Os sistemas de segurança de hoje caem na armadilha em uma das geralmente duas categorias: humana ou máquina. As chamados "soluções voltadas para analistas" dependem de regras criadas por especialistas e vivem, portanto, perdendo, pois nenhum ataque corresponde ao estabelecidos pelas regras. Enquanto isso, as abordagens de aprendizado de máquina de hoje dependem de "detecção de anomalias", que tende a provocar falsos positivos, criando tanta desconfiança que os sistemas acabam por ter de ser investigadas por seres humanos, de qualquer maneira.
Mas e se houvesse uma solução aqueles que poderiam mesclar dois mundos? Em um novo estudo, pesquisadores da Ciência da Computação do MIT e Laboratório de Inteligência Artificial (CSAIL) e o PatternEx que acelera aprendizado de máquina apresentam uma plataforma de inteligência artificial chamado EA2 que prediz ciberataques significativamente melhor do que os sistemas existentes através da contínua incorporação de informações de especialistas humanos. Os pesquisadores chamam a solução de "analista intuição".
Pesquisadores dizem que o aprendizado de máquina têm demonstrado que plataforma de inteligência artificial pode predizer 85% dos ciberataques, incorporando o conhecimento de humanos continuadamente.
A equipe mostrou que EA2 pode detectar cerca de três vezes o que é melhor do que as referências anteriores, enquanto o número atual de redução de falsos positivos é no fator de um para cinco. O sistema foi testado em 3,6 bilhões de dados conhecidos como "linhas de log" que foram geradas por milhões de usuários ao longo de um período de três meses.
"Você pode pensar no sistema como um analista virtual", diz Kalyan Veeramachaneni, cientista da pesquisa da CSAIL , que desenvolveu EA2 junto com Arnaldo Ignácio, cientista de dados chefe da CSAIL. "Ele continuamente gera novos modelos que podem ser refinados em algumas horas, o que significa que pode melhorar significativamente as suas taxas de detecção."
