注目を集める脅威(ランサムウェアなど)のペースの増加は、 ダブル–桁(15.8%)の成長。 その結果、防御力を高めることなくサイバー攻撃の犠牲になった組織にとって、継続的な損失につながる可能性が最も高い危険な経路になります。 実際、IBMとPonemonInstituteによる2021年のデータ侵害レポート 明らかに データ漏えいの平均コストは424万ドルです。
サイバー攻撃は、コストを超えて、企業のブランド、株価、および日常業務に取り返しのつかない損害を与える可能性があります。 最近のデロイトによると 調査、回答者の32%が、サイバーインシデントまたは侵害の最大の影響として運用の中断を挙げています。 調査対象企業が挙げたその他の影響には、知的財産の盗難(22%)、株価の下落(19%)、評判の低下(17%)、顧客の信頼の喪失(17%)などがあります。
これらの重大なリスクを考えると、組織はデジタル資産の保護に関する現状を受け入れる余裕がありません。 「私たちが敵に先んじるには、世界は考え方を検出から予防に変える必要があります」とCaspi氏は言います。 「組織は、セキュリティの実行方法とハッカーとの戦い方を変える必要があります。」
ディープラーニングが違いになる可能性があります
これまで、多くのサイバーセキュリティの専門家は、機械学習をデジタル資産を保護するための最も革新的なアプローチと見なしてきました。 しかし、ディープラーニングは、サイバーセキュリティ攻撃を防ぐ方法を変えるのに理想的です。 あらゆる機械学習ツールを理解し、理論的にリバースエンジニアリングして、攻撃に対する防御を弱めるバイアスや脆弱性を導入することができます。 悪意のある攻撃者は、独自の機械学習アルゴリズムを使用して、防御ソリューションを誤ったデータセットで汚染する可能性もあります。
幸いなことに、ディープラーニングは、高度なスキルと経験を積んだデータサイエンティストがソリューションデータセットを手動でフィードする必要性を回避することで、機械学習の制限に対処します。 むしろ、サイバーセキュリティのために特別に開発されたディープラーニングモデルは、大量の生データを吸収して処理し、システムを完全にトレーニングすることができます。 これらのニューラルネットワークは、一度訓練されると自律的になり、人間の絶え間ない介入を必要としません。 生データベースの学習方法とより大きなデータセットのこの組み合わせは、ディープラーニングが最終的に機械学習よりもはるかに複雑なパターンをはるかに高速で正確に識別できることを意味します。
「ディープラーニングは、拒否リスト、ヒューリスティックベース、または標準の機械学習アプローチよりも優れています」と、多国籍企業であり、航空宇宙、パフォーマンスマテリアル、安全性と生産性を提供するHoneywell Building Technologies(HBT)のバイスプレジデントゼネラルマネージャーであるMirelSehicは述べています。テクノロジー。 「ディープラーニングベースのアプローチで特定の脅威を検出するのにかかる時間は、これらの要素を組み合わせたものよりもはるかに高速です。」
このコンテンツは、MITTechnologyReviewのカスタムコンテンツ部門であるInsightsによって作成されました。 MITTechnologyReviewの編集スタッフによって書かれたものではありません。