Périphériques technologiques
IA
Comment utiliser l'apprentissage automatique et l'intelligence artificielle en cybersécurité
Comment utiliser l'apprentissage automatique et l'intelligence artificielle en cybersécurité
Les cybercriminels recherchent constamment de nouvelles façons de mener des attaques, mais grâce à l'intelligence artificielle (IA) et à son sous-ensemble, l'apprentissage automatique, il est possible de se défendre automatiquement contre ces attaques.
Le secret est que l'apprentissage automatique est capable de surveiller le trafic réseau et de comprendre ce qui est normal au sein du système, en utilisant ces informations pour signaler toute activité suspecte. Comme le nom de la technologie l'indique, elle est capable d'exploiter les grandes quantités de données de sécurité collectées chaque jour par les entreprises, devenant ainsi plus efficace au fil du temps.
À ce stade, lorsque la machine détecte une anomalie, elle envoie une alerte à un humain (généralement un analyste de sécurité) pour décider si une action doit être entreprise. Mais certains systèmes de machine learning sont déjà capables de réagir de manière autonome, comme en restreignant l’accès à certains utilisateurs.
L'IA remplacera-t-elle les humains dans le domaine de la sécurité ?
Les discussions sur l'automatisation et l'IA entraînent souvent des pertes d'emplois, mais pour le secteur de la sécurité, l'apprentissage automatique est déployé pour compléter l'expertise existante plutôt que pour la remplacer.
Ces systèmes ne sont pas conçus pour fonctionner de manière autonome, mais pour gérer des tâches qui empêchent les travailleurs humains de travailler efficacement. Par exemple, l’IA est très efficace dans le traitement des données, qui peuvent ensuite être utilisées pour une analyse plus approfondie, une tâche qui a encore beaucoup besoin des humains.
Cependant, selon Tash Norris, responsable de la cybersécurité chez Moonpig, l'analyse des données de l'IA peut également offrir d'autres avantages. En tant que membre de l'équipe IT Pro, il a déclaré que « les analystes rechercheront naturellement les corrélations qu'ils ont déjà vues ou celles qu'ils s'attendent à voir ».
« Une véritable mise en œuvre de l'IA devrait être capable d'établir des corrélations « impartiales », apportant plus de valeur aux ensembles de données dont vous disposez. de capacités de détection et de réponse, y compris des tâches telles que SIEM, SOAR et EDR. En automatisant ces processus plus manuels, les employés sont libérés pour faire face à des menaces plus dangereuses, en utilisant l'IA comme multiplicateur de force pour étendre les capacités des équipes de sécurité.
Dave Palmer, directeur technique chez Darktrace, a déclaré : « L'apprentissage automatique permet aux entreprises de prioriser plus efficacement. Nous n'excluons pas la prise de décision en matière de risques humains, mais nous permettons une lutte tactique contre les incendies afin que les équipes de sécurité puissent travailler seules. »
La startup d'IA basée à Cambridge s'est récemment associée à Microsoft pour fournir une cybersécurité améliorée par l'IA aux organisations en transition vers le cloud. Le partenariat se concentre sur la résolution des défis de sécurité dans des « domaines critiques » tels que la sécurité de la messagerie électronique, l'intégration des données et la rationalisation des flux de travail de sécurité. Cela inclut l'hébergement Azure de Microsoft Antigena Email, qui utilise la technologie d'intelligence artificielle de Darktrace pour bloquer les menaces de courrier électronique les plus avancées et est également disponible sur Azure Marketplace.
Dan Feinat, directeur des produits de sécurité des e-mails de Darktrace, a averti que la startup d'intelligence artificielle voit chaque jour "des attaquants se faire passer pour des PDG ou compromettre les comptes de fournisseurs, envoyant des e-mails chauds ciblés qui semblent légitimes".
"À mesure que ces attaques deviennent de plus en plus sophistiquées, l'éducation et la sensibilisation des employés ne suffisent pas. La réponse réside dans la technologie", a-t-il ajouté.
Stuart Laidlaw, PDG de la startup britannique de cybersécurité Cyberlytic, préconise également d'utiliser l'apprentissage automatique pour réduire la charge de travail des analystes de sécurité. "Il s'agit de réduire le bruit : ces personnes sont occupées par leur travail quotidien et ne peuvent pas réagir à tout. Nous utilisons l'apprentissage automatique pour effectuer le tri."
Gene Stevens, co-fondateur de la société de sécurité cloud ProtectWise, a déclaré machine. apprentissage Là où il montre le plus grand potentiel, c'est dans l'interprétation des résultats de nombreux systèmes experts différents et leur intégration ensemble. "Les humains passent beaucoup de temps à essayer de le rationaliser. L'apprentissage automatique est efficace pour prendre ces modèles et organiser les données, afin que les humains puissent réaliser un degré élevé d'intégration du trafic sur le réseau.
