2020年の情報セキュリティ：人工知能（AI）はさまざまな情報セキュリティシステムで広く利用されている

マーク・カネル、イマジネーション・テクノロジーズ、 戦略およびセキュリティ担当副社長

[[281448]]

過去数年間、情報セキュリティは、ウイルス対策ソリューション、分離技術、暗号化技術の組み合わせに基づいてきました。政府機関や情報セキュリティ企業は、インターネットトラフィックを追跡し、そのシグネチャに基づいて疑わしいコンテンツを探す方法を採用する用意があります。これらのテクノロジーは、マルウェアが発生した後にそれを検出し、正常なデータとマルウェアを分離することに重点を置いています。ただし、マルウェアが検出されない場合、数か月または数年間システムのバックグラウンドに潜伏し、後になってアクティブになる可能性があります。

消費者の状況は急速に変化しています。パソコン、ゲーム機、スマートフォンだけがインターネットに接続されていた環境から移行しています。この環境には、センサー、カメラ、スマート家電などの新しいデバイスがますます統合されつつあり、その目的は、所有者やユーザーに、自宅の状態、家族の問題、個人の安全、天気など、生活のさまざまな事柄に関するリアルタイムの洞察を提供することです。

現在、デバイスの数が増え、それぞれのデバイスが攻撃の標的になる可能性があり、プライバシーとセキュリティの脆弱性を抱えるなど、環境はより複雑になっています。ただし、ノートパソコンやスマートフォンを除いて、これらの接続デバイスは通常、最大でも 1 つまたは 2 つの機能しか実行できません。設計どおりに発生している場合、監視ステーションは中央システムに警告を発し、問題を報告できます。ここで、人工知能 (AI) と機械学習 (ML) が消費者の周囲を保護する上で重要な役割を果たすことができます。

消費者保護における人工知能と機械学習の重要性

機械学習は、ネットワーク上のトラフィック、実行中のアプリケーション、デバイス間で確立された通信など、システムの動作パターンを判断するために使用できます。機械学習システムは、デバイス上、ローカル ネットワーク上、またはクラウド内のパターンを追跡します。

デバイス レベルでは、ローカル マシン ラーニング システムが、メモリ、タスク、IP アドレスなどのさまざまなパラメータを調べてデバイスの通常の動作モードを決定し、通常の状況での動作を決定します。 1 つまたは 2 つの機能のみを備えたスマート家電では、機械学習エンジンを強化できるニューラル ネットワーク アクセラレータ (NNA) を組み込むことで、動作パターンの適切なモデリングを実現できます。デバイスは、ネットワークレベルまたはクラウドレベルのシステムにメタデータを報告し、システムはこのすべての情報を取得して、多数のデバイスにわたって分析します。

ネットワーク レベルでは、ルーターはすべてのトラフィックを監視し、そのインテリジェンスを使用して、ネットワーク上のデバイスが外部と通信しているタイミングを判断できます。機械学習エンジンを使用することで、異常な通信が発生したタイミングを評価し、ネットワークから外部への異常なデータフローを検出して、問題として報告することができます。逆に、ローカルデバイスをターゲットとする異常なトラフィックのソースを特定することもできます。

クラウドでは、アプリケーション ホストは非常に広範囲のデバイスとネットワークを可視化でき、大規模なコンピューティング リソースを使用して環境全体のアクティビティをリアルタイムで追跡できます。デバイスやネットワーク レベルと同じ機械学習の概念を適用しますが、計算能力が高いため、はるかに多くのデータを処理し、大規模なエコシステムに関するより具体的な情報を調べることができます。

商業および産業市場での経験

機械学習とフォレンジック分析は、産業および商業の現場ではすでに一般的になっています。病院、交通システム、工場、石油・ガスプラットフォームなどの産業分野では、機械学習ベースのセキュリティ技術の成功例があります。機械学習は、機密データを分離し、既知の攻撃を追跡するための従来の技術と組み合わせて使用​​されます。分析を通じて破壊的な行動を早期に特定するという新たな側面を提供します。接続デバイスのエコシステムの拡大に伴う課題により、個々のデバイスを追跡することがますます困難になっています。デバイスがマルウェアに感染したかどうかを判断するには、人工知能システムの助けが必要です。

機械学習システムは、ウェブカメラにインストールされたマルウェアによって引き起こされた Mirai ボットネットなどの攻撃を検出できるようになります。このボットネットは、米国東海岸のインターネット ディレクトリ サーバーに対してサービス拒否 (DoS) 攻撃を開始しました。デバイスレベルでもネットワークレベルでも、攻撃に関連する異常な動作は機械学習技術を使用して検出され、デバイス所有者にできるだけ早く通知されます。

2020年の人工知能情報セキュリティ

消費者分野における機械学習の応用は非常に広範囲にわたります。プライバシーパラメータが正しく設定され定期的に追跡されているかをチェックすることから、デバイスの動作を監視して消費者のデータと個人情報を保護することまで、機械学習システムは消費者環境の守護者になります。これは、デバイス、ルーター、およびアプリケーションがホストされているクラウド内に配置され、これらの情報セキュリティ層が連携して、デバイスの設定と消費者の保護に関するガイダンスを提供します。

メタデータ デバイスとネットワーク メタデータをクラウド レベルのシステムに転送することにより、デバイスとネットワークをクラウド分析およびフォレンジック アクティビティの対象にすることができます。クラウド内の機械学習および分析システムは、ネットワーク全体の行動パターンを結び付け、広大なエコシステムの俯瞰図を提供できます。これらのテクノロジーはもともと商業および産業市場で開拓されましたが、消費者部門にも完全に適用できます。

要約すると、モノのインターネット (IoT) の消費者向けデバイスの接続性により、マルウェアの攻撃対象領域が拡大します。同時に、このメタデータをクラウド オペレーターと共有することで、機械学習ベースの分析により、ローカル環境の動作パターンに基づいたセキュリティ ソリューションを提供できるようになります。