目次
人工知能はセキュリティ分野で人間に取って代わるのでしょうか?
サイバーセキュリティに機械学習を導入する方法
サイバーセキュリティにおける機械学習の将来
ホームページ テクノロジー周辺機器 AI サイバーセキュリティで機械学習と人工知能を使用する方法

サイバーセキュリティで機械学習と人工知能を使用する方法

Apr 12, 2023 pm 08:52 PM
AI サイバーセキュリティ

サイバーセキュリティで機械学習と人工知能を使用する方法

サイバー犯罪者は、攻撃を実行する新しい方法を常に模索していますが、人工知能 (AI) とそのサブセットである機械学習のおかげで、これらの攻撃を自動的に防御することが可能です。

その秘密は、ネットワーク トラフィックを監視し、システム内で何が正常であるかを理解し、この情報を使用して不審なアクティビティにフラグを立てる機械学習の能力にあります。このテクノロジーの名前が示すように、企業が毎日収集する膨大な量のセキュリティ データを活用でき、時間の経過とともに効果が高まります。

この時点で、マシンが異常を検出すると、措置を講じる必要があるかどうかを判断するために人間 (通常はセキュリティ アナリスト) にアラートを送信します。しかし、一部の機械学習システムは、特定のユーザーへのアクセスを制限するなど、すでに独自に対応できるようになっています。

人工知能はセキュリティ分野で人間に取って代わるのでしょうか?

自動化と人工知能の話はしばしば雇用の喪失につながりますが、セキュリティ業界では、機械学習は既存の専門知識を補完するために導入されています。それを置き換えます。

これらのシステムは自律的に動作するように設計されているのではなく、人間の作業者の効率的な作業の妨げとなるタスクを処理するように設計されています。たとえば、AI はデータの処理に非常に優れており、データをさらなる分析に使用できますが、このタスクには依然として人間が非常に必要とされています。

ただし、Moonpig のサイバーセキュリティ責任者である Tash Norris 氏によると、AI データ分析には他の利点も得られます。 IT Pro チームのメンバーとして、同氏は「アナリストは自然に、以前に確認した相関関係、または確認できると予想される相関関係を探すでしょう」と述べました。

「人工知能を真に実装するには、『偏りのない』相関関係を導き出し、所有するデータセットからより多くの価値を引き出すことができる必要があります。」

パネリストは、人工知能の導入が最も賢明な場所であることに同意しました。インテリジェンスおよび機械学習システム向けの機能は、SIEM、SOAR、EDR などのタスクを含む、検出および対応機能の広範なカテゴリに属します。これらのより手動のプロセスを自動化することで、従業員は AI を戦力増強手段として使用してセキュリティ チームの能力を拡張し、より危険な脅威に対処できるようになります。

Darktrace のテクニカル ディレクターである Dave Palmer 氏は次のように述べています:「機械学習を導入することで、企業はより効果的に優先順位を付けることができます。私たちは人的リスクに関する意思決定を排除しませんが、戦術的な消火活動を許可しているので、チームは安全です。

ケンブリッジを拠点とする AI スタートアップ企業は最近 Microsoft と提携し、クラウドに移行する組織に AI で強化されたサイバーセキュリティを提供しました。このパートナーシップは、電子メール セキュリティ、データ統合、合理化されたセキュリティ ワークフローなどの「重要な分野」におけるセキュリティ課題の解決に焦点を当てています。これには、Darktrace の人工知能テクノロジーを使用して最先端の電子メール脅威をブロックする Microsoft Azure ホスティング Antigena Email が含まれており、Azure Marketplace でも入手できます。

ダークトレースの電子メールセキュリティ製品担当ディレクター、ダン・フェイナット氏は、この人工知能スタートアップ企業は「攻撃者がCEOになりすましたり、ベンダーアカウントを侵害したりして、正当に見える標的を絞ったホットメッセージを送信する『電子メール』」を毎日目撃していると警告した。

