Dane w znaczący sposób zmieniły sposób działania przedsiębiorstw, m.in. na nowo definiując modele biznesowe i otwierając nowe źródła przychodów. Jednak aby w pełni wykorzystać ich potencjał i osiągnąć wyznaczone cele biznesowe, niezbędna jest ich odpowiednia interpretacja. Do analizy i wyciągania wniosków z nieuporządkowanych informacji cyfrowych (ang. unstructured data), firmy, niezależnie od wielkości, wykorzystują obecnie sztuczną inteligencję (ang. artificial inteligence) i uczenie maszynowe (ang. machine learning — ML). Systemy oparte na tej technologii są w stanie rozpoznać, interpretować, przetwarzać, a nawet symulować ludzkie emocje.

ML coraz częściej wykorzystywane jest również przez hakerów do automatyzacji ataków, co znacząco utrudnia ich wykrycie. Aby podjąć walkę z cyberprzestępcami, wykorzystującymi innowacyjne rozwiązania, niezbędne jest wprowadzenie równie inteligentnego systemu wykrywania zagrożeń. Nic więc dziwnego, że uczenie maszynowe znalazło swoje odzwierciedlenie również w sektorze bezpieczeństwa cybernetycznego. Ze względu na fakt, że ML może zrozumieć wzorce zachowań, łatwiej jest wykryć anomalie, które mogą okazać się atakiem hakera.

— Systemy oparte na uczeniu maszynowym są w stanie szybko i skutecznie przetwarzać i organizować duże zbiory danych, dzięki czemu pracownicy mogą skupić się na ocenie automatycznie wyselekcjonowanych zagrożeń, co znacząco przyczynia się do bezpieczeństwa cybernetycznego firmy — komentuje Tomasz Stachlewski, główny architekt rozwiązań z firmy Amazon Web Services.

Inwestycja w uczenie maszynowe wykrywające cyberataki to — jak przekonuje ekspert — szybki i solidny system obrony.

— Dzięki niemu firmy mogą skupić się na klientach, a także na ich ochronie przed zagrożeniami cybernetycznymi — podsumowuje Tomasz Stachlewski.