Inhaltsverzeichnis
1. Die Cloud-Sicherheit wird einem zunehmenden Druck ausgesetzt sein.
2. Ergreifen Sie proaktive Maßnahmen, um Ransomware-Angriffe zu minimieren.
3. Die wachsende Nachfrage von Unternehmen nach „Managed Detection and Response“-Diensten und Automatisierung
4. Verstärkter Einsatz künstlicher Intelligenz zur Bekämpfung der böswilligen Nutzung der Multi-Faktor-Authentifizierung (MFA)
5. Regierung und Regulierungsbehörden widmen der Cybersicherheit mehr Aufmerksamkeit
Bereiten Sie sich immer voraus
Heim Technologie-Peripheriegeräte KI Wie künstliche Intelligenz Unternehmen dabei hilft, Ransomware zu bekämpfen und Sicherheitsverletzungen in der Cloud zu verhindern

Wie künstliche Intelligenz Unternehmen dabei hilft, Ransomware zu bekämpfen und Sicherheitsverletzungen in der Cloud zu verhindern

Apr 09, 2023 pm 09:21 PM
人工智能 网络安全 云安全

​Jedes Jahr steht die Cybersicherheitswelt vor neuen Herausforderungen und Hindernissen, mit denen sich Unternehmen auseinandersetzen müssen, und wir sehen zum Beispiel, wie sich 2021 zu einem unglaublich gefährlichen Jahr entwickelt. Vor allem Ransomware ist ein heißes Thema in der Branche, nachdem eine Reihe aufsehenerregender Vorfälle aufgetreten sind, bei denen Organisationen wie Kaseya und der irische Gesundheitsdienst zum Opfer gefallen sind.

Darüber hinaus zeigt der Ransomware-Angriff auf die JBS Corporation deutlich die potenzielle Schwere von Angriffen auf die Lieferkette. Im weiteren Sinne bedeutet die anhaltende Umstellung auf hybrides Arbeiten und die schnelle Einführung von Cloud Computing auch, dass Unternehmen ihre Sicherheitsinfrastruktur neu bewerten müssen, um sicherzustellen, dass Remote-Mitarbeiter angemessen geschützt sind.

Wie künstliche Intelligenz Unternehmen dabei hilft, Ransomware zu bekämpfen und Sicherheitsverletzungen in der Cloud zu verhindern

Wie werden die Lehren aus dem Jahr 2021 die Cybersicherheitslandschaft in den kommenden Jahren prägen? Hier sind fünf Aspekte der Cybersicherheit, die sich in naher Zukunft weiterentwickeln werden.

1. Die Cloud-Sicherheit wird einem zunehmenden Druck ausgesetzt sein.

Erstens wird sich Ransomware dem Diebstahl und der Verschlüsselung von Cloud-Daten zuwenden. Allerdings geschieht dies manchmal durch Angriffe auf Datenverarbeiter Dritter (wie wir gesehen haben, wie die Daten von Labour-Parteimitgliedern als Lösegeld erpresst wurden). Als nächstes werden wir sehen, dass im Rahmen des Modells der „gemeinsamen Verantwortung“ Kundendaten zunehmend direkt von Ransomware-Banden angegriffen werden.

2. Ergreifen Sie proaktive Maßnahmen, um Ransomware-Angriffe zu minimieren.

Wenn es um die Verhinderung von Ransomware geht, werden wir zunehmend öffentliche Maßnahmen gegen Ransomware-Banden erleben, und aufgrund der Verbreitung von Ransomware-Angriffen wird es auch eine formelle Regulierung der Informationssicherheit geben auch erhöhen. Allerdings werden wir auch feststellen, dass viele öffentliche Sektoren schlecht auf diese Bedrohung vorbereitet sind. Schließlich werden wir sehen, dass die Folgen von Ransomware in Bezug auf Datenverluste oder -verstöße relativ gering sein werden, da von Menschen betriebene Ransomware erkannt und gestoppt wird, bevor sie erfolgreich explodieren kann.

Für Unternehmen wird es immer wichtiger, über eine umfassende Sicherheitsarchitektur zu verfügen, die das Netzwerk und die Endpunkte abdeckt und diese Angriffe schnell erkennen und stoppen kann. Der Schwerpunkt liegt auf der Prävention und nicht auf der Durchführung zeitaufwändiger Wiederherstellungsvorgänge aus Backups oder, schlimmer noch, der Zahlung eines Lösegelds. Geschäftskontinuitätspläne müssen ständig angepasst werden, um das erhöhte Risiko, das Ransomware für einzelne Unternehmen darstellt, angemessen zu berücksichtigen und gleichzeitig angemessen zu investieren, um durch Angriffe verursachte Ausfallzeiten zu verhindern und zu minimieren.

