L'intelligence artificielle au service de la cybersécurité

Toutes les technologies de cybersécurité qualifiées d'IA ne se valent pas. De nombreuses technologies relèvent de cette appellation, notamment l'apprentissage automatique et les réseaux neuronaux. Ces systèmes recherchent des schémas associés à des comportements malveillants, mais utilisent des méthodes algorithmiques différentes. L'IA peut être appliquée au niveau des terminaux et suivre l'activité des sources connues de menaces telles que les groupes de pirates et le dark Web. Elle peut protéger contre les menaces "en direct" ou simplement améliorer la vitesse des mises à jour des signatures qui sont distribuées de manière centralisée.

La clé de tous les types d'IA en matière de cybersécurité réside dans les données. L'avantage de l'IA réside dans sa capacité à analyser de grandes quantités d'informations sur les comportements dans de multiples domaines, notamment les terminaux, les réseaux et les services partagés. L'apprentissage automatique peut être appliqué pour construire des modèles de comportement "normal" et les utiliser ensuite pour détecter les anomalies en temps réel. Toutefois, il peut s'agir d'algorithmes conçus par l'homme ou de réseaux neuronaux auto-apprenants, qui construisent des modèles à l'aide de l'apprentissage en profondeur à travers des nœuds analytiques en couches.

L'IA peut également être mise en œuvre de différentes manières. L'algorithme principal peut être statique, les points finaux utilisant l'IA localement pour détecter de nouvelles menaces. Il peut également s'agir d'un modèle distribué, dans lequel cette approche est combinée à la possibilité de télécharger les résultats vers un référentiel central et de télécharger des mises à jour régulières basées sur l'apprentissage combiné. Cette approche fait évoluer la protection en fonction des données fournies par tous les utilisateurs du système de cybersécurité.

Tout comme la cybersécurité, les cybercriminels exploitent l'IA, ce qui rend encore plus critique l'amélioration constante de la technologie. Les dernières innovations visent à tirer parti de la science des données pour gagner continuellement la course aux armements contre les cybermenaces, en tirant parti de l'IA pour améliorer leur efficacité.

Les cybercriminels utilisent l'IA pour dissimuler plus efficacement leurs charges utiles et pour imiter plus fidèlement les communications et le trafic authentiques dans les attaques par hameçonnage. L'IA de cybersécurité doit être capable de réagir à ces menaces et de deviner les signes pour continuer à assurer la protection.

L'IA en matière de cybersécurité peut automatiser l'atténuation et la détection des risques, offrant ainsi un processus de guérison sans faille en cas de menace. Le domaine de la prédiction des risques a une grande marge de progression, l'IA jouant le rôle de hackers "blancs", trouvant les faiblesses potentielles avant que les cybercriminels ne le fassent.

À l'avenir, l'IA autonome jouera un rôle de plus en plus important, réduisant la nécessité d'une supervision humaine. Les solutions d'IA les plus avancées en matière de cybersécurité s'appuient sur l'apprentissage profond et utilisent des réseaux neuronaux plutôt que des algorithmes conçus par l'homme. Ceux-ci produisent leur innovation automatiquement.

Les meilleurs systèmes de cybersécurité placent l'IA au cœur de leur offre et ne se contentent pas de l'ajouter comme un supplément ou un plug-in. L'IA doit être un composant essentiel plutôt que d'être greffée sur un produit traditionnel existant.

Il est également essentiel que les fonctions de cybersécurité de l'IA offrent des avantages clairs plutôt qu'un simple marketing. Veillez à ce que le produit d'IA fournisse ses avantages de manière aussi transparente que possible, sans interférer avec la productivité des employés. Il doit également protéger tous les appareils de la flotte, y compris les appareils mobiles et IoT, sans causer de problèmes de performance et de ressources.

L'IA pour la cybersécurité s'améliorant au fur et à mesure qu'elle apprend, les dispositions les plus matures seront mieux à même de détecter les menaces que les nouvelles venues. Cylance L' IA^® en est déjà à sa septième génération, ce qui lui donne des années d'entraînement sur des milliards d'ensembles de données diverses sur les menaces. L'IA de cybersécurité introduite plus récemment n'aura pas bénéficié d'un tel entraînement, ce qui la rendra moins efficace.

Si votre organisation a mis en place une sécurité de confiance zéro, vous avez besoin d'une IA de cybersécurité qui s'intègre dans ce cadre. Par exemple, elle doit travailler parallèlement à l'heuristique de la confiance zéro pour les ajustements d'accès et de permissions.

Dans le même ordre d'idées, il faut tenir compte de la manière dont l'intelligence artificielle est maintenue. S'exécute-t-elle localement sur le terminal ou exclusivement dans le nuage ? Se contente-t-elle d'améliorer les signatures ou travaille-t-elle en temps réel pour prévenir les menaces dès leur apparition ? Son déploiement nécessite-t-il une formation des employés ou est-il relativement transparent ? Enfin, à quelle fréquence l'IA est-elle recyclée ?

Le véritable test est de savoir comment une solution s'adapte à votre organisation dans la vie réelle. Vous devez déterminer si les niveaux d'agressivité sont adaptés aux différents scénarios, quels utilisateurs pourraient avoir besoin de s'adapter et si l'IA de cybersécurité est aussi efficace dans les scénarios hors ligne qu'en ligne. Si elle est hors ligne, peut-elle prévenir les logiciels malveillants de type "zero-day" sans avoir besoin de connectivité ? C'est là le véritable test de l'IA de cybersécurité : dans quelle mesure améliore-t-elle la protection de votre organisation ?