Kas yra dirbtinis intelektas kibernetinės saugos srityje?
Dirbtinis intelektas kibernetinės saugos srityje apibrėžtas
Dirbtinis intelektas kibernetinės saugos srityje naudoja dirbtinį intelektą, kad galėtų analizuoti ir susieti įvykių ir kibernetinių grėsmių duomenis keliuose šaltiniuose, paversdamas jį aiškiomis ir veiksmingomis įžvalgomis, kurias saugos specialistai naudoja tolesniam tyrimui, atsakymui ir ataskaitoms teikti. Jei kibernetinė ataka atitinka tam tikrus saugos komandos apibrėžtus kriterijus, dirbtinis intelektas gali automatizuoti atsakymą ir izoliuoti paveiktus išteklius. Generuojamasis dirbtinis intelektas žengia dar vieną žingsnį toliau, sukurdamas originalų natūralios kalbos tekstą, vaizdus ir kitą turinį, pagrįstą esamų duomenų šablonais.
Dirbtinio intelekto kibernetinės saugos srityje evoliucija
Saugos bendruomenės naudoja dirbtinį intelektą kibernetinei saugai nuo 1980 m. pabaigos su šiais pagrindiniais technologijų pasiekimais:
- Iš pradžių saugos komandos naudojo taisyklėmis pagrįstas sistemas, kurios suaktyvindavo įspėjimus pagal apibrėžtus parametrus.
- Nuo 2000 m. pradžios, mašininio mokymosi pažanga, dirbtinio intelekto pogrupis, kuris analizuoja ir mokosi iš didelių duomenų rinkinių, leido operacijų komandoms suprasti įprastus srauto modelius ir vartotojo veiksmus visoje organizacijoje, kad nustatytų ir reaguotų, kai įvyksta kas nors neįprasta.
- Naujausias dirbtinio intelekto patobulinimas yra generuojamasis dirbtinis intelektas, kuris sukuria naują turinį pagal esamų duomenų struktūrą. Žmonės sąveikauja su šiomis sistemomis naudodami natūralią kalbą, o saugos specialistai gali giliau atsakyti į labai konkrečius klausimus nenaudodami užklausų kalbos.
Tačiau tai ne tik saugos komandos, naudojančios dirbtinį intelektą. Kibernetiniai įsilaužėliai, nesvarbu, ar tai būtų šalies veikėjai, didelės nusikaltėlių įmonės, ar individualūs asmenys, taip pat gali pasinaudoti dirbtinio intelekto pranašumais. Blogi veikėjai užkrečia dirbtinio intelekto sistemas, naudoja dirbtinį intelektą apsimesti tikrais žmonėms, automatizuoja savo kibernetines atakas ir dislokuoti dirbtinį intelektą, kad padėtų tirti ir nustatyti kibernetinės atakos taikinius. Taip pat yra pavojus, kad žmonės įklijuos slaptus duomenis į dirbtinio intelekto raginimus ir netyčia nutekins duomenis viešai.
Generuojamojo dirbtinio intelekto poveikis kibernetinėje saugoje
Generuojamasis dirbtinis intelektas vis dar yra ankstyvuosiuose etapuose ir buvo pristatytas tik neseniai kaip saugos pranešimas apie „Copilot“ saugai. Jis gali iš esmės supaprastinti analitikų ir kitų saugos specialistų saugą:
- Apibendrinant duomenis į naudingas rekomendacijas ir įžvalgas naudodamas atitinkamą kontekstą, kad būtų lengviau tirti incidentus.
- Kuriant žmonėms perskaitomas ataskaitas ir pateiktis, kurias analitikai gali naudoti norėdami padėti kitiems organizacijos nariams suprasti, kas vyksta.
- Atsakant į klausimus apie incidentą arba pažeidžiamumą natūralia kalba arba grafiniais elementais.