3. Die wachsende Nachfrage von Unternehmen nach „Managed Detection and Response“-Diensten und Automatisierung

Neben Ransomware wird die Zahl der verwalteten Sicherheitsdienste zwar weiter zunehmen, sie sind jedoch eine wichtige untergeordnete Abteilung jedes Unternehmens Es wird einen Mangel an Talenten in den Bereichen Automatisierung, Orchestrierung und analytisch unterstützte künstliche Intelligenz geben. Unternehmen werden erkennen, dass die Auslagerung einer Geschäftsumgebung an eine externe Einheit schwierig sein kann und dass einige wenige gut ausgestattete und unterstützte interne Ressourcen effektiver sein können als eine große Anzahl externer Ressourcen.

4. Verstärkter Einsatz künstlicher Intelligenz zur Bekämpfung der böswilligen Nutzung der Multi-Faktor-Authentifizierung (MFA)

Ein weiterer Problembereich ist die Multi-Faktor-Authentifizierung (MFA). Einige große Technologiegiganten wie Microsoft und Google implementieren MFA. Dies liegt vor allem daran, dass Angreifer weiterhin erfolgreich Zugangsdaten stehlen und grundlegende Authentifizierungsprozesse umgehen. Doch obwohl MFA ein Schritt ist, den jedes Unternehmen unternehmen sollte, beweisen Kriminelle weiterhin, dass es nicht ausreicht, sie vor der Tür in Schach zu halten. In einigen Fällen nutzen Kriminelle sogar Bots, um ihnen bei der Bewältigung von MFA zu helfen, was für Unternehmen weiterhin ein harter Kampf sein wird. Infolgedessen werden immer mehr Unternehmen auf KI-gesteuerte Sicherheitstools zurückgreifen, um Angriffe zu stoppen, die MFA umgehen.

5. Regierung und Regulierungsbehörden widmen der Cybersicherheit mehr Aufmerksamkeit

Nach mehreren Angriffen auf die kritische Infrastruktur des Landes erließ Präsident Biden im Mai 2021 eine Durchführungsverordnung zur Verbesserung der Cybersicherheit, um die Cybersicherheitsstandards drastisch zu verbessern. Wir gehen davon aus, dass andere Regierungen einen immer robusteren Ansatz für sinnvolle und wirksame Cybersicherheitskontrollen verfolgen werden, mit dem Ziel, gegenüber schwerwiegenden Cyberangriffen widerstandsfähiger zu sein. Initiativen britischer Regulierungsbehörden, wie der Penetration Stress Testing Mechanism (CBEST) im Finanzdienstleistungsbereich und TBEST im Telekommunikationsbereich, die einen auf Sicherheitsbedrohungsinformationen basierenden Ansatz zur objektiven Bewertung der Anfälligkeit für Angriffe fördern werden, werden mit ziemlicher Sicherheit auf andere wichtige Abteilungen ausgeweitet.

Bereiten Sie sich immer voraus

Es tauchen ständig neue sicherheitsrelevante Hindernisse auf. Daher ist es von entscheidender Bedeutung, dass Unternehmen sich vorbereiten, um sicherzustellen, dass sie den besten Schutz vor potenziellen Bedrohungen haben. Um dies zu erreichen, sollten Unternehmen versuchen, eine Erkennungs- und Reaktionsstrategie zu implementieren. Dabei wird oft eine Kombination aus Techniken der künstlichen Intelligenz und des maschinellen Lernens (ML) eingesetzt, um nach diesen sich überschneidenden Vorgängen zu suchen, die autorisiert sind, aber verdächtiges Verhalten zeigen, sowie nach bestimmten Verhaltensweisen, die ein Gegner beim Starten eines Angriffs an den Tag legen wird.

Wenn Unternehmen glauben, dass sie kompromittiert wurden und aktiv nach Anzeichen suchen, sind sie besser in der Lage, Angriffe zu erkennen und sie dann zu stoppen, bevor sie Schaden anrichten.

Das obige ist der detaillierte Inhalt vonWie künstliche Intelligenz Unternehmen dabei hilft, Ransomware zu bekämpfen und Sicherheitsverletzungen in der Cloud zu verhindern. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. So reparieren Sie Audio, wenn Sie niemanden hören können
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Wie man alles in Myrise freischaltet
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams Jul 15, 2024 pm 12:21 PM

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G

See all articles