AIが侵害後の疲労を防ぐ方法

AIが侵害後の疲労を防ぐ方法

データ侵害疲労は長年の課題です。最高情報セキュリティ責任者 (CISO) は、絶え間ない問​​題解決と侵害による影響への対処に圧倒され、セキュリティ チームは疲れ果てています。消費者もまた、データ侵害が多発していることや、サイバーセキュリティに対する全体的な理解が不足していることから、関心を失っている。

[[420517]]

データ侵害疲労を完全に解消する唯一の方法は、侵害を阻止することです。もちろん、これは不可能です。したがって、次のステップは、潜在的なインシデントが本格的な脅威になる前に対処することです。しかし、今日のサイバーセキュリティ環境は、過労や燃え尽き症候群につながっています。人々にさらに多くのことを処理するよう求めても、問題は解決しないことがよくあります。

人工知能(AI)と機械学習(ML)は潜在的な解決策となるかもしれない。「自社のセキュリティ態勢を自分で管理できる」と、ダセラのCEO、アニ・チャウドゥリ氏は電子メールのインタビューで語った。 「自動化ソリューションに投資してください。また、フェデレーション ソリューションにも投資してください。セキュリティ チームの帯域幅を拡大するために、他のチームのワークフローを改善するソリューションに投資してください。」

データ侵害が多すぎることの危険性

仕事のことで眠れなくなるような人はいないはずですが、Forrester の調査によると、サイバーセキュリティ専門家の 3 分の 1 がまさにそうしているそうです。そして、ほぼ全員が、組織内で違反が発生した場合、それは自分たちの責任だと感じています。この重い責任感のせいで、多くの貴重で熟練した従業員が業界から追い出されてしまっています。経験豊富なスタッフがいなければ、サイバーインシデントの脅威が増大し、サイクルが再び始まります。

消費者側でも、データ侵害に対して無関心になってきています。多くの人は、攻撃者が何度も個人情報を盗んで販売しているため、最も基本的なセキュリティ対策を実施する意味がないと考えています。カーネギーメロン大学の調査によると、侵害の警告を受けた後、パスワードを変更したのは消費者のわずか3分の1だった。ユーザーがこれを実行するには数か月かかる可能性があり、影響を受ける可能性があることをユーザーが認識している場合でも同様です。むしろ、彼らは警報を無視するでしょう。

人工知能とサイバーセキュリティ

まず第一に、AI は万能薬ではないということを明確にする必要があります。このテクノロジーは組織のあらゆる問題を解決できるわけではありませんが、CISO とそのチームに疲労のサイクルから抜け出すために必要な後押しを与えるはずです。

私たちは、最も日常的な(そして頭を悩ませる)タスクを AI に「教える」ことができます。そのタスクの中には、データ侵害が始まる前にそれを検出するタスクも含まれます。機械学習アルゴリズムを使用することで、AI はログをすばやく読み取り、ネットワーク内の異常を追跡できます。ログを確認することの重要性は軽視されがちですが、ログを確認することで、チームはシステム内で異常なアクティビティが発生していることを発見し、最初の攻撃ポイントの 1 つとなります。しかし、これには時間がかかり、熟練した人材を他の緊急作業から引き離す必要があります。多くの組織は、AI を、エントリーレベルの職種であってもスキルギャップを解消する手段と見なしています。 AI により誤検知の数が減り、時間が節約されます。

クレデンシャルスタッフィングは、脅威アクターのお気に入りのツールとなっています。内部者の認証情報を盗み、簡単に検出されることなくネットワーク全体への扉を開き、ここからデータ侵害が始まる可能性があります。セキュリティ チームが発見する前に、ネットワーク内の複数のクラスターが侵害されていた可能性があります。 AI は従業員の習慣を識別し、行動モデルを使用して、通常の 9 時から 5 時までの従業員が午前 3 時に突然機密データベースにアクセスしたり、遠隔地の従業員が突然ログインしたりするなど、異常な事態を検出できます。重要なのはパターン認識と、普通ではないものを嗅ぎ分ける能力です。

AIは完璧ではない

AI はセキュリティ チームの多くのタスクを引き受け、軽減および防御戦略に対してより的を絞ったアプローチを提供できますが、CISO が夜も眠れなくなるような欠点もあります。人工知能はサイバー犯罪者にとって新たな攻撃ベクトルを生み出します。攻撃者は AI を偽情報のツールとして使用し、データを武器化することができます。 AI の脆弱性を悪用した攻撃は、検出がより困難なデータ侵害につながる可能性があります。データ侵害疲労を軽減するはずのツールが、結局は状況を悪化させてしまう可能性があります。

AI セキュリティは、データ侵害との戦いにおいて CISO やセキュリティ チームに取って代わるものではありません。代わりに、最も早い段階で潜在的な脅威に対処する方法として人間と協力します。最良の場合、検出、保護、軽減が容易になり、ストレスが軽減されます。

<<:  猿人歩行からAIまで:三次元戦略で一人ひとりに寄り添う「真のセキュリティ」

>>:  人工知能の研究内容:自然言語処理と知的情報検索技術

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

...

午後を費やしてラベルのない画像10万枚にラベルを付け、上司の費用を3万ドル節約しました

[51CTO.com オリジナル記事] 上司がラベルのない写真 10 万枚を渡して、サンダル、パンツ...

ネイチャー誌が量子コンピューティングの大きな進歩を発表:史上初の量子集積回路が実現

6月23日、オーストラリアの量子コンピューティング企業SQC(Silicon Quantum Com...

ロボットの時代が来ます。私たちは全員失業してしまうのでしょうか?

[[415590]]ボストン・ダイナミクス社が開発したヒューマノイドロボット「アトラス」、ロボット...

7,346 人が参加したアルゴリズム コンテストは JD.com に何をもたらしたのでしょうか?

[51CTO.comより引用] 今年3月中旬、JD.comとIntelが共同主催するJDataアル...

北京、上海、深セン、杭州、中国の人工知能産業のリーダーは誰でしょうか?

人工知能企業は主に北京、上海、深セン、杭州に分布している中国新世代人工知能開発研究所のデータによると...

...

大規模なマルチモーダルモデルは、学習しすぎると能力が低下しますか?新しい研究:教育省+の一般専門家が紛争を解決

微調整により、一般的な大規模モデルを特定の業界のアプリケーションにより適したものにすることができます...

チャットボットのテスト: フレームワーク、ツール、テクニックの詳細

[[425133]] [51CTO.com クイック翻訳]長年にわたり、ビジネス マーケティングの動...

...

完全なルーティングアルゴリズムの設計目標の分析

ルーティング アルゴリズムには通常、次の 1 つ以上の設計目標があります。最適化:最適化とは、メトリ...

Google Brain のディープラーニングと TensorFlow の過去と現在を分析

ディープラーニングの歴史において、ニューラルネットワーク方式が有効になり始めたのは1980~1990...

...