Siga o Olhar Digital no Google Discover
Que tipo de necessidades o Machine Learning pode satisfazer na indústria da cibersegurança
Ofertas
Por: R$ 117,64
Por: R$ 123,20
Por: R$ 1,82
Por: R$ 89,90
Por: R$ 52,07
Por: R$ 298,00
Por: R$ 475,87
Por: R$ 235,28
Por: R$ 36,22
O Machine Learning (em português, aprendizado de máquina) já não é novidade há muito tempo. Porém, neste artigo, vamos entender mais sobre como o ML é um grande aliado da cibersegurança. Esse ramo da ciência que permite que computadores realizem tarefas sem serem explicitamente programados através de um conjunto de técnicas, tem sido
um aliado poderoso das estratégias de segurança da informação.
Atualmente, os sistemas mais populares que utilizam o Machine Learning são o reconhecimento de voz e facial, a interpretação de perfil do cliente em marketing, a pesquisa de mercado, e a este último está se unindo a automação para IoT, carros autônomos e até mesmo os famosos robôs de ajuda.
Leia mais:
- Molécula rara foi detectada em Satélite de Saturno
- Quebra de processo molecular pode impedir reprodução do coronavírus
- Inteligência artificial resolve equação de Schrödinger
Agora, a questão central é: que tipo de necessidades o Machine Learning poderia satisfazer na indústria da cibersegurança?
Etapas
Para entendermos como o Machine Learning auxilia as questões de cibersegurança, é muito importante saber quais as suas principais etapas:
- Coleta de dados: qualquer que seja o algoritmo ML a ser usado, é necessário contar com uma grande quantidade de dados para treinar o nosso modelo. A maioria dos dados vem de uma variedade de fontes.
- Pré-processamento: muitas vezes os dados coletados são categóricos, portanto é necessário realizar um pré-processamento e transformar esses dados em numéricos, já que os algoritmos do ML funcionam somente com dados numéricos.
- Extração de características: são identificados os elementos a serem extraídos e submetidos a análise.
- Seleção de características: identificação dos atributos necessários para treinar o modelo do ML.
- Treinamento: o modelo é treinado com base no algoritmo do ML selecionado. Nesta etapa, parte dos dados é usada para treinar o modelo e parte dos dados é usada para avaliar o modelo.
- Teste: esta é considerada por muitos especialistas como a etapa mais importante, uma vez que, tendo treinado o modelo, ele deve ser validado. Para isso, os dados que foram separados na etapa anterior, dados de validação, são usados para executar o modelo do ML e avaliar se o modelo fornece os resultados esperados.
- Análise dos resultados: nesta etapa, são pesquisados erros para corrigir e ajustar o modelo.
Em geral, os produtos de aprendizagem de máquinas são construídos para prever ataques antes que eles ocorram, mas dada a natureza sofisticada desses ataques, as medidas preventivas muitas vezes falham. Nesses casos, o ML ajuda a remediar de outras formas, como o reconhecimento do ataque em suas etapas iniciais e a prevenção de sua propagação por toda a organização.
Claramente, cada estratégia de segurança utilizará uma ou outra característica com mais ênfase, dependendo das demandas e possibilidades da empresa em questão. O foco central em cibersegurança é ganhar tempo e fornecer informações para uma tomada de decisão eficiente.
As empresas de segurança enfrentam o grande desafio de combater um exército global de criminosos muitas vezes colaborativos e integrados. A reprodutividade e potencialidade de escala dos ataques torna imprescindível a constante atualização das estratégias, monitoramento dos sistemas e domínio profundo das possibilidades de ataque. O que traz o Machine Learning (que como qualquer ferramenta, não é perfeita) para o topo das estratégias de entendimento e atualização dos cibercriminosos.
*Carlos Baleeiro é Country Manager da ESET no Brasil
Já assistiu aos novos vídeos no YouTube do Olhar Digital? Inscreva-se no canal!
Tags: