Kyberturvallisuus kattaa lähes neljänneksen tekoälyohjelmistomarkkinoista vuoteen 2025 asti

Vuoteen 2025 mennessä tekoälyn (AI) ohjelmistomarkkinat kasvavat vuoden 2021 33 miljardista dollarista 64 miljardiin dollariin uuden raportin mukaan. Ja kyberturvallisuus on nopeimmin kasvava tekoälyn kulutusluokka, ja kulutus on kasvanut 22.3 % yhdistetyllä vuosikasvulla (CAGR).

Tämä on Forrester Researchin "Global AI Software Forecast 2022" -ennusteen mukaan. "Kyberturvallisuus on nopein tekoälyohjelmiston kasvuluokka, joka keskittyy hyökkäysten reaaliaikaiseen seurantaan ja niihin reagoimiseen", raportissa todetaan. Kahdessa seuraavassa kategoriassa, asiakas- ja inhimillisen pääoman hallinnassa (22 %) sekä prosessien optimoinnissa, osaamisessa ja tietotiedoissa (18.3 %), on myös kyberturvallisuuselementtejä, joten vaikutus tietoturvatyökalujen valmistajiin voi olla vieläkin merkittävämpi.

Tämä sopii yhteen sen kanssa, miten yritykset ovat panostaneet tekoälyllä tehostettuihin ohjelmistoihin ja palveluihin. Esimerkiksi luotto-behemoth Visa paljasti, että se on käyttänyt puoli miljardia dollaria dataanalytiikka ja tekoäly viimeisen viiden vuoden aikana. Se käyttää näitä työkaluja yhdessä tavanomaisten kyberturvallisuustoimenpiteiden kanssa pitääkseen petosten määrän Visan historiallisen alhaisimmalla tasolla huolimatta sähköisen kaupankäynnin kasvusta.

Organisaatiot voivat ottaa tekoälyä käyttöön kyberturvallisuuden takaamiseksi kaikkialla toistuvia toimia ja odotettua käyttäytymistämukaan lukien hyökkäyspinnan hallinta, laajennettu tunnistus ja vastaus (XDR) sekä käyttäjien ja entiteettien käyttäytymisen analytiikka (UEBA). Forrester mainitsee SentinelOnen erinomaisena esimerkkinä XDR-menestystarinasta ja korostaa yhtiön Liikevaihto kasvoi 120% vuoden takaisesta vuonna 2022. Maaliskuussa SentinelOne lisätty identiteettiuhan havaitseminen ja reagointi alustalleen, kun se osti Attivo Networksin.

Tekoälytyökalu voi oppia, mitä normaali toiminta tietyltä laitteelta tai tililtä on, ja ilmoittaa sitten, kun kyseinen päätepiste toimii normin ulkopuolella. Sellainen automaattinen tunnistus on korvaamaton, kun otetaan huomioon, että ei ole mahdollista saada riittävästi henkilökuntaa, jotta ihmissilmät tarkkailevat verkon kaikkia osia. Ja tutkijat etsivät keinoja soveltaa suuria kielimalleja kuten GPT-3 käytännön tehtäviin, kuten hyväksikäyttöfoorumien verkkojen jäljittämiseen. Antaakseen perspektiiviä tällaiseen kehitykseen, Dark Reading julkaisi raportin syyskuussa "How Machine Learning, AI & Deep Learning Improve Cybersecurity" kertoo kuinka arvioida toimittajan tekoälyvaatimuksia ja määritellä sen menestyskriteerit.

Yksi ongelma tekoälyn laukkaassa on haaste perustaa järjestelmä niin, että se ilmoittaa, mitä ihmisanalyytikot tarvitsevat arvioimaan ilman, että se aiheuttaa valppautta. Aiemmin vuonna 2022 tehty tutkimus paljasti, että lähes puolet (46 %) IT-tietoturvahenkilöstöstä sanoi, että heidän tekoälyjärjestelmänsä ovat luoneet liian monta vääriä positiivisia hälytyksiä heidän ottamaan yhteyttä. Optimisti näkisi väärä positiivinen ongelma kasvumahdollisuutena kuitenkin avaamalla uusia markkinoita hienosäätöpalveluille.

Saat lisätietoja vierailemalla osoitteessa Forrester Research -blogimerkintä raportista.