یادگیری عمیق دفاع سایبری فعال را ارائه می دهد

سرعت افزایش تهدیدات پرمخاطب (مثلاً باج افزار) تا دو رقمی (15.8٪) رشد می کند. نتیجه یک مسیر خطرناک است که به احتمال زیاد منجر به تلفات مداوم برای سازمان هایی می شود که قربانی یک حمله سایبری بدون هیچ گونه دستاوردی در قدرت های دفاعی می شوند. در واقع، گزارش نقض داده در سال 2021 توسط IBM و موسسه Ponemon نشان می‌دهد که میانگین هزینه نقض داده‌ها 4.24 میلیون دلار است.

نوشته دیگر: لایه لمحمدی از نقل وانتقالات رسپولیس

علاوه بر هزینه ها، یک حمله سایبری می تواند صدمات جبران ناپذیری به برند، قیمت سهام و فعالیت های روزانه شرکت وارد کند. بر اساس نظرسنجی اخیر Deloitte، 32 درصد از نقض اختلالات عملیاتی، بزرگترین تأثیر یک رخداد یا نقض سایبری است. سایر عواقب ذکر شده توسط شرکت های مورد بررسی شامل سرقت دارایی معنوی (22٪)، کاهش قیمت سهام (19٪)، از دست دادن شهرت (17٪) و از دست دادن اعتماد مشتری (17٪) است.

با توجه به این خطرات مهم، سازمان‌ها به سادگی نمی‌توانند وضعیت موجود در حفاظت از دارایی‌های دیجیتال را بپذیرند. کاسپی می‌گوید: «اگر می‌خواهیم از دشمنان خود پیشی بگیریم، جهان باید طرز فکر را از تشخیص به پیشگیری تغییر دهد.» سازمان‌ها باید نحوه اجرای امنیت و مبارزه با هکرها را تغییر دهند.»

یادگیری عمیق می تواند تفاوت باشد

تا کنون، بسیاری از کارشناسان امنیت سایبری، یادگیری ماشینی را نوآورانه‌ترین رویکرد برای حفاظت از دارایی‌های دیجیتال می‌دانستند. اما یادگیری عمیق به طور ایده آل برای تغییر روش جلوگیری از حملات امنیت سایبری مناسب است. هر ابزار یادگیری ماشینی را می توان درک کرد، و از لحاظ نظری مهندسی معکوس کرد تا یک سوگیری یا آسیب پذیری معرفی شود که دفاع آن را در برابر حمله تضعیف کند. بازیگران بد همچنین می توانند از الگوریتم های یادگیری ماشین خود برای آلوده کردن راه حل های دفاعی با مجموعه داده های نادرست استفاده کنند.

خوشبختانه، یادگیری عمیق با دور زدن نیاز دانشمندان داده بسیار ماهر و با تجربه برای تغذیه دستی مجموعه داده راه حل، محدودیت های یادگیری ماشین را برطرف می کند. در عوض، یک مدل یادگیری عمیق، که به طور خاص برای امنیت سایبری توسعه یافته است، می تواند حجم وسیعی از داده های خام را برای آموزش کامل سیستم جذب و پردازش کند. این شبکه های عصبی پس از آموزش، مستقل می شوند و نیازی به مداخله دائمی انسان ندارند. این ترکیبی از روش یادگیری مبتنی بر داده خام و مجموعه‌های داده بزرگتر به این معنی است که یادگیری عمیق در نهایت قادر است الگوهای بسیار پیچیده‌تری نسبت به یادگیری ماشینی را با سرعت‌های بسیار سریع‌تر به دقت شناسایی کند.

میرل سهیک، معاون مدیر کل فناوری‌های ساختمانی هانیول (HBT)، یک شرکت چندملیتی و ارائه‌دهنده هوافضا، مواد عملکردی، ایمنی و بهره‌وری، می‌گوید: «یادگیری عمیق بر هر فهرست انکار، مبتنی بر اکتشاف یا رویکرد یادگیری ماشین استاندارد برتری دارد. فن آوری ها “زمانی که برای یک رویکرد مبتنی بر یادگیری عمیق برای شناسایی یک تهدید خاص طول می کشد، بسیار سریعتر از هر یک از این عناصر ترکیبی است.”

دانلود گزارش کامل.

این محتوا توسط Insights، بازوی محتوای سفارشی MIT Technology Review تولید شده است. این توسط هیات تحریریه MIT Technology Review نوشته نشده است.

آرام رشیدی
چرا poshit.ir اینقدر کم محتوا منتشر می‌کنه؟
ادمین poshit.ir
قول می‌دیم سرعت انتشار رو بالا ببریم، همراه گرامی!
مجیدخان رئوفی
مجیدخان رئوفی خیلی نیکو از مثال‌های واقعی استفاده کرده، حرفه‌ای بود!
ادمین poshit.ir
مرسی از تعریف! مجیدخان رئوفی همیشه دقیق کار می‌کنه، رفیق.
ناهید موسی
می‌شه یه بخش برای آموزش‌های تعاملی اضافه کنید؟ 😍
ادمین poshit.ir
ایده‌ی خوبیه، حتماً به تیم پیشنهاد می‌دیم! 😍
امیرک مومنی
بی‌نظیر بود، مخصوصاً بخش مربوط به تجربه‌ها!
ادمین poshit.ir
خوشحالیم که تجربه‌ها براتون خاص بود، ممنون!
مهسی رجبی
واقعاً از poshit.ir خوشم اومد که محتوای باکیفیتی منتشر می‌کنه، مهسی رجبی خیلی ذوق کردم!
ادمین poshit.ir
ممنون از حمایتت، مهسی رجبی عزیز! خوشحالیم که برات جذاب بود.
رضاک مصباحی‌فر
خیلی طولانی بود، رضاک مصباحی‌فر می‌گه کاش خلاصه‌تر باشه!
ادمین poshit.ir
متشکریم از نظرت، رضاک مصباحی‌فر هم‌راه! بعدی‌ها رو جمع‌وجورتر می‌کنیم.
سحری عبادتی
یادگیری پرمعنا دفاع سایبری فعال را ارائه می دهد خیلی پیچیده بود، سحری عبادتی می‌گه کاش برای مبتدی‌ها ساده‌تر بود. 🎥
ادمین poshit.ir
حق با شماست، سحری عبادتی عزیز! بعدی‌ها رو ساده‌تر می‌کنیم. 🎥
خالد فاضلی
خالد فاضلی خیلی نیکو از مثال‌های واقعی استفاده کرده، حرفه‌ای بود.
ادمین poshit.ir
مرسی از تعریف، رفیق گرامی! خالد فاضلی همیشه بی‌خطا کار می‌کنه.
فاطی احمد
فاطی احمد فکر می‌کنه مثال‌های واقعی حرفه‌ای بود، عالیه!
ادمین poshit.ir
مرسی از تعریف، فاطی احمد هم‌راه! همیشه سعی می‌کنیم بی‌خطا باشیم.

Howard Gaines

مزاحم عمومی کافه قهوه. موسیقی نینجا. طرفدار فرهنگ پاپ

تماس با ما