Saugos bendruomenei kuriant generuojamąjį dirbtinį intelektą saugos produktuose ir sprendimuose, bus svarbu jį sukurti atsakingai. Žmonės turi žinoti, kad naujos sistemos gerbia privatumą ir yra patikimos bei saugios. Tikslumas ir teisingumas yra žinomos problemos, susijusios su dabartiniais generuojamojo dirbtinio intelekto modeliais, tačiau tobulėjant technologijai, tai padės organizacijoms išvengti dirbtiniu intelektu pagrįstų kibernetinių grėsmių.
Kaip veikia dirbtinis intelektas kibernetinės saugos srityje?
Dirbtinis intelektas kibernetinės saugos srityje vertina didelius duomenų kiekius iš kelių šaltinių, kad identifikuotų veiklos modelius visoje organizacijoje, pvz., kada ir kur žmonės prisijungia, srauto apimtis ir įrenginius bei debesies programas, kurias naudoja darbuotojai. Kai jis supras, kas būdinga, jis gali nustatyti nenormalų elgesį, kurį gali reikėti ištirti. Siekiant išlaikyti privatumą, organizacijos duomenys nenaudojami dirbtinio intelekto išvestyje kitose organizacijose. Vietoj to dirbtinis intelektas naudoja visuotinę grėsmių analizę, apibendrintą iš kelių organizacijų.
Dirbtinis intelektas naudoja mašininio mokymo algoritmus, kad galėtų nuolat mokytis pagal sistemos vertinamus duomenis. Kai generuojamasis dirbtinis intelektas nustato tam tikras žinomas kibernetines grėsmes, pvz., kenkėjiškas programas, jis gali padėti pagal kontekstą analizuoti grėsmes ir lengviau suprasti generuojant naują tekstą ar paveikslėlius, apibūdinančius, kas vyksta.
Žmonės vis dar itin svarbūs kibernetinei saugai, tačiau dirbtinis intelektas padeda jiems tobulinti įgūdžius ir greičiau nustatyti bei išspręsti grėsmes.
Dirbtinio intelekto saugos naudojimo atvejai
Užuot pakeitus saugos specialistus, dirbtinis intelektas yra efektyviausias, kai jis naudojamas siekiant efektyviau atlikti savo darbus. Kai kurie dažnai naudojami dirbtinio intelekto saugos atvejai:
-
Tapatybės ir prieigos valdymas
Dirbtinis intelektas naudojamas tapatybės ir prieigos valdymui (IAM) suprasti vartotojo prisijungimo elgsenos modelius ir aptikti bei stebėti neįprastą saugos specialistų elgseną. Jis taip pat gali būti naudojamas automatiškai priversti dviejų dalių autentifikavimą arba slaptažodžio nustatymą iš naujo, kai tenkinamos tam tikros sąlygos. Ir jei reikia, jis gali neleisti vartotojui prisijungti, jei yra pagrindo manyti, kad paskyra buvo pažeista.
-
Galinio punkto sauga ir valdymas
Dirbtinis intelektas padeda saugos specialistams nustatyti visus galinius punktus, naudojamus organizacijoje, ir padeda juos atnaujinti naujausiomis operacinėmis sistemomis ir saugos sprendimais. Dirbtinis intelektas taip pat gali padėti aptikti kenkėjiškas programas ir kitus kibernetinės atakos įrodymus organizacijos įrenginiuose.
-
Debesies sauga
Dauguma organizacijų daug investuoja į debesį. Jos valdo infrastruktūrą viename ar daugiau debesies paslaugų teikėjų ir naudoja debesies programas iš įvairių tiekėjų. Dirbtinis intelektas padeda komandoms matyti rizikas ir pažeidžiamumus kelių debesų turto srityse.
-
Kibernetinių grėsmių aptikimas
https://www.microsoft.com/lt-lt/security/business/security-101/what-is-xdrIšplėstinio aptikimo ir reagavimo (XDR) ir saugos informacijos ir įvykių valdymo (SIEM) sprendimai padeda saugos komandoms aptikti kibernetines grėsmes visoje įmonėje. Norėdami tai padaryti, abu sprendimai labai priklauso nuo dirbtinio intelekto. XDR sprendimai stebi galinius punktus, el. laiškus, tapatybes ir debesies programas, ar neatsiranda neįprasto elgesio ir netikėtų incidentų komandai, arba reaguoja automatiškai, atsižvelgiant į saugumo operacijų nustatytas taisykles. SIEM sprendimai naudoja dirbtinį intelektą, kad agreguotų signalus iš visos įmonės, kad komandos galėtų geriau matyti, kas vyksta.
-
Informacijos apsauga
Saugos komandos naudoja dirbtinį intelektą, kad nustatytų ir žymėtų slaptus duomenis visoje aplinkoje, nesvarbu, ar jie laikomi organizacijos infrastruktūroje, ar debesies programoje. Dirbtinis intelektas taip pat gali padėti aptikti, kada kas nors bando perkelti duomenis iš įmonės ir blokuoti veiksmą arba iškelti problemą saugos komandai.
-
Incidento tyrimas ir atsakymas
Per reagavimą į incidentussaugos specialistai turi surikiuoti duomenis, kad atrastų galimas kibernetines atakas. Dirbtinis intelektas padeda nustatyti ir susieti naudingiausius įvykius keliuose duomenų šaltiniuose, taip taupydamas specialistų vertingą laiką. Generuojamasis dirbtinis intelektas supaprastina tyrimą dar labiau verčiant analizę į natūraliąją kalbą ir atsako į klausimus taip pat natūralia kalba.
Dirbtinio intelekto saugos pranašumai
Didėjant kibernetinių grėsmių skaičiui, didėjant duomenų kiekiui ir plečiantis kibernetinių atakų paviršiui, yra keletas būdų, kaip dirbtinis intelektas padeda saugumo operacijų komandoms būti veiksmingesnėms.
-
Greičiau aptinka kritines kibernetines grėsmes
Daug saugos sprendimų, pvz., SIEM arba XDR, užregistruoja tūkstančius ir tūkstančius įvykių, kurie rodo galimai neįprastą veikimą. Nors didžioji dauguma šių įvykių yra nepavojingi, kai kurie taip, o rizika praleisti potencialią kibernetinę grėsmę gali būti didžiulė. Dirbtinis intelektas padeda nustatyti tikrai svarbius incidentus. Jis taip pat padeda aptikti veikimą, kuris pats gali atrodyti neįtartinas, bet kai susijęs su kita veikla, nurodo galimą kibernetinę ataką.
-
Supaprastina ataskaitas
Įrankiai, naudojantys generuojamąjį dirbtinį intelektą gali gauti informacijos iš kelių duomenų šaltinių, kad sukurtų lengvai suprantamas ataskaitas, kurias saugos specialistai gali greitai bendrinti su kitais organizacijos nariais.
-
Identifikuoja pažeidžiamumus
Dirbtinis intelektas padeda aptikti galimą riziką, pvz., nežinomus įrenginius ir debesies programas, pasenusias operacines sistemas arba neapsaugotus slaptus duomenis.
-
Padeda analitikams plėsti savo įgūdžius
Generuojamasis dirbtinis intelektas padeda versti kibernetinius duomenis ir analizę į natūraliąją kalbą, todėl analitikai, turintys mažiau techninių įgūdžių, gali būti produktyvesni. Generuojamasis dirbtinis intelektas padeda nustatyti taisymo veiksmus, kad nauji komandos nariai galėtų greitai sužinoti, kaip efektyviai reaguoti į kibernetines atakas.
-
Pateikia kibernetinių grėsmių analizę ir įžvalgas
Išmanūs kibernetiniai užpuolikai paprastai bando išvengti aptikimo judėdami per skirtingas tapatybes, įrenginius, programas ir infrastruktūrą. Kadangi dirbtinis intelektas gali greitai apdoroti daugybę duomenų iš įvairių šaltinių, jis gali padėti nustatyti šį įtartiną elgesį ir nustatyti, į kurias kibernetines grėsmes saugumo specialistai turėtų atkreipti dėmesį.
-
Dirbtinio intelekto sauga, skirta kibernetinių grėsmių aptikimui ir prevencijai
Vienas iš svarbiausių dirbtinio intelekto kibernetinės saugos srityje naudojimo priežasčių yra kibernetinių grėsmių aptikimas ir prevencija. Yra keletas būdų, kaip mašininio mokymo algoritmai ir dirbtinis intelektas padeda nustatyti kibernetines grėsmes ir jų išvengti:
- Prižiūrimi mokymosi modeliai naudoja pažymėtus ir klasifikuotus duomenis, kad padėtų mokyti sistemą. Pavyzdžiui, tam tikros žinomos kenkėjiškos programos turi unikalius parašus, dėl kurių jos skiriasi nuo kitų tipų kibernetinių atakų.
- Neprižiūrimas mokymasis, mašininio mokymo algoritmai identifikuoja modelius duomenyse, kurie nebuvo pažymėti. Taip dirbtinis intelektas aptinka pažangias arba kylančias kibernetines grėsmes, neturinčias žinomų parašų. Jie ieško veiklos, kuri nepatenka į normą, arba ieško modelių, imituojančių kitas kibernetines atakas.
- Naudodamos vartotojų ir objektų elgsenos analizę, sistemos įvertina vartotojų srauto modelius, kad suprastų žinomą veikimą, kad galėtų nustatyti, kada vartotojas daro kažką netikėto ar įtartino, kas gali reikšti paskyros pažeidimą.
- Dirbtinio intelekto sistemos taip pat naudoja natūraliosios kalbos apdorojimą, kad išanalizuotų nestruktūrinius duomenų šaltinius, pvz., socialinę mediją, kad sugeneruotų grėsmių analizę.
Kas yra pagrįsti dirbtiniu intelektu kibernetinės saugos įrankiai?
Dirbtinis intelektas integruotas į kelis kibernetinės saugos įrankius, kad pagerintų jų efektyvumą. Toliau pateikti keli pavyzdžiai:
- Naujos kartos užkardos ir dirbtinis intelektas: Tradicinės užkardos priima sprendimus dėl srauto leidimo arba blokavimo pagal administratoriaus apibrėžtas taisykles. Naujos kartos užkardos viršija šias galimybes ir naudoja dirbtinį intelektą, kad būtų galima pasiekti grėsmių analizės duomenis, kad būtų lengviau nustatyti naujas kibernetines grėsmes.
- Dirbtinio intelekto patobulinti galinio punkto saugos sprendimai: Galinio punkto saugos sprendimai naudoja dirbtinį intelektą, kad nustatytų galinio punkto pažeidžiamumus, pvz., pasenusią operacinę sistemą. Dirbtinis intelektas taip pat gali padėti nustatyti, ar įrenginyje įdiegta kenkėjiška programa, arba ar neįprasti duomenų kiekiai yra eksfiltruojami į galinį punktą arba iš jo. Dirbtinis intelektas gali padėti sustabdyti galinių punktų kibernetines atakas, atjungdamas galinį punktą nuo likusios skaitmeninės aplinkos.
- Dirbtiniu intelektu pagrįstos tinklo įsibrovimo aptikimo ir prevencijos sistemos: Šie įrankiai stebi tinklo srautą, kad aptiktų neįgaliotus vartotojus, kurie bando įsiskverbti į organizaciją per tinklą. Dirbtinis intelektas padeda šioms sistemoms greičiau apdoroti duomenis, kad būtų galima nustatyti ir užblokuoti kibernetines atakas, kol jos nedarė per daug žalos.