L'apprentissage automatique peut également être utilisé." pour l'analyse du comportement des utilisateurs. Par exemple, Jamal Elmellas, directeur de la technologie chez Auriga Consulting, a déclaré : "Si quelqu'un se connecte tous les jours à 08h55 et que l'heure passe à 01h00, le système signalera cela comme un comportement suspect." déployer l'apprentissage automatique dans la cybersécurité
À mesure que la technologie continue d'évoluer, le nombre de cas d'utilisation viables évolue également.
Un exemple est la détection d’anomalies, qui est transformée par l’automatisation. Cela est dû en grande partie à la relative facilité d’application de la technologie à la tâche, car vous pouvez démarrer le système avec une formation assez minimale.
"Vous lui fournissez un tas de données et signalez les choses qui semblent inhabituelles", a déclaré Steven Murdoch, architecte de sécurité au VASCO Innovation Center de Cambridge. « Cela peut ensuite être utilisé pour la protection contre les intrusions. »
Le machine learning est également disponible à faible coût : comme le cloud, les produits sont souvent gratuits à essayer. De plus, Laidlaw a déclaré que des sociétés telles qu'Amazon Web Services (AWS) fournissent des composants d'IA. "Certaines solutions le branchent simplement et quelques data scientists détectent les anomalies
."Palmer conseille : "Comprenez comment elle s'adapte à votre entreprise. L'intelligence artificielle en tant que domaine est très inclusif ; des livres et des cours de formation sont disponibles en ligne
Bien sûr, comme pour toute nouvelle technologie, vous avez besoin de certaines choses pour surmonter les défauts." . Tous les experts ne sont pas convaincus que l’apprentissage automatique a un bel avenir en matière de cybersécurité, car les cybercriminels peuvent également utiliser l’intelligence artificielle pour attaquer les entreprises. Cela inclut la possibilité que des pirates informatiques puissent tromper un système de défense et le retourner contre son propriétaire.
Le Machine Learning a aussi ses limites. Charl van der Walt, responsable de la stratégie de sécurité chez SecureData, a déclaré que de nombreuses cyberattaques ne correspondent pas aux modèles pour lesquels l'apprentissage automatique est formé. "Les adversaires sont flexibles et changent tout le temps. Par conséquent, il est difficile de trouver des ensembles de données présentant des modèles contradictoires."
Le Dr Yifeng Zeng, chef du groupe de recherche sur l'intelligence artificielle à l'Université de Teesside, a déclaré que l'utilisation des données permet d'effectuer des prévisions précises. est le défi numéro un. En outre, il a déclaré : « Grâce à l'apprentissage automatique, les entreprises prétendent qu'elles peuvent gérer les attaques précédentes, mais comment vont-elles gérer les nouvelles attaques ? Une question importante en matière de cybersécurité est de prévoir les attaques futures. Alors, comment pouvons-nous utiliser les données précédentes pour identifier les surprises ? «
L'avenir de l'apprentissage automatique dans la cybersécurité
Malgré les défis, les experts en cybersécurité pensent que l'apprentissage automatique est là pour rester. À mesure que la technologie progresse, certains programmes peuvent comprendre quand ils sont attaqués et prendre des mesures pour se protéger.
Pendant ce temps, Palmer a déclaré : « Les machines pourraient étudier comment les humains réagissent à différents types d'attaques et comment ils enquêtent sur elles. Par exemple, elles pourraient faire des recommandations telles que : « Que ferait ensuite une personne dans votre situation ? en tant que coach ou caisse de résonance d'une manière contextuellement utile.
"Cela nécessite de remodeler artificiellement votre environnement pour en faire une cible mouvante et encourager les adversaires à poursuivre une multitude de fausses pistes", a déclaré Vanderwalt.
Cela peut inclure la création de fausses cibles pour l'adversaire, telles que des fichiers et des systèmes qui semblent réels mais ne le sont pas. « Voici une autre façon d’envisager l’apprentissage automatique : la tromperie comme stratégie défensive. »
À l’époque, comment l’IA et l’apprentissage automatique pouvaient-ils faire partie de la stratégie de cybersécurité d’une entreprise ? Ils ont beaucoup de potentiel, mais la technologie ne peut pas l’être ? c'est le seul moyen de sécurité d'une entreprise ; il s'inscrit dans une défense globale. Pour l’instant, Laidlaw conseille : « Sachez où se trouvent les joyaux de votre couronne, protégez ce qui a le plus de valeur et utilisez l’IA dans le cadre de votre protection
. »Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire
Jul 17, 2024 pm 06:37 PM
Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
Préparant des marchés tels que l'IA, GlobalFoundries acquiert la technologie du nitrure de gallium de Tagore Technology et les équipes associées
Jul 15, 2024 pm 12:21 PM
Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g