「これらの攻撃がより巧妙になるにつれて、従業員の教育と意識だけでは十分ではありません。答えはテクノロジーにあります。」と彼は付け加えました。

英国のサイバーセキュリティスタートアップ Cyber​​lytic の CEO、スチュアート レイドロー氏も、機械学習を使用してセキュリティ アナリストの作業負荷を軽減することを提唱しています。 「ノイズを減らすことが重要です。これらの人々は本業で忙しく、すべてに反応することはできません。私たちはトリアージを行うために機械学習を使用しています。」

クラウド セキュリティ会社の共同創設者、ジーン スティーブンスProtectWise は、機械学習がその最大の可能性を発揮するのは、さまざまなエキスパート システムの出力を解釈し、それらを統合する場合であると述べています。 「人間はそれを合理化するために多くの時間を費やします。機械学習はこれらのパターンを取得してデータを整理するのが得意なので、人間はネットワーク上のトラフィックを高度に統合できます。」

機械学習ユーザーの行動分析にも使用できます。たとえば、Auriga Consulting の最高技術責任者である Jamal Elmellas 氏は、「誰かが毎日 08:55 にログインし、その後時刻が 01:00 に変わると、システムはこれを不審な動作としてフラグを立てます。」

サイバーセキュリティに機械学習を導入する方法

テクノロジーが進化し続けるにつれて、実行可能なユースケースの数も増えています。

一例として異常検出が挙げられますが、これは自動化によって変革されています。これは主に、最小限のトレーニングでシステムを開始できるため、テクノロジをタスクに適用するのが比較的簡単であるためです。

ケンブリッジの VASCO イノベーション センターのセキュリティ アーキテクトである Steven Murdoch 氏は、「一連のデータをフィードし、異常に見えるものにはフラグを立てます。」と述べています。 「これは侵入防御に使用できます。」

機械学習も低コストで利用できます。クラウドと同様に、製品は多くの場合無料で試用できます。さらにレイドロー氏は、アマゾン ウェブ サービス(AWS)などの企業がAIコンポーネントを提供していると述べた。 「一部のソリューションでは、接続するだけで、数人のデータ サイエンティストが異常を発見できるようになります。」

パーマー氏は次のようにアドバイスします:「それがあなたのビジネスにどのように適合するかを理解してください。分野としての人工知能は非常に包括的です。書籍やトレーニング コースはオンラインで入手できます。」

もちろん、他の新しいテクノロジーと同様に、すべて同じです。克服しなければならない欠点がいくつかあります。サイバー犯罪者も人工知能を利用して企業を攻撃する可能性があるため、すべての専門家が機械学習にサイバーセキュリティの明るい未来があると確信しているわけではありません。これには、ハッカーが防御システムをだまして、その所有者に敵対する可能性が含まれます。

機械学習にも限界があります。 SecureData社の最高セキュリティ戦略責任者であるCharl van der Walt氏は、多くのサイバー攻撃は機械学習が識別するよう訓練されたパターンに適合しないと述べた。 「敵対者は柔軟で、常に変化しています。そのため、敵対的なパターンを持つデータセットを見つけるのは困難です。」

ティーサイド大学の機械知能研究グループのリーダー、イーフェン・ゼン博士は次のように述べています。正確な予測を行うことが最大の課題です。さらに同氏は、「機械学習を利用することで、企業は以前の攻撃に対処できると主張しているが、新たな攻撃にはどのように対処するのだろうか?サイバーセキュリティにおける重要な問題は、将来の攻撃を予測することだ。では、過去のデータをどのように使って予期せぬ事態を特定するのか?パターン?

サイバーセキュリティにおける機械学習の将来

課題にもかかわらず、サイバーセキュリティの専門家は、機械学習は今後も存続すると信じています。テクノロジーが進歩するにつれて、いつ攻撃を受けているかを理解し、自らを守るための措置を講じるプログラムが登場する可能性があります。

一方、パーマー氏は、「機械は人間がさまざまなタイプの攻撃にどのように反応するか、そしてそれをどのように調査するかを研究できるかもしれない。たとえば、『あなたの状況にある人ならどうするだろうか?

