サイバーセキュリティにおける AI に関する 3 つの誤解

サイバーセキュリティにおける AI に関する 3 つの誤解

フィクションでも映画でも、人工知能は何十年にもわたって魅力的なテーマであり続けています。フィリップ・K・ディックが描いた合成人間はまだSFの世界だけに存在しますが、人工知能は現実のものであり、私たちの生活の多くの側面でますます重要な役割を果たしています。

AI 脳を持つロボットについては賛成派と反対派の議論がある一方で、より日常的で同等に強力な形態の AI がサイバーセキュリティで役割を果たし始めています。目標は、勤勉なセキュリティ専門家にとって AI を力の倍増器にすることです。

DevoSOC パフォーマンス レポート™ に示されているように、セキュリティ オペレーション センター (SOC) アナリストは、毎日画面に絶えず表示されるアラートの数に圧倒されることがよくあります。 「アラート疲労」が業界全体でアナリストの燃え尽き症候群の原因として浮上しています。

理想的には、AI は、犯罪活動やスパイ活動に AI を効果的に使用している賢く冷酷な脅威アクターに SOC アナリストが追いつく (そして先手を打つ) のに役立ちます。しかし幸いなことに、これはまだ起こっていません。

人工知能に関する3つの大きな誤解

Devo は、人工知能に関する見解を調べるために、200 人の IT セキュリティ専門家を対象に Wakefield Research に調査を依頼しました。この調査では、脅威の検出、侵害リスクの予測、インシデント対応/管理など、さまざまな防御分野にわたる AI の実装をカバーしています。

人工知能は、巧妙な悪意ある行為者や人材不足などに対抗しようと奮闘しているサイバーセキュリティ チームにとって、戦力増強の手段となると考えられています。しかし、すべての AI が同じように作られているわけではありません。これは、ニーズと機能の不一致を考慮する前の話です。

誤解1: インテリジェンス主導のサイバーセキュリティはすでに到来している

調査回答者全員が、自社が 1 つ以上の分野で AI を使用していると回答しました。最も使用されている分野は IT 資産インベントリ管理であり、次に脅威検出と侵害リスク予測が続きます。

しかし、脅威の主体に対して AI を直接使用するという点では、まだ本当の意味での戦いとは言えません。回答者の約 67% は、自社の AI 活用は「まだ表面的な段階にすぎない」と回答しています。

ここでは、回答者が組織のサイバーセキュリティ プログラムにおける AI への依存度をどのように見ているかを見てみましょう。

回答者の半数以上が、少なくとも現時点では自社が AI に依存しすぎていると考えています。回答者の 3 分の 1 未満が AI への依存が適切であると考えていますが、それより少数の回答者は、組織が AI を十分に活用していないと考えています。

誤解2: AIはセキュリティ問題を解決する

組織内での AI の使用によって生じる課題についての意見を尋ねたところ、回答者は率直に答えました。サイバーセキュリティに AI を使用することに問題がないと答えた回答者はわずか 11% でした。回答者の大多数は、まったく異なる見方をしていました。

組織のセキュリティ スタックのどこで AI 関連の課題が発生するかを尋ねたところ、中核となるサイバーセキュリティ機能の対応が不十分でした。回答者の 53% は、IT 資産インベントリ管理が AI にとって最大の問題領域であると回答しましたが、サイバーセキュリティの 3 つのカテゴリも不十分でした。

  • 脅威検出(33%)
  • サイバーセキュリティの強みとギャップを理解する(24%)
  • 侵害リスク予測(23%)

興味深いことに、インシデント対応が AI によってもたらされる課題であると答えた回答者はごく少数 (13%) でした。

誤解3: AIは賢いので効果的であるはずだ

AI はサイバーセキュリティに使用されてきましたが、その結果はまちまちであることは明らかです。 AI に関する最大の誤解は、すべての AI がその名前が示すほど「インテリジェント」ではないということであり、これは組織のニーズと能力の不一致を考慮に入れていないことでもあります。

サイバーセキュリティ業界は長い間、「魔法の弾丸」のような解決策を見つけることに夢中になってきました。人工知能は最新のものです。組織は、AI ソリューションを評価および導入する際に、慎重に検討し、結果重視で取り組む必要があります。組織は、AI テクノロジーに精通した専門家と連携する必要があります。そうしないと、エラーの余地がほとんどない重要な領域で失敗するリスクがあります。

<<:  人工知能はメタバースのビジョンの実現に役立つでしょうか?

>>:  AIがイノベーションの大きな原動力となる理由

ブログ    

推薦する

人工知能のコミュニケーション:コンテキストは業界マネージャーにとって成功への道

SymphonyAI のマーケティング責任者として、私は企業における人工知能 (AI) のあらゆるア...

AIをやりたいなら高校でデータサイエンスを勉強するな:ウルトラマンとマスクがついに合意

AIの発展には基礎教育を強化しなければ手遅れになります。大規模モデル技術が急速に発展し、企業間の競争...

感情知能の高いNPCがやって来て、手を伸ばすとすぐに次の行動に協力する準備が整いました。

仮想現実、拡張現実、ゲーム、人間とコンピュータの相互作用などの分野では、仮想キャラクターが画面外のプ...

ブラウザで TensorFlow を使用するにはどうすればいいですか?

[[341102]] [51CTO.com クイック翻訳] TensorFlow を使用すると、少...

...

...

アルゴリズム・ステーブルコインの流行が再び到来。このトレンドをリードするのはどれでしょうか?

先週、私たちは、Float、Rai、Fei、Gyroscope などの人気のアルゴリズム ステーブル...

北京大学、バイトダンス等は増分学習を用いたスーパーピクセルセグメンテーションモデルLNSNetを提案した

オンライン学習によって引き起こされる壊滅的な忘却問題を解決するために、北京大学などの研究機関は、勾配...

NYU の具現化知能における新たな進歩: 視覚的なフィードバックで缶を開ける方法を学習し、タスクの成功率が 135% 向上、LeCun 氏はそれを好意的に評価

ロボットがペンチで簡単にワイヤーを切る様子をご覧ください。あっという間に鉄の箱の蓋が開きました。さら...

機械学習をサポートする 8 つのデータ ウェアハウス

[[399333]] [51CTO.com クイック翻訳]非常に大きなデータセットの場合、理想的な状...

...

...

...

Keras 機能 API によるディープラーニング

[[380280]] Keras Python ライブラリを使用すると、ディープラーニング モデルを...

自動車業界における人工知能の活用方法

[[431746]]自動車業界は、新しい技術の最前線に立つことが多いです。業界では数十年にわたって組...