Siber Muhbir

Tehdit ortamı geliştikçe ve hem savunucuların hem de saldırganların kullanabileceği araç setlerine üretken yapay zeka eklendikçe, çeşitli yapay zeka tabanlı güvenlik tekliflerinin göreceli etkinliğini değerlendirmek giderek daha önemli ve zor hale geliyor. Doğru soruları sormak, yalnızca pazarlama yutturmacası yerine değer ve yatırım getirisi sağlayan çözümleri belirlemenize yardımcı olabilir. "Tahmine dayalı yapay zeka araçlarınız yenilikleri yeterince engelleyebiliyor mu?" ve "Yapay zeka tarafından desteklenen bir siber güvenlik platformunda başarıya gerçekten ne işaret ediyor?" gibi sorular.

BlackBerry'nin AI ve ML (makine öğrenimi) patent portföyünün kanıtladığı gibi, BlackBerry bu alanda liderdir ve neyin işe yaradığı ve neden işe yaradığı konusunda son derece bilgili bir bakış açısı geliştirmiştir. Bu güncel konuyu inceleyelim.

Siber Güvenlikte Yapay Zekanın Evrimi

Makine öğrenimi ve yapay zekanın siber güvenlikteki ilk kullanımlarından bazıları, on yıldan uzun bir süre önce CylancePROTECT® EPP'nin (uç nokta koruma platformu) geliştirilmesine kadar uzanıyor. Üretken yapay zeka, tehdit aktörlerinin hızla yeni kod yazmasına ve test etmesine yardımcı olduğundan, yeni kötü amaçlı yazılım saldırılarını tahmin etmek ve önlemek günümüzde tartışmasız daha önemlidir. En son BlackBerry Küresel Tehdit İstihbaratı Raporu, yeni kötü amaçlı yazılım saldırılarında çeyrekten çeyreğe %13'lük bir artış olduğunu ortaya çıkardı. Bu saldırıları önlemek devam eden bir zorluktur, ancak neyse ki, saldırılardaki evrim, teknolojideki bir evrim tarafından karşılanmaktadır.

BlackBerry'nin veri bilimi ve makine öğrenimi ekipleri, tahmine dayalı yapay zeka araçlarının performansını artırmaya kendini adamıştır. Son üçüncü taraf testleri, Cylance ENDPOINT'in® yeni varyantlar için bile kötü amaçlı yazılım davranışlarını aktif olarak tahmin ederek tehditlerin %98,9'unu başarıyla engellediğini doğruladı. Bu başarı, denetimli insan etiketlemesinden bileşik bir eğitim yaklaşımına geçiş de dahil olmak üzere yapay zeka tekniklerinde on yıllık bir yenilik, deney ve evrimin sonucudur. Hem bulut hem de yerel ortamlarda denetimsiz, denetimli ve aktif öğrenmeyi birleştiren bu yaklaşım, zaman içinde kapsamlı veriler analiz edilerek rafine edildi ve yeni tehditleri doğru bir şekilde tahmin edebilen ve öngörebilen oldukça etkili bir modelle sonuçlandı.

Zamansal Avantaj: Zamanı Hesaba Katmak

Makine öğrenimi modellerinin kalitesi ve etkinliği genellikle boyut, parametreler ve performans açısından tartışılır. Bununla birlikte, makine öğrenimi modellerinin, özellikle siber güvenlikteki kritik yönü, tehditleri gerçek zamanlı olarak tespit etme ve bunlara yanıt verme yetenekleridir. Tehditlerin yürütmeden önce tanımlanması ve engellenmesi gereken kötü amaçlı yazılım yürütme öncesi koruması bağlamında, zamansal yön çok önemlidir.

Bir modelin hem geçmiş hem de gelecekteki saldırılara karşı performansını ölçen zamana bağlı dayanıklılık, tehdit algılama için gereklidir. Zamansal Tahmine Dayalı Avantaj (TPA), bir modelin özellikle sıfır gün tehditlerini tespit etmede zaman içinde performans gösterme yeteneğini değerlendirmek için kullanılan bir ölçümdür.

Bu test, modelleri geçmiş kötü amaçlı yazılım sınıflarıyla eğitmeyi ve bunları daha yeni kötü amaçlı yazılımlara karşı test ederek zaman içindeki performanslarını doğrulamayı içerir. Bu, özellikle her zaman buluta bağlı olmayan ve sık model güncellemelerinin mümkün olmayabileceği uç noktalar için önemlidir.

Bir modelin sık güncellemelere güvenmesi, olgunlaşmamışlığını gösterebilir. Buna karşılık, BlackBerry Cylance'in modeli, dördüncü nesil Cylance modeli için aylar boyunca TPA'yı gösteren grafikte gösterildiği gibi, sık model güncellemeleri olmadan yüksek algılama oranlarını koruyarak güçlü bir zamansal tahmin avantajı göstermiştir.

Koruma, model güncellemesi olmadan 18 aya kadar devam etti ve model olgunluğunu ve hassas model eğitimini ortaya koyuyor. Bu tesadüfen olmaz.

Olgun Yapay Zeka, Gelecekteki Kaçış Tehditlerini Tahmin Eder ve Önler, onu diğerlerinden ayıran yeni bir makine öğrenimi modeli çıkarım teknolojisine sahiptir. Daha önce hiç görmemiş olsa bile, bir şeyin tehdit olup olmadığını çıkarabilir veya "çıkarabilir". BlackBerry'nin yaklaşımı, makine öğrenimi kitaplıklarının ve model sunma araçlarının kullanıma sunulmasından önce yedi yıl önce tasarlanan bir kavram olan benzersiz bir hibrit dağıtılmış çıkarım yöntemini kullanır. Bu yaklaşımın sonucu, bu teknolojinin birçok nesli boyunca inovasyonun ve iyileştirmelerin zirvesini temsil eden en son modelimizdir.

Kötü Amaçlı Yazılımları Tahmin Etmek: En Olgun Cylance Modeli

Kapsamlı kötü amaçlı yazılım davranışı içgörülerine sahip geniş ve çeşitli veri kümeleri üzerine inşa edilen en son modelimiz, özellikle zamansal tahmin avantajı açısından performans açısından önceki tüm sürümleri geride bırakıyor. 500 milyondan fazla örnek ve değerlendirilen milyarlarca özellik ile BlackBerry Cylance AI, olağanüstü sonuçlar sunar ve dağıtılmış çıkarım için etkileyici bir hızla çalışır.

Makine öğrenimini siber güvenliğe uygulama konusunda ilerlemeye devam ederken, inovasyona olan bağlılığımız güçlü olmaya devam ediyor. Yapay zekanın düşmanlar tarafından artan kullanımı göz önüne alındığında, anlamlı sonuçlar veren etkili savunma amaçlı siber güvenlik önlemlerine öncelik vermek çok önemlidir.

Çok yıllı bir tahmin avantajına sahip olan Cylance AI, başlangıcından bu yana küresel olarak işletmeleri ve hükümetleri siber saldırılara karşı korudu. BlackBerry'nin Cylance yapay zekası, müşterilerin rakiplerine kıyasla %36 daha fazla kötü amaçlı yazılımı, 12 kat daha hızlı ve 20 kat daha az ek yük ile durdurmasına yardımcı oluyor Bu sonuçlar, tüm yapay zekaların aynı şekilde oluşturulmadığını gösteriyor. Ve tüm yapay zekalar Cylance yapay zekası değildir.