さらに、機械学習システムは、予測に使用するだけでなく、敵を欺くために間もなく導入されるだろうと示唆されています。何それは悪いことです。

「これには、環境を人為的に作り変えて、動く標的にし、敵が多数の真っ赤なニシンを追いかけるように仕向ける必要がある」とヴァンダーウォルト氏は語った。

これには、本物に見えるが実際ではないファイルやシステムなど、敵対者のための偽のターゲットを作成することが含まれる場合があります。 「機械学習についての別の考え方を紹介します。欺瞞は防御戦略です。」

当時、AI と機械学習はどのようにして企業のサイバーセキュリティ戦略の一部となり得たのでしょうか? それには大きな可能性がありますが、テクノロジーは企業の唯一のセキュリティ手段ではなく、全体的な防御の一部です。レイドロー氏は今のところ、「自分の至宝がどこにあるのかを把握し、最も価値のあるものを保護し、その保護の一環として AI を使用すること」とアドバイスしています。

以上がサイバーセキュリティで機械学習と人工知能を使用する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

Bytedance Cutting が SVIP スーパー メンバーシップを開始: 継続的な年間サブスクリプションは 499 元で、さまざまな AI 機能を提供 Bytedance Cutting が SVIP スーパー メンバーシップを開始: 継続的な年間サブスクリプションは 499 元で、さまざまな AI 機能を提供 Jun 28, 2024 am 03:51 AM

このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

Rag と Sem-Rag を使用したコンテキスト拡張 AI コーディング アシスタント Rag と Sem-Rag を使用したコンテキスト拡張 AI コーディング アシスタント Jun 10, 2024 am 11:08 AM

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

GenAI および LLM の技術面接に関する 7 つのクールな質問 GenAI および LLM の技術面接に関する 7 つのクールな質問 Jun 07, 2024 am 10:06 AM

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

微調整によって本当に LLM が新しいことを学習できるようになるのでしょうか: 新しい知識を導入すると、モデルがより多くの幻覚を生成する可能性があります 微調整によって本当に LLM が新しいことを学習できるようになるのでしょうか: 新しい知識を導入すると、モデルがより多くの幻覚を生成する可能性があります Jun 11, 2024 pm 03:57 PM

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

新しい科学的で複雑な質問応答ベンチマークと大規模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大学、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。 新しい科学的で複雑な質問応答ベンチマークと大規模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大学、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。 Jul 25, 2024 am 06:42 AM

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

SOTA パフォーマンス、厦門マルチモーダルタンパク質-リガンド親和性予測 AI 手法、初めて分子表面情報を結合 SOTA パフォーマンス、厦門マルチモーダルタンパク質-リガンド親和性予測 AI 手法、初めて分子表面情報を結合 Jul 17, 2024 pm 06:37 PM

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性​​を実証しています。 「S」で始まる関連研究

あなたが知らない機械学習の 5 つの流派 あなたが知らない機械学習の 5 つの流派 Jun 05, 2024 pm 08:51 PM

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

SKハイニックスは8月6日に12層HBM3E、321層NANDなどのAI関連新製品を展示する。 SKハイニックスは8月6日に12層HBM3E、321層NANDなどのAI関連新製品を展示する。 Aug 01, 2024 pm 09:40 PM

8月1日の本サイトのニュースによると、SKハイニックスは本日(8月1日)ブログ投稿を発表し、8月6日から8日まで米国カリフォルニア州サンタクララで開催されるグローバル半導体メモリサミットFMS2024に参加すると発表し、多くの新世代の製品。フューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) の紹介。以前は主に NAND サプライヤー向けのフラッシュ メモリ サミット (FlashMemorySummit) でしたが、人工知能技術への注目の高まりを背景に、今年はフューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) に名前が変更されました。 DRAM およびストレージ ベンダー、さらに多くのプレーヤーを招待します。昨年発売された新製品SKハイニックス

See all articles