- Dirbtinio intelekto ir debesies saugos sprendimai: Kadangi tiek daug organizacijų savo infrastruktūrai ir programoms naudoja kelis debesis, gali būti sunku sekti kibernetines grėsmes, kurios kyla skirtinguose debesyse ir programose. Dirbtinis intelektas padeda debesies saugai analizuojant duomenis iš visų šių šaltinių, kad būtų galima nustatyti pažeidžiamumus ir galimas kibernetines atakas.
- Internetu sąveikaujančių įrenginių (IoT) apsauga su dirbtiniu intelektu: Panašiai kaip galiniai punktai ir programos, organizacijos paprastai turi daug internetu sąveikaujančių įrenginių, kurie yra potencialūs kibernetiniai atakos vektoriai. Dirbtinis intelektas padeda aptikti kibernetines grėsmes bet kuriame internetu sąveikaujančiame įrenginyje ir taip pat atskleidžia įtartinos veiklos modelius keliuose internetu sąveikaujančiuose įrenginiuose.
- XDR ir SIEM: XDR ir SIEM sprendimai gauna informaciją iš kelių saugos produktų, žurnalų failų ir išorinių šaltinių, kad analitikams būtų lengviau suprasti, kas vyksta jų aplinkoje. Dirbtinis intelektas padeda apibendrinti visus šiuos duomenis į aiškias įžvalgas.
Geriausia dirbtinio intelekto kibernetinės saugos srityje praktika
Dirbtinio intelekto naudojimas saugumo operacijoms palaikyti reikalauja kruopštaus planavimo ir įgyvendinimo, tačiau taikydami tinkamą požiūrį galite įdiegti įrankius, kurie reikšmingai pagerina veiklos efektyvumą ir jūsų komandos gerovę.
-
Strategijos kūrimas
Yra daug dirbtinio intelekto produktų ir sprendimų, skirtų naudoti saugos sumetimais, bet ne visi iš jų bus tinkami jūsų organizacijai. Svarbu, kad dirbtinio intelekto sprendimai būtų tinkamai integruoti tarpusavyje ir su jūsų saugos architektūra, arba jie gali sukurti daugiau darbo jūsų komandai. Pirmiausia apgalvokite didžiausius saugos iššūkius, tada identifikuokite dirbtinio intelekto sprendimus, kurie padės jums išspręsti šias problemas. Skirkite laiko dirbtinio intelekto integravimo į dabartinius procesus ir sistemas planui sukurti.
-
Integruokite saugos įrankius
Dirbtinis intelektas saugai yra efektyviausias, kai gali analizuoti duomenis visoje organizacijoje. Tai sudėtinga, jei jūsų įrankiai veikia atskirai. Investuokite į įrankius, kurie veikia su dabartine aplinka ir sklandžiai veikia kartu, pvz., integruotus XDR ir SIEM sprendimus. Arba, jei reikia, skirkite laiko ir išteklių savo komandai integruoti įrankius, kad galėtumėte visiškai matyti visą savo skaitmeninį turtą.
-
Duomenų privatumo ir kokybės valdymas
Dirbtinio intelekto sistemos priima sprendimus ir teikia įžvalgas pagal duomenis, naudojamus jiems mokyti ir valdyti. Jei duomenyse yra klaidų arba jie sugadinti, dirbtinis intelektas pateiks prastas įžvalgas ir priims netinkamus sprendimus. Planuodami įsitikinkite, kad turite duomenų valymo ir privatumo apsaugos procesus.
-
Nuolat tikrinkite savo dirbtinio intelekto sistemas
Po įdiegimo reguliariai išbandę savo sistemas galėsite nustatyti šališkumo arba kokybės problemas, kai generuojami nauji duomenys.
-
Etiškas dirbtinio intelekto naudojimas
Daug duomenų, sukauptų per metus, yra netikslūs, šališki arba pasenę. Be to, dirbtinio intelekto algoritmai ir logika ne visada yra skaidrūs, todėl sunku tiksliai žinoti, kaip jie sukuria įžvalgas ir rezultatus. Svarbu užtikrinti, kad dirbtinis intelektas nepriimtų galutinių sprendimų tais atvejais, kai jis gali nesąžiningai elgtis su tam tikrais asmenimis dėl jo naudojamų duomenų šališkumo. Sužinokite daugiau apie atsakingą dirbtinio intelekto naudojimą.
-
Apibrėžkite strategijas, kaip naudoti generuojamąjį dirbtinį intelektą
Įsitikinkite, kad darbuotojai ir partneriai supranta jūsų organizacijos strategijas, kaip naudoti generuojamojo dirbtinio intelekto įrankius. Ypač svarbu, kad žmonės neįklijuotų konfidencialių ir slaptų duomenų į generuojamojo dirbtinio intelekto raginimus, nes yra pavojus, kad duomenys gali tapti vieši.
Dirbtinio intelekto kibernetinės saugos srityje ateitis
Dirbtinio intelekto vaidmuo saugai tik toliau didės. Per ateinančius metus saugos specialistai gali tikėtis, kad:
- Dirbtinis intelektas geriau aptiks kibernetines grėsmes su mažiau klaidingai teigiamų rezultatų.
- Saugumo operacijų komandos automatizuos savo nuobodesnį darbą, nes dirbtinis intelektas geriau reaguos ir sušvelnins įvairesnius kibernetinių atakų tipus.
- Organizacijos naudos dirbtinį intelektą, kad padėtų pašalinti pažeidžiamumus ir pagerinti saugos būseną.
- Saugos specialistai vis tiek bus labai reikalingi.
- Žmonės atliks strategiškesnius vaidmenis, pvz., spręs sudėtingiausius saugos incidentus ir atliks aktyvią kibernetinių grėsmių paiešką.
Ne tik saugos bendruomenė veiks efektyviau su dirbtiniu intelektu. Kibernetiniai užpuolikai taip pat investuoja į dirbtinį intelektą ir tikriausiai naudos šią technologiją, kad:
- Vienu metu nulaužtų daug slaptažodžių.
- Kurtų sudėtingas sukčiavimo apsimetant kampanijas, kurias sunku atskirti nuo autentiškų el. laiškų.
- Kurtų kenkėjiškas programas, kurias itin sunku aptikti.
Kadangi blogi veikėjai integruoja sudėtingesnį dirbtinį intelektą į savo kibernetinės atakos metodus, saugumo bendruomenei dar labiau reikės investuoti į dirbtinį intelektą, kad išvengtų šių kibernetinių grėsmių.
Dirbtinio intelekto saugos sprendimai
Organizacijos susiduria su vis daugiau kibernetinių grėsmių, nes didėja kibernetinių atakų paviršius. Kibernetinio saugumo specialistams gali būti sunku neatsilikti, ypač dėl talentų trūkumo. Imdamasis daugiau varginančių, mažai įgūdžių reikalaujančių užduočių, dirbtinis intelektas žada, kad saugos specialistų darbas būtų labiau tenkinantis ir strategiškesnis. Organizacijos gali pradėti ruoštis ateičiai su daugiau dirbtiniu intelektu pagrįstų kibernetinių atakų, įtraukdamos dirbtinį intelektą į saugos operacijas dabar. Pradėkite nuo strategijos ir tada investuokite į įrankius, kurie tikriausiai padės jums išspręsti didžiausius saugos iššūkius šiandien.
Sužinokite daugiau apie „Microsoft“ saugą
„Microsoft Copilot“ saugai
Suteikite saugos komandoms galimybę greičiau aptikti paslėptus modelius ir reaguoti į incidentus naudojant generuojamąjį dirbtinį intelektą.
Tapatybės grėsmių aptikimas ir reagavimas (ITDR)
Gaukite visapusišką visų savo tapatybių ir tapatybių infrastruktūros apsaugą.
