I 2025 vil markedet for kunstig intelligens (AI)-software udvide fra 2021's 33 milliarder dollars til 64 milliarder dollars, ifølge en ny rapport. Og cybersikkerhed er den hurtigst voksende kategori af AI-udgifter, der oplever en stigning i udgifterne på 22.3 % sammensat årlig vækstrate (CAGR).
Det er ifølge "Global AI Software Forecast 2022" fra Forrester Research. "Cybersikkerhed er den hurtigste AI-softwarevækstkategori, med fokus på realtidsovervågning af og reaktion på angreb," hedder det i rapporten. De næste to kategorier, kunde- og menneskelig kapitalstyring (22%) og procesoptimering, viden og dataintelligens (18.3%), har også cybersikkerhedselementer, så indvirkningen på sikkerhedsværktøjsproducenter kan være endnu mere betydelig.
Dette stemmer overens med den vægt, virksomheder har lagt på deres AI-forbedrede software og tjenester. For eksempel afslørede kreditbehemoth Visa, at det har brugt en halv milliard dollars på dataanalyse og AI i de seneste fem år. Det bruger disse værktøjer sammen med konventionelle cybersikkerhedsforanstaltninger til at holde svindelraten på, hvad Visa kalder historiske lavpunkter på trods af vækst i e-handel.
Organisationer kan implementere AI til cybersikkerhed, hvor som helst der er gentagne handlinger og forventet adfærd, herunder håndtering af angrebsoverfladen, udvidet detektion og respons (XDR) og bruger- og enhedsadfærdsanalyse (UEBA). Forrester kalder SentinelOne som et godt eksempel på en XDR-succeshistorie og påpeger virksomhedens 120% år-til-år omsætningsvækst i finansåret 2022. I marts, SentinelOne tilføjet registrering og respons på identitetstrusler til sin platform, da den købte Attivo Networks.
Et AI-værktøj kan lære, hvad normal aktivitet fra en bestemt enhed eller konto er, og derefter markere, når det endepunkt handler uden for normen. Sådan automatiseret detektion er uvurderlig i betragtning af, at det er umuligt at bemande tilstrækkeligt til, at menneskelige øjne ser alle dele af netværket. Og forskerne finder måder at gøre det på anvende store sprogmodeller som GPT-3 til praktiske opgaver, såsom sporing af netværk af udnyttelsesfora. For at give et perspektiv på en sådan udvikling, Dark Reading udgivet en rapport i september, "How Machine Learning, AI & Deep Learning Improve Cybersecurity", om hvordan man vurderer en leverandørs AI-krav og definerer dens succeskriterier.
Et problem i AI's galop er udfordringen med at sætte et system op, så det markerer, hvad der er nødvendigt for menneskelige analytikere at vurdere uden at skabe alarmtræthed. En undersøgelse tidligere i 2022 afslørede, at næsten halvdelen (46 %) af it-sikkerhedspersonalet sagde, at deres AI-systemer var skabt for mange falsk-positive advarsler for dem at tage fat på. En optimist ville se falsk-positivt problem som en mulighed for vækst, men åbner et nyt marked for finjusterende tjenester.
For mere indsigt, besøg Forrester Research blogindlæg om rapporten.
