AI i machine learning w służbie bezpieczeństwa

Przeczytaj także: Nowe technologie: 7 najważniejszych trendów 2019

AI & Machine Learning - komu to potrzebne?

Zasadniczym zadaniem, jakie stawiane jest przed uczeniem maszynowym, jest analiza gigantycznych rozmiarów zbiorów danych i automatyzacja jak najpokaźniejszej liczby procesów. Nie jest zatem zaskoczeniem, że coraz częściej wykorzystuje się je przy projektowaniu systemów bezpieczeństwa IT. Służy ono m.in. monitorowaniu zachowań użytkowników w sieci, analizie parametrów z urządzeń sieciowych czy logów użytkowników.

Dziwić nie powinno również rosnące grono firm, które decydują się na wykorzystanie inteligentnych algorytmów w różnych sferach swojej działalności. Z ubiegłorocznych badań Cisco wynika, że 80% średnich firm i 85% korporacji automatyzuje swoje procesy, a 75% korzysta z uczenia maszynowego. Ponad 70% średnich i dużych przedsiębiorstw deklaruje również wykorzystanie sztucznej inteligencji.

Machine learning na straży bezpieczeństwa

Według badania Capgemini Research Institute z kolei, do 2020 roku, ponad dwie trzecie firm wprowadzi AI do swoich systemów bezpieczeństwa. Dlaczego aż tyle? Ponieważ w tej dziedzinie, danych do przetworzenia jest nieskończenie wiele. 60% organizacji objętych badaniem zgodnie twierdzi, że wdrożenie inteligentnych algorytmów pomoże im w walce z cyberzagrożeniami dzięki niższym kosztom wykrycia i likwidacji zagrożenia, krótszym czasie reakcji, oraz zwiększeniu dokładności systemów wykrywających malware.

-W jaki sposób rozwiązania oparte na machine learning przewyższają dotąd stosowane metody walki z cyberzagrożeniami? Są wielopoziomowe – tłumaczy Karolina Dzierżyńska, redaktor Centrum Bezpieczeństwa Xopero Software. – Eksperci mają do dyspozycji platformę do behawioralnej analizy zbiorów big data, zestaw metod wykrywania anomalii, mechanizm umożliwiający uzyskiwanie informacji zwrotnej oraz moduł uczenia maszynowego.

Koszt czy oszczędność?

Wprawdzie wdrożenie AI jest drogie, jednak oszczędności w długiej perspektywie czasu mówią same za siebie. Przykład? Samouczący się program w serwerowni Google, który badał systemy podłączonych urządzeń pozwolił na obniżenie kosztów eksploatacji procesów chłodzenia niemal o połowę. Dodatkowo, raz zaprogramowana maszyna pomogła znacząco obniżyć koszty zasobów ludzkich.

Tak naprawdę wykorzystanie elementów sztucznej inteligencji w podstawowych produktach do zabezpieczania sieci, jak chociażby programy antywirusowe, powoduje, że są one dostępne dla każdego - małych firm, a nawet użytkowników domowych.

ML i AI - ograniczenia

Zanim zaczniemy rozważać skorzystanie z rozwiązań ML czy AI, warto zwrócić uwagę na ich ograniczenia. W przypadku problemów o znikomej istotności prawdopodobnie lepiej sprawdzą się tradycyjne metody ich rozwiązania. Podobnie będzie w przypadku niewielkiej ilości danych do analizy - człowiek poradzi sobie z nimi w rozsądnym czasie. Należy również pamiętać, że inteligentne rozwiązania mają swój margines błędu i wymagają kontroli.

Naukowcy z MIT wyodrębnili trzy kolejne czynniki ograniczające samouczenie maszyn w cyberbezpieczeństwie. Wiele firm nie posiada systemu znakowania dotychczasowych ataków, przez co system AI nie ma dostatecznych danych, aby rozpocząć naukę. Praca analityków jest czasochłonna i droga, a systemy – jak nowoczesne i sprawne by nie były – wciąż będą potrzebować nadzoru. Na dodatek, przestępcze oprogramowanie stale ewoluuje - inteligentne oprogramowanie nie zawsze jest w stanie przewidzieć nowatorskie metody hakerów.

Największą barierą wciąż pozostaje czas oraz budżet. Mimo dużych oszczędności, wdrożenie AI wiąże się ze sporą inwestycją, która wymaga czasu, zanim przyniesie zwrot.

Miecz o dwóch ostrzach

Należy również pamiętać, że sztuczna inteligencja i uczenie maszynowe mogą zostać wykorzystane po drugiej stronie barykady i posłużyć przestępcom do przeprowadzenia ataków opartych o szczegółową analizę danych. Na szczęście, na razie nie są one powszechnie stosowane. Przestępcy wolą bowiem sprawdzone rozwiązania, które przyniosą im zyski szybko i tanio.