サイバーセキュリティにおける人工知能に関する 3 つの大きな誤解
小説でも映画でも、人工知能は何十年もの間、魅力的なテーマでした。フィリップ K. ディックが構想した合成人間はまだ SF の中にしか存在しませんが、人工知能は現実のものであり、私たちの生活のさまざまな側面でますます役割を果たしています。
人工知能の頭脳を備えたロボットについては賛否両論ありますが、より一般的で同様に強力な形式の人工知能がサイバーセキュリティにおいて役割を果たし始めています。目標は、AI を勤勉なセキュリティ専門家にとって戦力を増強するものにすることです。
DevoSOC Performance Report™ に見られるように、セキュリティ オペレーション センター (SOC) アナリストは、毎日画面に表示され続けるアラートの数に圧倒されることがよくあります。 「警戒疲れ」が業界全体のアナリストの燃え尽き症候群の原因として浮上している。
理想的には、AI は、SOC アナリストが、AI を効果的に利用して犯罪やスパイ行為を行う賢明だが冷酷な攻撃者に追いつく (そして先を行く) のに役立ちます。しかし幸いなことに、これはまだ起こっていません。
人工知能に関する 3 つの大きな誤解
Devo は、人工知能に関する見解を決定するために、200 人の IT セキュリティ専門家を対象に調査を実施するよう Wakefield Research に依頼しました。この調査では、脅威の検出、侵害リスクの予測、インシデント対応/管理など、さまざまな防衛分野にわたる AI の導入が対象となっています。
人工知能は、精通した悪意のある攻撃者や人材不足などに対応するのに苦労しているサイバーセキュリティ チームにとって、戦力を倍増させるものと考えられています。ただし、すべての AI がそれほど賢いわけではなく、ニーズと機能の不一致を考慮する以前の話です。
誤解 1: インテリジェンス主導のサイバーセキュリティはすでに存在しています
調査回答者全員が、組織が 1 つ以上の分野で人工知能を使用していると回答しました。最も使用される分野は IT 資産のインベントリ管理で、次に脅威の検出と侵害リスクの予測が続きます。
しかし、AI を使用して脅威アクターと直接戦うという点では、まだ本当の戦いではありません。回答者の約 67% は、組織による AI の使用は「問題の表面をなぞっただけである」と回答しました。
ここでは、回答者がサイバーセキュリティ プログラムにおける人工知能への組織の依存度をどのように見ているかを示します。
回答者の半数以上が、自分たちの組織は、少なくとも現時点では、人工知能に依存しすぎていると考えています。 AI への依存が適切であると考える回答者は 3 分の 1 未満で、組織が AI を十分に活用していないと考える人は少数です。
誤解 2: AI がセキュリティ問題を解決する
組織内での AI の使用によってもたらされる課題についての意見を尋ねたところ、回答者はその通りだと答えました。サイバーセキュリティに AI を使用することに問題がないと答えた回答者はわずか 11% でした。回答者の大多数は全く異なる見解を持っていました。
組織のセキュリティ スタック内のどこで AI 関連の課題が発生しているかと尋ねると、中核となるサイバーセキュリティ機能のパフォーマンスが低下しています。回答者の 53% が、IT 資産のインベントリ管理が AI の最大の問題領域であると回答しましたが、次の 3 つのサイバーセキュリティ カテゴリでも回答が不十分でした:
- 脅威検出 (33%)。
- サイバーセキュリティの強みとギャップを理解する (24%)。
- 侵害リスクの予測 (23%)。
興味深いことに、人工知能によってもたらされる課題としてインシデント対応を挙げた回答者はほとんどいませんでした (13%)。
誤解 3: 人工知能はインテリジェントであるため、効果的である必要があります
人工知能はすでにサイバーセキュリティに使用されていますが、その結果はまちまちであることは明らかです。 AI に関する最大の誤解は、すべての AI がその名前が示すほど「インテリジェント」であるわけではなく、組織のニーズと能力の不一致さえ考慮されていないということです。
サイバーセキュリティ業界は、「特効薬」ソリューションを見つけるのに長い間苦労してきました。人工知能は最新のものです。組織は、AI ソリューションを評価および導入する際に、思慮深く結果を重視する必要があります。組織は、AI テクノロジーの経験豊富な専門家と確実に連携する必要があります。そうしないと、エラーがほとんど許されない重要な領域で失敗することになります。
以上がサイバーセキュリティにおける人工知能に関する 3 つの大きな誤解の詳細内容です。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。

ホットAIツール

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
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

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
中国語版、とても使いやすい

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
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック

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、

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。

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。

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。

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

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。

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

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G
