Qrator Labs, специализирующаяся на противодействии DDoS-атакам и обеспечении доступности интернет-ресурсов, обозначила ключевые направления использования технологий машинного обучения сегодня и в будущем.
Анализ собираемой информации — это ключ к улучшению показателей любого бизнеса. Машинное обучение сегодня успешно применяется для анализа большого объема данных, стабильных во времени. Технологии машинного обучения помогают с отслеживанием периодичности происходящих событий и с поиском аномалий в стабильных событиях. Так, для оператора связи основным бизнес-показателем является объём интернет-трафика, и с помощью алгоритмов машинного обучения задача, например, поиска резких всплесков трафика решается достаточно просто.
Аналогичным образом может детектироваться большинство аномалий в любых бизнес-процессах, которые поддаются измерению. Для других типов бизнеса такими параметрами может быть число посетителей в единицу времени, количество покупок, заказанных доставок, оплаченных счетов, продемонстрированных рекламных объявлений, проведенных транзакций. Видов подобных данных очень много, что усложняет ручное отслеживание, но все они обычно легко поддаются автоматическому анализу, и при выявлении аномалий в тех или иных показателях система высылает оповещения ответственным специалистам компании. Таким образом, задачи построения бизнес-процессов на основе продвинутого анализа данных предприятия серьёзно упрощаются.
В сфере информационной безопасности машинное обучение используется для прогнозирования рисков, анализа характерных паттернов легитимного поведения с целью своевременного выявления подозрительных активностей. Злоумышленники также не отстают: они осваивают новые технологии для поиска уязвимостей на сайтах.
Стоит заметить, что машинное обучение не всегда может использоваться для анализа инцидентов ИБ, поскольку зачастую они происходят непредсказуемо и не столь часто, чтобы можно было собрать статистику, достаточную для обучения системы.
«Машинное обучение стало распространенным инструментом во многих сферах, где требуется интеллектуальный анализ данных. Однако машинное обучение отнюдь не является «чудом» – это лишь математика и алгоритмы, доступные, в том числе, бесплатно, а потому интерес бизнеса и прикладных программистов к этому наиболее успешному направлению искусственного интеллекта будет расти и дальше. Можно ожидать появление алгоритмов, основанных на машинном обучении, и в сети, и, в том числе, встроенных в сетевые подсистемы телефонов и браузеров. Вследствие этого в будущем робот станет полноценным гражданином сети, и задача отличения человека от машины при доступе к сайту потеряет всякий смысл. Концентрироваться придется уже на выявлении аномального поведения, которое может быть присуще как роботу, так и живому человеку», – комментирует технический директор Qrator Labs Артем Гавриченков.