Sikring af Følsom Information med Kunstig Intelligens
Informationsikkerhedsområdet spiller en afgørende rolle i at beskytte en virksomheds kritiske data, personlige anliggender og virksomhedshemmeligheder mod at falde i de forkerte hænder. Denne sektor forsvarer mod datalæk, hacket, korruption af filer og forskellige former for cyberangreb. Både kommercielle og offentlige enheder skal beskytte deres data mod spionage og potentielt skadelige aktører internt.
Eksisterende metoder til at opdage ulovlige brugere er ofte tidskrævende og ineffektive. Heldigvis tilbyder fremskridt inden for kunstig intelligens (AI) en lovende løsning, idet det muliggør hurtig dataanalyse.
Forskere fra Perm National Research Polytechnic University (PNIPU) har trænet et neuralt netværk til hurtigt og præcist at identificere ulovlige netværksbrugere, hvilket styrker Ruslands informations suverænitet. Denne udvikling, offentliggjort i “Master’s journal,” er en del af det strategiske akademiske ledelsesprogram “Priority 2030”.
Begivenhedslogfiler som Værktøjer til Cybersikkerhed
Begivenhedslogfiler er afgørende for at sikre virksomheders informationssikkerhed. Disse databaser indeholder detaljer om forskellige system- eller netværksbegivenheder relateret til sikkerhed, hvilket muliggør analyse og sporing af aktiviteter, identificering af potentielle trusler og registrering af unormale adfærdsmønstre for at beskytte data.
Da store virksomhedssystemer genererer op til en million logindgange dagligt, har automatisering af analysen af sådanne store mængder strukturerede data vist sig at være ressourcekrævende og ofte forsinket. Reel-tids overvågning af systemlogfiler er afgørende for at opdage anomalier og straks reagere på sikkerhedshændelser, hvilket reducerer forbundne risici.
For at imødekomme denne udfordring foreslår forskere fra Perm Polytech at anvende AI. Ved at analysere omfattende brugeraktivitetsdata inden for informationsystemer har de trænet et neuralt netværk til at genkende skurkes adfærdsmønstre sammenlignet med lovlige brugere.
Effektiv og Pålidelig Indtrængningsdetektions AI-model
Polytekniske forskere valgte en perceptron-baseret computermodel, en enkel, men effektiv type neuralt netværk. Binære data, der repræsenterer systembrugere, fungerede som inputparametre, hvor ‘0’ indikerer lovlige brugere og ‘1’ betegner ulovlige. Det neurale netværk blev trænet ved hjælp af over 700 datatyper fra mere end 1.500 brugere.
Sammenlignende analyse mod en anden type neuralt netværk viste, at perceptronbaseret netværk mere præcist adskiller ulovlige og lovlige brugere. Denne nye AI-metode viste sig at reducere chancerne for begge typer fejl – at tage fejl af en lovlig bruger for en indtrænger og vice versa – med 20%. Denne implementering lover at øge pålideligheden og hjælpe med at opdage uautoriserede brugere inden for informationsystemer.
Perm Polytechs udvikling demonstrerer, at en AI-baseret metode er særlig velegnet til virksomhedsprogrammer. Den kræver minimal hukommelse, kører hurtigt og kan analysere betydelige datamængder effektivt.
The source of the article is from the blog oinegro.com.br