AI Membidik Intimidasi Orang Dalam Dengan Menganalisa Tulisan Karyawan Untuk Kejahatan

AI Membidik Intimidasi Orang Dalam Dengan Menganalisa Tulisan Karyawan Untuk Kejahatan

Intimidasi keamanan data dari orang dalam yang jahat sudah disadari jadi permasalahan besar buat usaha – tapi pembuktian ide yang dibuat oleh Australia Australia bisa tempuh jalan panjang untuk mengakhirinya dengan jalan keluar berbasiskan kecerdasan bikinan (AI) yang bisa temukan pekerja yang tidak senang sebelum mereka sudah melakukan tindakan. Alat ini tumbuh dari hackathon internal bertopik AI yang digerakkan di Lab Peningkatan Keamanan Australia yang bertempat di Gold Coast , dimana pengembang didorong untuk bikin jalan keluar baru.

Satu team insinyur Keamanan IBM mengerti jika usaha kumpulkan massa data mengenai kapasitas jaringan serta tingkah laku pemakai, pemilik produk QRadar flow, Holly Wright menjelaskan pada CSO Australia, serta mulai cari langkah bagaimana info ini bisa dipasangkan dengan berarti dengan data lain serta dikaji untuk memberi wacana yang lebih luas mengenai keadaan pemikiran pemakai.

“QRadar memberikan kami visibilitas yang dalam ke pesan, pandangan, serta e-mail yang melewati jaringan,” jelas Wright, yang share perincian project dengan peserta di Australian Cyber ​​Conference AISA belakangan ini. “Kami putuskan untuk lihat pemakai dari sudut pandang efek. Kami pada intinya manfaatkan info yang berada di jaringan, yang tidak ada yang betul-betul lakukan suatu hal dengan itu. ”

Alat itu bertumpu pada beberapa alat seperti QRadar SIEM untuk kumpulkan data operasional serta Wacana Jaringan QRadar untuk peninjauan paket yang dalam, selanjutnya manfaatkan set service IBM yang ditingkatkan Watson yang berbasiskan AI – yang meliputi beberapa orang seperti Personality Insights untuk menyisir data untuk beberapa kata penyebab khusus serta sindiran semantik, serta Watson Tone Analyzer untuk menilai suara emosi dalam teks tercatat. Dengan kumpulkan jalan raya e-mail waktu melewati jaringan serta memasukkan ke mesin AI, jalan keluarnya bisa mendapatkan score efek untuk tiap karyawan yang beralih berdasar content serta suara semantik tulisan mereka.

Baca juga : Lenovo Yoga C730, Laptop 2-In-1 Dengan Layar AMOLED 15.6 Inci

Sesudah score melebihi atau dibawah tingkat batas yang diputuskan, alarm bisa dinaikkan untuk tingkatkan kondisi ke analis manusia untuk kekuatan tindak lanjut atau penetapan hak data. “Bila satu orang menulis banyak pesan yang geram serta mengambil banyak file, kita bisa mengambilnya,” Wright menerangkan. “Itu ialah tipe serangan intimidasi orang dalam yang benar-benar umum, serta ini memberikan Anda visibilitas ke isi isinya tak perlu membaca tiap e-mail.”

Modul penambahan sangat mungkin pemindaian Facebook serta posting sosial media yang lain, serta memberi makin banyak wacana mengenai keadaan pemikiran karyawan khusus. Alat analisa tingkah laku pemakai serta entitas (UEBA) sudah jadi makin umum saat usaha cari langkah untuk mengatur tingkah laku karyawan yang bisa menjadi beresiko dengan sedikit peringatan. Potensi UEBA makin diintegrasikan dengan skema SIEM, Gartner sudah mengidentifikasi , dengan Ai serta tehnik evaluasi mesin yang memberi analisa tanpa ada batas dari kegiatan pemakai.

Seluruhnya 34 % pelanggaran yang dikaji dalam laporan penyelidikan pelanggaran data (DBIR) 2019 punya Verizon menyertakan aktor internal, dengan penyimpangan oleh pemakai yang berkuasa terjebak dalam 15 % masalah. Organisasi kesehatan serta instansi pendidikan benar-benar terpukul oleh aktor internal, dengan 59 % serta 45 % aktor intimidasi, semasing, diklasifikasikan jadi internal.

“Dengan aktor internal, permasalahan penting ialah mereka sudah diberi akses ke skema Anda untuk lakukan pekerjaan mereka,” tulis penulis laporan. “Dengan efisien memonitor serta mengidentifikasi akses yang tidak biasa serta / atau mungkin tidak patut ke data yang tidak dibutuhkan untuk pemakaian usaha yang valid … ialah permasalahan yang benar-benar memprihatinkan.” “Di semua industri, pelanggaran aktor internal lebih susah untuk dideteksi dibanding pelanggaran yang menyertakan aktor external.”

Tersedianya score efek yang terus diperbaharui sediakan alat lain untuk manager sdm yang ingin mengenali karyawan yang kemungkinan memerlukan pernyataan atau suport penambahan. Tetapi aplikasi tehnik ini benar-benar menjanjikan dalam menolong mengakhiri permasalahan visibilitas di seputar kekuatan atau intimidasi cybersecurity yang sedang berjalan. “Ini turunkan waktu untuk mengetahui saat ada suatu hal yang salah,” kata Wright, “hingga Anda bisa menanggapinya sebelum jadi lebih jelek.”

Leave a Reply

Your email address will not be published. Required fields are marked *