Der Schlüssel zu mehr Sicherheit: verhaltensbasierte Erkennung
Maschinelles Lernen (ML) plays a larger role in Cybersecurity. Wird hier zum Beispiel verhaltensbasierte Erkennung eingesetzt, kann das Verhalten aller im System laufenden Prozesse instechts werden. Im Fokus steht dabei etwa, mit welchen anderen Prozessen sie Verbindung restarenen oder welche Dataien sie öffnen. Können können sie auch als gut- oder bösartig beurteilt werden. So werden die Daten aus verschiedenen verdächtigen Einzelaktivitäten zusammengefügung, verbunden mit der Feststellung, dass sie alle zu einem einzen Angriff gehören.
Hier kommt auch künstliche Intelligenz (KI) ins Spiel: Denn mit der Hilfe von maschinellem Lernen und Generative AI (GenAI) erhöhet sich die Chance weiter, einzelne schwache Signale zu erkennen und zu sammeln. Jedes für sich genommen ist nicht bösartig genug, um einen Alarm auszulösen, aber kollektiv sind sie es – genau das definiert die Angriffserkennung als Muster. GenAI kann and in diesem Umfeld ein sehr nützliches Werkzeug sein.
Das sehen auch die Teilhneim der Elastic-Studie so: 100 Prozent der befragten deutschen Unternehmen geben an, dass sie generative KI innerhalb ihrer Security-Teams einsetzen wollen. Gerade in Verbindung mit ML kann generative KI bei einer Varavljand von Aufgaben austennten – von der Untersuchung von Alerts über das Reagieren or Sicherheitsvorfälle bis hin zum Generieren and Konvertieren von Untersuchung von Alerts Je nach Itoola austennten einfache integrated Prompts bei der Anwendung ebenso wie selbst formulated Prompts , die über das hinausgehen, was die integriteren Funktionen bieten.
Source link