Kaspersky reuşeşte o creştere cu 25% a detectării APT cu învăţare automată în prima jumătate a anului 2024

Echipa globală de cercetare şi analiză a Kaspersky (GReAT) a înregistrat o creştere cu 25% a detectării ameninţărilor persistente avansate (APT) în prima jumătate a anului 2024.

Utilizând tehnicile de învăţare automată în serviciul său intern, GReAT a descoperit mii de noi ameninţări avansate care vizează guvernele, finanţele, companiile mari şi sectoare de telecomunicaţii. Aceste constatări au fost obţinute prin analiza datelor globale despre ameninţările cibernetice de la Kaspersky Security Network (KSN).

Modelele de învăţare automată utilizate în soluţiile Kaspersky folosesc tehnici precum Random Forest şi termenul de frecvenţă inversă în documente (TF-IDF) pentru a procesa cantităţi mari de date, permiţând detectarea mai rapidă şi mai precisă a ameninţărilor subtile. Această combinaţie de metode ML permite identificarea indicatorilor de compromis (IoC) pe care sistemele tradiţionale de detectare i-ar putea trece cu vederea, ceea ce duce la o detectare mai precisă a anomaliilor şi la o îmbunătăţire semnificativă a capacităţilor generale de detectare a ameninţărilor.

Utilizarea continuă de către Kaspersky a învăţării automate a permis sistemelor sale să proceseze zilnic milioane de puncte de date, oferind informaţii în timp real asupra ameninţărilor emergente. Acest lucru a dus la o creştere cu 25% a detectărilor de ameninţări pentru prima jumătate a anului 2024, îmbunătăţind semnificativ capacitatea de a reduce timpii de răspuns şi de a atenua riscurile cibernetice.

Modelele Kaspersky de învăţare automată sunt rafinate şi actualizate în mod regulat cu date noi pentru a-şi menţine eficienţa într-un peisaj al ameninţărilor cibernetice în continuă schimbare. Pe măsură ce apar noi vectori de atac, aceste modele sunt monitorizate şi reglate pentru a oferi informaţii în timp util, consolidând apărarea şi sporind rezistenţa organizaţională.