Périphériques technologiques
IA
Trois malentendus majeurs sur l'intelligence artificielle en cybersécurité
Trois malentendus majeurs sur l'intelligence artificielle en cybersécurité
Que ce soit dans les romans ou les films, l'intelligence artificielle est un sujet fascinant depuis des décennies. Alors que les humains synthétiques imaginés par Philip K. Dick n’existent encore que dans la science-fiction, l’intelligence artificielle est réelle et joue un rôle croissant dans de nombreux aspects de nos vies.
Bien qu'il existe des arguments pour et contre les robots dotés d'un cerveau doté d'une intelligence artificielle, une forme d'intelligence artificielle plus courante et tout aussi puissante commence à jouer un rôle dans la cybersécurité. L’objectif est de faire de l’IA un multiplicateur de force pour les professionnels de la sécurité qui travaillent dur.
Comme le montre le DevoSOC Performance Report™, les analystes du Security Operations Center (SOC) sont souvent submergés par le nombre d'alertes qui continuent d'apparaître sur leurs écrans chaque jour. La « fatigue de la vigilance » est devenue une cause d’épuisement professionnel des analystes dans l’ensemble du secteur.
Idéalement, l'IA peut aider les analystes SOC à suivre (et à garder une longueur d'avance) sur les acteurs malveillants intelligents et impitoyables qui exploitent efficacement l'IA pour des opérations criminelles ou d'espionnage. Mais heureusement, cela ne s’est pas encore produit.
Trois grandes idées fausses sur l'intelligence artificielle
Devo a chargé Wakefield Research de mener une enquête auprès de 200 professionnels de la sécurité informatique afin de déterminer leur point de vue sur l'intelligence artificielle. L'enquête couvre la mise en œuvre de l'IA dans une gamme de disciplines de défense, notamment la détection des menaces, la prévision des risques de violation et la réponse/gestion des incidents.
L'intelligence artificielle est considérée comme un multiplicateur de force pour les équipes de cybersécurité qui tentent de rattraper les acteurs malveillants avisés, les pénuries de talents, etc. Cependant, toutes les IA ne sont pas aussi intelligentes, et ce sans même prendre en compte l’inadéquation des besoins et des capacités.
Mythe 1 : La cybersécurité basée sur le renseignement est déjà là
Tous les répondants à l'enquête ont déclaré que leur organisation utilisait l'IA dans un ou plusieurs domaines. Le domaine le plus utilisé est la gestion de l’inventaire des actifs informatiques, suivi de la détection des menaces et de la prévision des risques de violation.
Mais en ce qui concerne l’utilisation de l’IA pour lutter directement contre les acteurs menaçants, ce n’est pas encore vraiment une bataille. Quelque 67 % des personnes interrogées ont déclaré que l’utilisation de l’IA par leur organisation « ne fait qu’effleurer la surface du problème ».
Voici un aperçu de la manière dont les personnes interrogées perçoivent le recours de leur organisation à l'intelligence artificielle dans les programmes de cybersécurité.
Plus de la moitié des personnes interrogées estiment que leur organisation – du moins pour l'instant – dépend trop de l'intelligence artificielle. Moins d’un tiers des personnes interrogées estiment que le recours à l’IA est approprié, tandis qu’une minorité estime que leurs organisations n’en font pas assez dans ce domaine.
Mythe 2 : L'IA résoudra les problèmes de sécurité
Quand on leur demande leur point de vue sur les défis posés par l'utilisation de l'IA dans leurs organisations, les personnes interrogées ont répondu la vérité. Seulement 11 % des personnes interrogées ont déclaré n’avoir aucun problème à utiliser l’IA pour la cybersécurité. La grande majorité des personnes interrogées avaient un point de vue très différent.
Lorsqu'on leur demande où se situent les défis liés à l'IA au sein de la pile de sécurité de leur organisation, les fonctions principales de cybersécurité fonctionnent mal. 53 % des personnes interrogées ont déclaré que la gestion de l'inventaire des actifs informatiques est le principal problème de l'IA, mais les réponses étaient également insatisfaisantes dans trois catégories de cybersécurité :
- Détection des menaces (33 %).
- Comprendre les forces et les lacunes de la cybersécurité (24 %).
- Prévision du risque de violation (23%).
Fait intéressant, très peu de personnes interrogées (13 %) ont mentionné la réponse aux incidents comme un défi apporté par l'intelligence artificielle.
Mythe 3 : L'IA est intelligente, elle doit donc être efficace
Il est clair que même si l'IA est déjà utilisée en cybersécurité, les résultats sont mitigés. La plus grande idée fausse à propos de l’IA est que toutes les IA ne sont pas aussi « intelligentes » que son nom l’indique, et cela sans même prendre en compte l’inadéquation entre les besoins et les capacités de l’organisation.
Le secteur de la cybersécurité se concentre depuis longtemps sur la recherche de solutions « miracles ». L'intelligence artificielle est la dernière en date. Les organisations doivent être réfléchies et axées sur les résultats lors de l’évaluation et du déploiement de solutions d’IA. Les organisations doivent s’assurer de travailler avec des experts expérimentés en technologie de l’IA, sinon elles échoueront dans un domaine critique avec peu de marge d’erreur.
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)
Sujets chauds
1359
52
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
SK Hynix présentera de nouveaux produits liés à l'IA le 6 août : HBM3E à 12 couches, NAND à 321 hauteurs, etc.
Aug 01, 2024 pm 09:40 PM
Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière
