Pada tahun 2025, pasar perangkat lunak kecerdasan buatan (AI) akan berkembang dari $2021 miliar pada tahun 33 menjadi $64 miliar, menurut sebuah laporan baru. Dan keamanan siber adalah kategori pembelanjaan AI dengan pertumbuhan tercepat, mengalami peningkatan pembelanjaan sebesar 22.3% tingkat pertumbuhan tahunan majemuk (CAGR).
Itu menurut “Perkiraan Perangkat Lunak AI Global 2022” dari Forrester Research. “Keamanan siber adalah kategori pertumbuhan perangkat lunak AI tercepat, dengan fokus pada pemantauan waktu nyata dan respons terhadap serangan,” kata laporan itu. Dua kategori berikutnya, manajemen pelanggan dan sumber daya manusia (22%), serta optimalisasi proses, pengetahuan, dan kecerdasan data (18.3%), juga memiliki elemen keamanan siber, sehingga dampaknya terhadap pembuat alat keamanan bisa lebih signifikan.
Ini sesuai dengan penekanan yang diberikan perusahaan pada perangkat lunak dan layanan yang ditingkatkan AI mereka. Misalnya, raksasa kredit Visa mengungkapkan telah menghabiskan setengah miliar dolar untuk analitik data dan AI dalam lima tahun terakhir. Itu menggunakan alat-alat itu, bersama dengan langkah-langkah keamanan siber konvensional, untuk menjaga tingkat penipuan pada apa yang disebut Visa terendah dalam sejarah meskipun pertumbuhan e-commerce.
Organisasi dapat menerapkan AI untuk keamanan siber di mana saja tindakan berulang dan perilaku yang diharapkan, termasuk serangan manajemen permukaan, deteksi dan respons yang diperluas (XDR), dan analitik perilaku pengguna dan entitas (UEBA). Forrester menyebut SentinelOne sebagai contoh utama dari kisah sukses XDR, menunjukkan perusahaan 120% pertumbuhan pendapatan dari tahun ke tahun pada tahun fiskal 2022. Pada bulan Maret, SentinelOne menambahkan deteksi dan respons ancaman identitas ke platformnya ketika mengakuisisi Attivo Networks.
Alat AI dapat mempelajari aktivitas normal apa dari perangkat atau akun tertentu dan kemudian menandai saat titik akhir tersebut bertindak di luar norma. Seperti deteksi otomatis sangat berharga, mengingat ketidakmungkinan staf yang cukup untuk memiliki mata manusia mengawasi setiap bagian dari jaringan. Dan para peneliti menemukan cara untuk menerapkan model bahasa besar seperti GPT-3 hingga tugas-tugas praktis, seperti menelusuri jaringan forum eksploit. Untuk memberikan beberapa perspektif tentang perkembangan seperti itu, Dark Reading merilis sebuah laporan pada bulan September, “Bagaimana Pembelajaran Mesin, AI & Pembelajaran Mendalam Meningkatkan Keamanan Siber,” tentang cara menilai klaim AI vendor dan menentukan kriteria keberhasilannya.
Salah satu halangan dalam AI adalah tantangan untuk menyiapkan sistem sehingga menandai apa yang diperlukan oleh analis manusia untuk menilai tanpa menciptakan keletihan waspada. Sebuah survei sebelumnya pada tahun 2022 mengungkapkan bahwa hampir setengah (46%) staf keamanan TI mengatakan sistem AI mereka dibuat terlalu banyak peringatan positif palsu untuk mereka atasi. Seorang optimis akan melihat masalah positif palsu sebagai peluang untuk pertumbuhan, bagaimanapun, membuka pasar baru untuk layanan fine-tuning.
Untuk wawasan lebih lanjut, kunjungi Entri blog Forrester Research tentang laporan.
