Start Empfohlen Wie Deep Learning für verbesserte Cybersicherheit sorgen kann

Wie Deep Learning für verbesserte Cybersicherheit sorgen kann [Q&A]

6
0


Herkömmliche Cybersicherheit ist nicht unbedingt schlecht darin, Angriffe zu erkennen, das Problem ist jedoch, dass dies oft geschieht, nachdem sie aufgetreten sind.

Ein besserer Ansatz besteht darin, potenzielle Angriffe zu erkennen und sie zu blockieren, bevor sie Schaden anrichten können. Ein möglicher Weg, dies zu tun, ist das „Deep Learning“, das es der Technologie ermöglicht, den Unterschied zwischen Gut und Böse zu erkennen.

Wir sprachen mit Brooks Wallace, Vertriebsleiter für Cybersicherheit bei Tiefer Instinkt um mehr über diese innovative Lösung zu erfahren.

BN: Warum funktionieren traditionelle Ansätze zur Cybersicherheit nicht?

BW: Wenn man sich die Cybersicherheit ansieht, gab es schon immer diesen heiligen Gral der Prävention. Aber wir sehen das, weil traditionelle Cybersicherheitsunternehmen konventionelle Technologien und Ansätze des maschinellen Lernens verwenden, die sich auf die Erkennung konzentrieren, die Angriffe nicht verhindern, da sie zuerst ausgeführt werden müssen, um erkannt und behoben zu werden. Deep Learning kann dieses Problem lösen.

BN: Wie unterscheidet sich Deep Learning?

BW: Maschinelles Lernen basiert auf Daten, die einer Maschine gegeben werden, um den Unterschied zwischen Gut und Böse zu lernen, diese Daten werden von einer Person oder einer Organisation zusammengestellt und an die Maschine übergeben, um die Unterschiede zu verstehen. Dies hängt davon ab, dass jemand den Unterschied zwischen Gut und Böse erkennt, da es Daten geben kann, die eine Teilmenge von Daten sind, alle Daten, die als bösartig oder harmlos bekannt sind.

Ein Deep-Learning-Framework verwendet alle verfügbaren Rohdaten und es gibt keine menschliche Interaktion. Niemand sagt, das ist gut, das ist schlecht. Es arbeitet autonom, um die Unterschiede zu verstehen und trifft seine eigenen Entscheidungen. Dies ist wirklich mächtig, weil es ein großes Verständnis für die Unterschiede zwischen Gut und Böse aufbaut. Das bedeutet, dass Sie Angriffe verhindern können, bevor sie zuschlagen.

BN: Wie trägt dies zum Schutz des neuen Remote-Arbeitsmodells bei?

BW: Es ist autonom und trifft selbstständig Entscheidungen ohne jegliche Interaktion, auch ohne Verbindung zum Internet. Das ist für eine Reihe von Branchen sehr wichtig, wenn Sie im Außendienst sind, ist Ihr Gerät immer noch geschützt und weil dort ein Agent mit sehr geringem Platzbedarf sitzt.

Aufgrund seiner Struktur ist es bei der Lösung und Abwehr bekannter und unbekannter Bedrohungen ebenso effektiv. Es ist auch leistungsstark, da es keine ständigen Updates erfordert. Im Vergleich zu anderen Technologien von heute werden Sie all diesen Durcheinander und Lärm bei der Verwaltung Ihrer Geräte- oder sogar Netzwerksicherheit durch Deep Learning los.

BN: Ransomware-Angriffe sind derzeit eine große Neuigkeit, wie kann Deep Learning helfen, sie zu verhindern?

BW: Wir sehen einen massiven Anstieg ausgeklügelter nationalstaatlicher Ransomware mit Angriffen auf Unternehmen in ganz Europa und den USA. Colonial Pipeline zum Beispiel, Krankenhäuser werden angegriffen Universitäten in Großbritannien werden angegriffen, was zu Störungen und ernsthaften Ausfallzeiten für viele Organisationen führt, die dann ihre Zeit damit verbringen müssen, verlorene Vermögenswerte wiederherzustellen. Ransomware ist also derzeit das Größte in den Vorstandsetagen. Die Bereitstellung von Prävention bedeutet, die Ransomware stoppen zu können, bevor sie ausgeführt und Schaden angerichtet werden kann.

