Η κυβερνοασφάλεια θα αντιπροσωπεύει σχεδόν το ένα τέταρτο της αγοράς λογισμικού AI έως το 2025

Μέχρι το 2025, η αγορά λογισμικού τεχνητής νοημοσύνης (AI) θα επεκταθεί από τα 2021 δισεκατομμύρια δολάρια του 33 στα 64 δισεκατομμύρια δολάρια, σύμφωνα με μια νέα έκθεση. Και η κυβερνοασφάλεια είναι η ταχύτερα αναπτυσσόμενη κατηγορία δαπανών τεχνητής νοημοσύνης, σημειώνοντας αύξηση των δαπανών κατά 22.3% σύνθετο ετήσιο ρυθμό ανάπτυξης (CAGR).

Αυτό σύμφωνα με την «Παγκόσμια Πρόβλεψη Λογισμικού AI 2022» από την Forrester Research. «Η κυβερνοασφάλεια είναι η ταχύτερη κατηγορία ανάπτυξης λογισμικού τεχνητής νοημοσύνης, με έμφαση στην παρακολούθηση και την απόκριση σε πραγματικό χρόνο των επιθέσεων», αναφέρει η έκθεση. Οι επόμενες δύο κατηγορίες, η διαχείριση πελατών και ανθρώπινου κεφαλαίου (22%) και η βελτιστοποίηση διαδικασιών, η γνώση και η ευφυΐα δεδομένων (18.3%), έχουν επίσης στοιχεία κυβερνοασφάλειας, επομένως ο αντίκτυπος στους κατασκευαστές εργαλείων ασφαλείας θα μπορούσε να είναι ακόμη πιο σημαντικός.

Αυτό συμβαδίζει με την έμφαση που έχουν δώσει οι εταιρείες στο λογισμικό και τις υπηρεσίες τους με βελτιωμένη τεχνητή νοημοσύνη. Για παράδειγμα, η πιστωτική εταιρεία Visa αποκάλυψε ότι έχει ξοδέψει μισό δισεκατομμύριο δολάρια ανάλυση δεδομένων και AI τα τελευταία πέντε χρόνια. Χρησιμοποιεί αυτά τα εργαλεία, μαζί με τα συμβατικά μέτρα κυβερνοασφάλειας, για να διατηρήσει το ποσοστό απάτης σε αυτό που η Visa αποκαλεί ιστορικά χαμηλά παρά την ανάπτυξη του ηλεκτρονικού εμπορίου.

Οι οργανισμοί μπορούν να αναπτύξουν τεχνητή νοημοσύνη για την ασφάλεια στον κυβερνοχώρο οπουδήποτε υπάρχει επαναλαμβανόμενες ενέργειες και αναμενόμενη συμπεριφορά, Συμπεριλαμβανομένων των διαχείριση επιφανειών επίθεσης, εκτεταμένη ανίχνευση και απόκριση (XDR) και αναλυτικά στοιχεία συμπεριφοράς χρηστών και οντοτήτων (UEBA). Η Forrester αποκαλεί το SentinelOne ως χαρακτηριστικό παράδειγμα μιας ιστορίας επιτυχίας XDR, επισημαίνοντας την Αύξηση εσόδων 120% από έτος σε έτος στο φορολογικό 2022. Τον Μάρτιο η SentinelOne προστέθηκε εντοπισμός και απόκριση απειλής ταυτότητας στην πλατφόρμα της όταν εξαγόρασε την Attivo Networks.

Ένα εργαλείο τεχνητής νοημοσύνης μπορεί να μάθει ποια είναι η κανονική δραστηριότητα από μια συγκεκριμένη συσκευή ή λογαριασμό και στη συνέχεια να επισημάνει όταν αυτό το τελικό σημείο ενεργεί εκτός του κανόνα. Τέτοιος αυτοματοποιημένη ανίχνευση είναι ανεκτίμητη, λαμβάνοντας υπόψη την αδυναμία επαρκούς στελέχωσης ώστε να παρακολουθούν τα ανθρώπινα μάτια κάθε τμήμα του δικτύου. Και οι ερευνητές βρίσκουν τρόπους για να εφαρμόζουν μεγάλα γλωσσικά μοντέλα όπως το GPT-3 σε πρακτικές εργασίες, όπως η ανίχνευση δικτύων από φόρουμ εκμετάλλευσης. Για να δώσουμε κάποια προοπτική σε τέτοιες εξελίξεις, Dark Reading δημοσίευσε μια αναφορά τον Σεπτέμβριο, «Πώς η μηχανική μάθηση, η τεχνητή νοημοσύνη και η βαθιά μάθηση βελτιώνουν την ασφάλεια στον κυβερνοχώρο», σχετικά με τον τρόπο αξιολόγησης των αξιώσεων τεχνητής νοημοσύνης ενός προμηθευτή και τον καθορισμό των κριτηρίων επιτυχίας του.

Ένα εμπόδιο στον καλπασμό της τεχνητής νοημοσύνης είναι η πρόκληση της δημιουργίας ενός συστήματος έτσι ώστε να επισημαίνει ό,τι είναι απαραίτητο για να αξιολογήσουν οι ανθρώπινοι αναλυτές χωρίς να δημιουργείται κούραση. Μια έρευνα νωρίτερα το 2022 αποκάλυψε ότι σχεδόν το μισό (46%) του προσωπικού ασφάλειας πληροφορικής είπε ότι τα συστήματα AI δημιούργησαν πάρα πολλές ψευδώς θετικές ειδοποιήσεις για να απευθυνθούν. Ένας αισιόδοξος θα έβλεπε το ψευδώς θετικό πρόβλημα ως ευκαιρία ανάπτυξης, ωστόσο, ανοίγοντας μια νέα αγορά για υπηρεσίες εξομάλυνσης των βραχυχρόνιων διακυμάνσεων της ρευστότητας.

Για περισσότερες πληροφορίες, επισκεφθείτε το Καταχώρηση ιστολογίου Forrester Research σχετικά με την έκθεση.