Voici ce qui compte le plus en mati\u00e8re d\u2019intelligence artificielle (IA) en cybers\u00e9curit\u00e9\u00a0: les r\u00e9sultats. <\/p>\n
\u00c0 mesure que le paysage des menaces \u00e9volue et l’IA g\u00e9n\u00e9rative est ajout\u00e9e<\/a> aux ensembles d’outils disponibles aussi bien pour les d\u00e9fenseurs que pour les attaquants, \u00e9valuant l’efficacit\u00e9 relative de divers S\u00e9curit\u00e9 bas\u00e9e sur l’IA<\/a> les offres sont de plus en plus importantes \u2013 et difficiles. Poser les bonnes questions peut vous aider \u00e0 identifier des solutions qui offrent de la valeur et un retour sur investissement, au lieu d’un simple battage publicitaire. Des questions telles que \u00ab\u00a0Vos outils d’IA pr\u00e9dictive peuvent-ils bloquer suffisamment les nouveaut\u00e9s\u00a0?\u00a0\u00bb et “Qu’est-ce qui signale r\u00e9ellement le succ\u00e8s d’une plate-forme de cybers\u00e9curit\u00e9 aliment\u00e9e par l’intelligence artificielle\u00a0?”<\/p>\n Comme l’atteste le portefeuille de brevets IA et ML (apprentissage automatique) de BlackBerry, BlackBerry est un leader dans ce domaine et a d\u00e9velopp\u00e9 un point de vue exceptionnellement bien inform\u00e9 sur ce qui fonctionne et pourquoi. Explorons ce sujet d’actualit\u00e9.<\/p>\n Certaines des premi\u00e8res utilisations du ML et de l’IA en mati\u00e8re de cybers\u00e9curit\u00e9 remontent au d\u00e9veloppement du CylancePROTECT\u00ae EPP (plateforme de protection des points finaux<\/a>) il y a plus de dix ans. Pr\u00e9dire et pr\u00e9venir les nouvelles attaques de logiciels malveillants est sans doute plus crucial aujourd\u2019hui, car l\u2019IA g\u00e9n\u00e9rative aide les acteurs malveillants \u00e0 \u00e9crire et tester rapidement du nouveau code. Le BlackBerry le plus r\u00e9cent Rapport mondial sur les renseignements sur les menaces<\/a> a d\u00e9couvert une augmentation de 13 % des nouvelles attaques de logiciels malveillants d’un trimestre \u00e0 l’autre. La pr\u00e9vention de ces attaques est un d\u00e9fi permanent, mais heureusement, l\u2019\u00e9volution des attaques s\u2019accompagne d\u2019une \u00e9volution technologique.<\/p>\n Les \u00e9quipes de science des donn\u00e9es et d’apprentissage automatique de BlackBerry se consacrent \u00e0 l’am\u00e9lioration des performances de leurs outils d’IA pr\u00e9dictive. Des tests tiers r\u00e9cents confirment que Cylance ENDPOINT\u00ae bloque avec succ\u00e8s 98,9 % des menaces en pr\u00e9disant activement le comportement des logiciels malveillants, m\u00eame pour les nouvelles variantes. Cette r\u00e9alisation est le r\u00e9sultat d\u2019une d\u00e9cennie d\u2019innovation, d\u2019exp\u00e9rimentation et d\u2019\u00e9volution des techniques d\u2019IA, y compris le passage d\u2019un \u00e9tiquetage humain supervis\u00e9 \u00e0 une approche de formation composite. Cette approche, qui combine un apprentissage non supervis\u00e9, supervis\u00e9 et actif dans des environnements cloud et locaux, a \u00e9t\u00e9 affin\u00e9e en analysant de nombreuses donn\u00e9es au fil du temps, ce qui a abouti \u00e0 un mod\u00e8le tr\u00e8s efficace capable de pr\u00e9dire et d’anticiper avec pr\u00e9cision les nouvelles menaces.<\/p>\n La qualit\u00e9 et l’efficacit\u00e9 des mod\u00e8les ML sont souvent discut\u00e9es en termes de taille, de param\u00e8tres et de performances. Cependant, l\u2019aspect critique des mod\u00e8les ML, notamment en mati\u00e8re de cybers\u00e9curit\u00e9, r\u00e9side dans leur capacit\u00e9 \u00e0 d\u00e9tecter et \u00e0 r\u00e9pondre aux menaces en temps r\u00e9el. Dans le contexte de la protection pr\u00e9-ex\u00e9cution des malwares, o\u00f9 les menaces doivent \u00eatre identifi\u00e9es et bloqu\u00e9es avant ex\u00e9cution, l\u2019aspect temporel est crucial.<\/p>\n La r\u00e9silience temporelle, qui mesure les performances d’un mod\u00e8le face aux attaques pass\u00e9es et futures, est essentielle pour la d\u00e9tection des menaces. Temporal Predictive Advantage (TPA) est une mesure utilis\u00e9e pour \u00e9valuer la capacit\u00e9 d’un mod\u00e8le \u00e0 fonctionner dans le temps, en particulier pour d\u00e9tecter les menaces du jour z\u00e9ro.<\/p>\n Ces tests impliquent de former des mod\u00e8les avec des classes de logiciels malveillants ant\u00e9rieures et de les tester par rapport \u00e0 des logiciels malveillants plus r\u00e9cents, validant ainsi leurs performances au fil du temps. Ceci est particuli\u00e8rement important pour les points finaux qui ne sont pas toujours connect\u00e9s au cloud, pour lesquels des mises \u00e0 jour fr\u00e9quentes du mod\u00e8le peuvent ne pas \u00eatre possibles.<\/p>\n Le fait qu’un mod\u00e8le d\u00e9pende de mises \u00e0 jour fr\u00e9quentes peut indiquer son immaturit\u00e9. En revanche, le mod\u00e8le de BlackBerry Cylance a d\u00e9montr\u00e9 un fort avantage pr\u00e9dictif temporel, maintenant des taux de d\u00e9tection \u00e9lev\u00e9s sans mises \u00e0 jour fr\u00e9quentes du mod\u00e8le, comme l’illustre le graphique montrant le TPA sur plusieurs mois pour le mod\u00e8le Cylance de quatri\u00e8me g\u00e9n\u00e9ration.<\/p>\n\u00c9volution de l’IA dans la cybers\u00e9curit\u00e9<\/strong><\/h2>\n
Avantage temporel\u00a0: prendre en compte le temps<\/strong><\/h2>\n
![\"\"](\"https:\/\/teknomers.com\/fr\/wp-content\/uploads\/2023\/11\/IA-predictive-en-cybersecurite-les-resultats-demontrent-que-toutes-les.png\")
<\/a><\/td>\n<\/tr>\n