Ein Trend, den wir derzeit beobachten, ist AI Data Poisoning, bei dem bösartige Daten in das KI-Modell eingefügt und zum Angriff auf die Systeme verwendet werden. Wenn ein Hacker die an die KI übermittelten Daten vergiften kann, weiß die Maschine es nicht. Und das ist beängstigend, denn jetzt hat sich eine Hintertür geöffnet. Es gibt jetzt diesen KI-gegen-KI-Kampf, der in Echtzeit stattfindet. Deep Learning ermöglicht es Ihnen, eine Reihe von Techniken einzubauen, um diese Art von Datenvergiftung zu schützen und zu verhindern.

Es ist ein Zermürbungskrieg zwischen den Angreifern und den Guten, diesen Nationalstaaten oder kleinen Armeen von Hackern unter strenger Disziplin, um sich darauf zu konzentrieren, Geld oder Regierungsgeheimnisse zu stehlen oder einfach nur zu stören. Dies treibt die Entwicklung der nächsten Welle der Cybersicherheit und die Notwendigkeit von Deep Learning an.

BN: Wie stark spielt der Faktor Mensch eine Rolle?

BW: Das FBI behauptet, dass Cyberangriffe seit Beginn der Pandemie um mehr als 400 Prozent zugenommen haben, und dies liegt daran, dass die Menschen angefangen haben, von zu Hause aus zu arbeiten und ihre Laptops und Desktops in „schmutzigen“ häuslichen Umgebungen verwenden. Es ist dieser perfekte Sturm der Belastung der IT-Ressourcen für jedes Unternehmen. Früher war die Sicherheit in einem Containerraum in einem Büroraum und jeder war eingesperrt, heute gilt das nicht, es ist für niemanden zugänglich.

Die Leute klicken auf diese bösartigen Links, vielleicht weil sie es nicht besser wissen oder vielleicht nicht richtig aufgeklärt wurden. Vielleicht haben sie es einfach vergessen, vielleicht sind sie sich der gezielten Angriffe, die wir sehen, nicht bewusst.

Sicherheitsexperten schreien nach Veränderung, sie suchen nach Lösungen, die Deep Learning verwenden, weil sie wissen, dass die Bedrohung für die Benutzerbasis das Verhalten nicht ändern wird. Aber mit der richtigen Lösung auf dem Gerät, die Angriffe abwehren kann, bevor sie das System ausführen und seitlich infiltrieren können, werden sie sicherer.

BN: Wie funktioniert Deep Learning mit bestehenden Sicherheitslösungen und kann es auf jede Unternehmensgröße angewendet werden?

BW: Der beste Ansatz ist immer noch vielschichtig, aber Sie können dies für das Unternehmen viel kostengünstiger gestalten, indem Sie Ihren Sicherheits-Stack mit etwas erweitern, das auf Deep Learning basiert. Sie erhalten diese professionelle Front, die all die wachsame Müdigkeit, die Unternehmen erleben, die zu Burnout führt und zu allen Arten von Kosten führt, reduziert. Die Deep-Learning-Technologie ermöglicht es uns, die Betriebskosten eines gesamten Sicherheitsstapels zu senken und gleichzeitig einem Unternehmen mehr Effizienz zu bieten.

Kleinere Unternehmen drängen darauf, ihre Sicherheit von jemand anderem verwalten zu lassen, und wenden sich an MSSPs. Indem sie dies ihrem Sicherheits-Stack hinzufügen, können MSSPs den Zeitaufwand für die Verwaltung jedes ihrer einzelnen Konten reduzieren, was ihrem eigenen Endergebnis zugute kommt, aber auch mit immer weniger Warnungen und weniger Fehlalarmen effektiv für Sicherheit sorgt.

Bildnachweis: Melpomene/Shutterstock



Vorheriger ArtikelDie besten Windows 10-Apps dieser Woche
Nächster ArtikelFacebook wird dich dafür bezahlen, Informationen von dir zu sammeln

Kommentieren Sie den Artikel

Bitte geben Sie Ihren Kommentar ein!
Bitte geben Sie hier Ihren Namen ein