja Windows 11 -virtuaalikoneilla, ja tuloksia analysoitiin eri mittareiden ja laadullisten havaintojen pohjalta.
Tutkimustulokset osoittivat, että oikein hyödynnettynä tekoälypohjaiset hyökkäykset ovat perinteisiä menetelmiä tehokkaampia ja edistyneempiä. Tekoäly on jo luonut ja luo edelleen uudenlaisia, jopa ennenäkemättömiä vaarantumis- ja hyökkäysindikaattoreita, mikä vaikeuttaa puolustautumista. Jatkuvasti kehittyviin indikaattoreihin on varauduttava ja sopeuduttava entistä tehokkaammin, ja suojausmenetelmiä tulee kehittää niiden mukaisesti. Tulosten perusteella tekoälyn hyödyntäminen myös puolustuksessa on suositeltavaa.