Згідно з новим звітом, до 2025 року ринок програмного забезпечення для штучного інтелекту (ШІ) зросте з 2021 мільярдів доларів у 33 році до 64 мільярдів доларів. А кібербезпека є найшвидше зростаючою категорією витрат на штучний інтелект, спостерігаючи зростання витрат на 22.3% річного темпу зростання (CAGR).
Це згідно з «Глобальним прогнозом програмного забезпечення штучного інтелекту до 2022 року» від Forrester Research. «Кібербезпека — це категорія програмного забезпечення зі штучним інтелектом, яка найшвидше розвивається, зосереджена на моніторингу в режимі реального часу та відповіді на атаки», — йдеться у звіті. Наступні дві категорії, управління клієнтами та людським капіталом (22%) і оптимізація процесів, знання та аналітика даних (18.3%), також мають елементи кібербезпеки, тому вплив на виробників інструментів безпеки може бути ще більш значним.
Це відповідає тому акценту, який компанії приділили своєму програмному забезпеченню та послугам, розширеним ШІ. Наприклад, кредитний гігант Visa виявив, що витратив півмільярда доларів аналітика даних і ШІ за останні п'ять років. Він використовує ці інструменти разом із звичайними заходами кібербезпеки, щоб утримувати рівень шахрайства на тому, що Visa називає історично низьким, незважаючи на зростання електронної комерції.
Організації можуть розгортати ШІ для кібербезпеки будь-де повторювані дії та очікувана поведінка, У тому числі управління поверхнею атаки, розширене виявлення та реагування (XDR) і аналітика поведінки користувачів і об’єктів (UEBA). Forrester називає SentinelOne яскравим прикладом історії успіху XDR, вказуючи на те, що компанія 120% річного зростання доходу у 2022 фінансовому році. У березні SentinelOne додано виявлення загроз ідентифікації та реагування на свою платформу, коли вона придбала Attivo Networks.
Інструмент штучного інтелекту може дізнатися, якою є звичайна активність певного пристрою чи облікового запису, а потім позначити, коли ця кінцева точка працює за межами норми. Такий автоматичне виявлення є неоціненним, враховуючи неможливість укомплектувати достатньо персоналу, щоб людські очі спостерігали за кожною частиною мережі. І дослідники знаходять способи застосовувати великі мовні моделі як GPT-3 для практичних завдань, таких як відстеження мереж експлойт-форумів. Щоб надати певний погляд на такий розвиток подій, Dark Reading випустив звіт у вересні «Як машинне навчання, штучний інтелект і глибоке навчання покращують кібербезпеку» про те, як оцінити заяви постачальника щодо ШІ та визначити критерії успіху.
Однією з перешкод у галопі штучного інтелекту є проблема налаштування системи таким чином, щоб вона позначала те, що необхідно оцінити аналітикам-людям, не викликаючи втоми від тривоги. Опитування, проведене на початку 2022 року, показало, що майже половина (46%) співробітників відділу ІТ-безпеки заявили, що їхні системи ШІ створені занадто багато хибно-позитивних сповіщень щоб вони звернулися. Оптиміст побачить хибнопозитивна проблема однак як можливість для зростання, відкриваючи новий ринок для послуг тонкого налаштування.
Щоб дізнатися більше, відвідайте Запис у блозі Forrester Research про звіт.