„Microsoft Defender“ grėsmių žvalgyba
Atskleiskite ir pašalinkite šiuolaikines kibernetines grėsmes ir jų infrastruktūrą naudodami dinaminę grėsmių analizę.
„Microsoft Defender for Cloud“
Sustiprinkite savo saugos būseną, apsaugokite darbo krūvius ir kurkite saugias programas.
„Microsoft Defender“, skirta galiniams punktams
Greitai sustabdykite kibernetines atakas, keiskite saugos išteklių mastelį ir plėtokite gynybos priemones įvairiuose tinklo įrenginiuose.
„Microsoft Sentinel“
Matykite ir sustabdykite kibernetines grėsmes visoje įmonėje naudodami intelektualiosios saugos analizę.
Saugos keitimas dirbtiniu intelektu
Šioje „The Defender’s Watch“ serijoje sužinokite, kaip dirbtinis intelektas bus saugumo komandų jėgos daugiklis.
Atakų trikdymas realiuoju laiku | „Microsoft“
Šioje „The Defender’s Watch“ serijoje sužinokite, kaip XDR naudoja dirbtinį intelektą, kad automatiškai nutrauktų kibernetines atakas.
Dažnai užduodami klausimai
-
Dirbtinis intelektas kibernetinės saugos srityje naudoja dirbtinį intelektą, kad galėtų analizuoti ir susieti įvykių ir kibernetinių grėsmių duomenis keliuose šaltiniuose, paversdamas jį aiškiomis ir veiksmingomis įžvalgomis, kurias saugos analitikai naudoja tolesniam tyrimui ir kibernetinės atakos mažinimui. Jei kibernetinė ataka atitinka tam tikrus saugos komandos apibrėžtus kriterijus, dirbtinis intelektas gali automatizuoti atsaką ir izoliuoti bei pašalinti kibernetinę ataką arba virusą.
-
Dirbtinis intelektas naudojamas daugeliu saugos aspektų, įskaitant tapatybės apsaugą, galinių punktų apsaugą, debesies saugą, duomenų apsaugą, kibernetinių grėsmių aptikimą ir incidentų tyrimą bei reagavimą.
-
Vienas puikus dirbtinio intelekto saugos pavyzdys yra mašininio mokymo algoritmų naudojimas analizuojant vartotojo elgseną, kad būtų galima identifikuoti veikimo modelius. Suprasdamos, kas normalu, šios sistemos gali aptikti neįprastą elgesį, kuris gali būti kibernetinės atakos indikatorius. Kitame pavyzdyje saugos specialistai naudoja generuojamąjį dirbtinį intelektą, kad užduotų klausimą apie konkretų incidentą ar aplinką ir gautų diagramą arba natūraliosios kalbos tekstą, kuris suteikia daugiau konteksto ir įžvalgų iš kelių duomenų šaltinių.
-
Mašininis mokymasis yra dirbtinio intelekto pogrupis, aptinkantis modelius iš masinių duomenų kiekio. Saugos sistemos, kurios naudoja mašininį mokymąsi, laikui bėgant gali sužinoti, kokie įprasti srauto modeliai ir vartotojo veiksmai yra visoje organizacijoje, ir nustatyti, kada įvyksta kas nors neįprasta. Jie taip pat gali įvertinti įvykius iš kelių skirtingų sistemų, kurie gali atrodyti nepavojingi atskirai, bet kartu kelia riziką.
-
Saugos dirbtinis intelektas suteikia daug pranašumų įmonėms, įskaitant:
Mažina atsako į incidentus laiką.
Greičiau ir tiksliau aptinka kibernetines grėsmes.
Automatizuoja atsakymą į tam tikras žinomas kibernetines grėsmes.
Atlaisvina saugos specialistus, kad galėtų sutelkti dėmesį į aktyvias užduotis.
Pagerina saugos būseną.
Supaprastina ataskaitas.
Padeda analitikams tobulinti savo įgūdžius.
Stebėkite „Microsoft 365“