Fortschritte beim maschinellen Lernen in den letzten Jahren haben eine Vielzahl von Anwendungen wie angewandte Datenanalyse, Sprachassistenten oder selbstfahrende Autos geschaffen. Der Erfolg des maschinellen Lernens wird durch die Tatsache sichergestellt, dass dieselben Methoden in unterschiedlichen Wrappern bei völlig unterschiedlichen Aufgaben gut funktionieren. Auf diese Weise können Sie die klassischen Methoden ersetzen und so an Qualität und Arbeitsgeschwindigkeit gewinnen.
. . Google , Android, . Amazon harvest.AI Macie — , , , .
, , , .
, :
. .
DDoS-. , , .
, . , —
Darktrace. " ", . Ebay, Samsung Micron.
, Darktrace "" , . DarkTrace-antigena — , .
, , , Darktrace , , “ " .” , WannaCry 2017.
, . ImmuniWeb, Intruder .
, . . , .
IBM , , , - , . , 100 .
Ubisoft , . CLEVER - , , Ubisoft , . 79% , . , .
70% Ubisoft – .
, , , . , , . .
, 2016 (CSAIL MIT) AI2 — , " ". , , .
, , , . , , SVD RNN, .
. . , CSAIL, , 85 .
Dies ist nur eine kleine Liste der Verbesserungen, die maschinelles Lernen für die Cybersicherheit bieten kann. Es kann in verschiedenen Anwendungen hilfreich sein, nämlich Angriffe zu erkennen, Schwachstellen im Code zu finden und große Datenmengen zu analysieren. Ich bin sicher, dass das Potenzial des maschinellen Lernens im Bereich der Computersicherheit noch nicht vollständig erforscht ist und weitere interessante neue Anwendungen auf uns warten.