這對于IT安全部門具有戰(zhàn)略重要性。成長中的組織并不總是能夠以與其擴展成正比的速度擴展后臺合規(guī)性和安全團隊，而使現(xiàn)有職能可以事半功倍。盡可能自動進行可減輕這些壓力，而不會影響合規(guī)性。

當(dāng)然，AI和ML解決方案并不是新的。我們已經(jīng)見證了采用AI自動化日常任務(wù)的成功，例如識別潛在的欺詐行為，對用戶進行身份驗證以及刪除用戶訪問權(quán)限。對于重復(fù)性任務(wù)(例如模式分析，源數(shù)據(jù)過濾)來確定諸如某物是否為事件以及是否為關(guān)鍵事件等因素，它是理想的選擇，因此不再需要諸如查看被阻止的電子郵件，網(wǎng)站和圖像之類的任務(wù)手動執(zhí)行(即由個人執(zhí)行)。

AI能夠同時識別多個數(shù)據(jù)點(這些數(shù)據(jù)點是欺詐的指標(biāo))的能力，而不是必須逐行進行調(diào)查的潛在事件，這也有助于極大地查明惡意行為。

很難在事件發(fā)生之前進行預(yù)測，但是ML可以幫助企業(yè)領(lǐng)先于潛在威脅-使用現(xiàn)有數(shù)據(jù)集，過去的結(jié)果以及類似組織的安全漏洞洞察力，都可以全面了解下一次攻擊何時發(fā)生。欺詐管理解決方案，安全事件和事件監(jiān)視(SIEM)，網(wǎng)絡(luò)流量檢測和端點檢測都利用學(xué)習(xí)算法來識別可疑活動(基于先前的使用數(shù)據(jù)和共享模式識別)，以建立“正常”的使用和標(biāo)記模式可能對組織構(gòu)成風(fēng)險的異常值。

此功能對于抵御網(wǎng)絡(luò)攻擊也至關(guān)重要。無需在事件發(fā)生后手動拖曳大量日志文件，而是可以實時識別已知的入侵方法并減輕在造成大量損害之前采取的措施。

其他應(yīng)用

迄今為止，使用AI的主要重點一直放在更多的技術(shù)安全元素上，例如檢測，事件管理和其他可重復(fù)任務(wù)。但是，這是早期的日子，它的采用將使許多其他領(lǐng)域受益。例如，治理，風(fēng)險與合規(guī)(GRC)要求安全專業(yè)人員處理大量數(shù)據(jù)，以發(fā)現(xiàn)風(fēng)險趨勢并了解不合規(guī)在何處導(dǎo)致事件。

AI``開銷''

關(guān)于AI的最初討論認為，它有望徹底改變信息安全操作并減少需要手動執(zhí)行的工作量。

如上所述，它無疑使得能夠探索新領(lǐng)域，同時比任何人工查看數(shù)據(jù)的人員更快地檢測攻擊。但是，這不是萬靈藥–它帶有經(jīng)常被遺忘的間接費用。