Einem neuen Bericht zufolge wird der Softwaremarkt für künstliche Intelligenz (KI) bis 2025 von 2021 Milliarden US-Dollar im Jahr 33 auf 64 Milliarden US-Dollar wachsen. Und Cybersicherheit ist die am schnellsten wachsende Kategorie der KI-Ausgaben und verzeichnet einen Ausgabenanstieg von 22.3 % durchschnittlicher jährlicher Wachstumsrate (CAGR).
Das geht aus dem „Global AI Software Forecast 2022“ von Forrester Research hervor. „Cybersicherheit ist die Kategorie mit dem schnellsten Wachstum von KI-Software, wobei der Schwerpunkt auf der Echtzeitüberwachung von und der Reaktion auf Angriffe liegt“, heißt es in dem Bericht. Die nächsten beiden Kategorien, Kunden- und Personalmanagement (22 %) sowie Prozessoptimierung, Wissen und Datenintelligenz (18.3 %), weisen ebenfalls Cybersicherheitselemente auf, sodass die Auswirkungen auf Hersteller von Sicherheitstools noch bedeutender sein könnten.
Dies steht im Einklang mit dem Schwerpunkt, den Unternehmen auf ihre KI-gestützte Software und Dienste legen. Beispielsweise gab der Kreditriese Visa bekannt, dass er eine halbe Milliarde Dollar dafür ausgegeben hat Datenanalyse und KI in den letzten fünf Jahren. Das Unternehmen nutzt diese Tools zusammen mit herkömmlichen Cybersicherheitsmaßnahmen, um die Betrugsrate trotz des E-Commerce-Wachstums auf einem historischen Tiefstand zu halten, wie Visa es nennt.
Unternehmen können KI für die Cybersicherheit überall dort einsetzen, wo sie verfügbar ist sich wiederholende Handlungen und erwartetes Verhalteneinschließlich Angriffsflächenmanagement, erweiterte Erkennung und Reaktion (XDR) und Benutzer- und Entitätsverhaltensanalyse (UEBA). Forrester bezeichnet SentinelOne als Paradebeispiel für eine XDR-Erfolgsgeschichte und verweist auf die Erfolgsgeschichte des Unternehmens 120 % Umsatzwachstum im Jahresvergleich im Geschäftsjahr 2022. Im März SentinelOne Erkennung und Reaktion auf Identitätsbedrohungen hinzugefügt auf seine Plattform, als es Attivo Networks erwarb.
Ein KI-Tool kann lernen, was die normale Aktivität eines bestimmten Geräts oder Kontos ist, und dann kennzeichnen, wenn dieser Endpunkt außerhalb der Norm verhält. Solch automatisierte Erkennung ist von unschätzbarem Wert, wenn man bedenkt, dass es unmöglich ist, ausreichend Personal bereitzustellen, um jeden Teil des Netzwerks mit menschlichen Augen überwachen zu können. Und Forscher finden Wege dazu große Sprachmodelle anwenden wie GPT-3 bis hin zu praktischen Aufgaben, etwa der Verfolgung von Netzwerken von Exploit-Foren. Um eine gewisse Perspektive auf solche Entwicklungen zu geben, Dark Reading veröffentlichte einen Bericht im September zum Thema „Wie maschinelles Lernen, KI und Deep Learning die Cybersicherheit verbessern“ darüber, wie man die KI-Ansprüche eines Anbieters bewertet und seine Erfolgskriterien definiert.
Ein Hindernis im Galopp der KI ist die Herausforderung, ein System so einzurichten, dass es markiert, was menschliche Analysten beurteilen müssen, ohne dass es zu Alarmmüdigkeit kommt. Eine Umfrage zu Beginn des Jahres 2022 ergab, dass fast die Hälfte (46 %) der IT-Sicherheitsmitarbeiter angab, dass ihre KI-Systeme erstellt wurden zu viele falsch-positive Warnungen damit sie sich damit befassen können. Ein Optimist würde das sehen Falsch-Positiv-Problem jedoch als Wachstumschance und eröffnet einen neuen Markt für Feinabstimmungsdienstleistungen.
Weitere Einblicke finden Sie unter Blogeintrag von Forrester Research über den Bericht.
