Künstliche Intelligenz für die Zukunft der Cybersicherheit

320.000 neue Schadprogramme täglich: Diese Zahl hat das Bundesamt für Sicherheit in der Informationstechnik (BSI) in seinem Lagebericht 2019 veröffentlicht. Neben der zunehmenden Zahl der Angriffe werden diese immer professioneller. Cyber Defense-Lösungen, die zur Entdeckung und Bewertung von Cyberangriffen künstliche Intelligenz (KI) nutzen, liefern dabei wertvolle Informationen für Cyber Defense Teams und sind von grundlegender Bedeutung für die Zukunft der Cybersicherheit. Die Einsatzgebiete reichen von Malware-Erkennung über Spamfilter-Anwendungen und Intrusion Prevention bis hin zu User Account Monitoring und Endpoint Protection.
Bild: ©deepagopi2011/stock.adobe.com

Immer mehr Unternehmen digitalisieren ihre Prozesse, um die Betriebseffizienz zu steigern, Kosten zu senken und den Austausch mit Kunden und Geschäftspartnern zu beschleunigen. Eine Automatisierung der Unternehmensabläufe ohne durchdachtes Sicherheitskonzept kann allerdings ungewollte Folgen haben. Denn jede neue Schnittstelle im digitalen Netzwerk kann für Unternehmen ein zusätzliches Einfallstor für Schadcodes und Malware sein. Als Systemintegrator und Managed Service Provider mit umfassendem Knowhow rund um KI-Lösungen und ihre Anwendungen unterstützt Controlware Unternehmen bei der Erkennung und Bewältigung von Sicherheitsrisiken.

Deep Learning als Schlüssel für die Überlegenheit KI-basierter Cyber Defense

Mit Deep Learning (DL) erkennen intelligente Systeme selbst komplexe Muster und häufige Veränderungen in einer Modellstruktur. Im Gegensatz zum grundlegenden Machine Learning (ML), das die Basis für KI-Anwendungen bildet, hinterfragt das System dabei die eigenen Entscheidungen: Waren sie richtig, verstärkt dies die zu Grunde liegenden Muster, werden sie revidiert, verringert sich die Gewichtung. Dieser Lernprozess ist vergleichbar mit der Bildung neuronaler Netzwerke im menschlichen Gehirn. Durch die Fähigkeit eigene Entscheidungen zu reflektieren und entsprechende Verhaltensänderungen für die zukünftige Musteranalyse abzuleiten, erhöhen sich die Zuverlässigkeit und Präzision der KI. Zusätzlich ist KI in der Lage, Änderungen in Modellen automatisch nachzuvollziehen. Dies ist eine wichtige Funktion für zuverlässige Cyber Defense, da Viren und Schadprogramme häufig Mutationen unterworfen sind. Wichtigste Voraussetzung für ein erfolgreiches Deep Learning ist ein großer Datenbestand, aus dem sich Muster und Modelle ableiten lassen.

KI liefert wichtigen Mehrwert in vielen Bereichen

Schon heute hilft die KI dabei, Malware von harmloser Software zu unterscheiden. Wichtige Parameter bei der Software-Analyse sind unter anderem Zugriffe auf die Festplatte und externe Elemente, wie Kamera oder Tatstatur, die verbrauchte Prozessorleistung und Bandbreite sowie die Datenmenge, die die Anwendung über das Internet überträgt. Die Bedeutung der Malware-Überwachung ist parallel mit der Zunahme an Endgeräten wie Laptops, PCs, Tablets und Smartphones gestiegen. Sind diese Geräte Bestandteil eines Firmennetzwerkes, geht von jedem mit Malware befallenen Gerät ein potenzielles Risiko für die gesamte digitale Infrastruktur des Unternehmens aus.

Ähnlich verhält es sich bei Spamfilter-Anwendungen. Da Spam-Mails immer wiederkehrende Grundaufbauten aufweisen, lassen sie sich sowohl durch ML als auch DL gut identifizieren. DL-Systeme kennen mit der Zeit aber auch die Kommunikationsbeziehungen einzelner Nutzer und können Nachrichten damit kritischer bewerten und sie entsprechend sortieren und markieren.

Ein weiteres Anwendungsfeld von KI ist die Erkennung und Verhinderung von nicht autorisierten Zugriffen auf Netzwerkinfrastrukturen (Intrusion Prevention), seien sie extern oder intern. DL-Systeme unterstützen außerdem beim User Account Monitoring. Die KI-Algorithmen untersuchen das User-Verhalten und können so Anomalien erkennen – z.B. durch unterschiedliche Geo-Lokationen binnen kürzester Zeit, ungewöhnliche Arbeits- und Zugriffszeiten oder die Nutzung von Datenbeständen, die bisher nicht oder nur selten genutzt wurden.

Heute macht KI einen Unterschied, morgen ist sie unverzichtbar

KI-Lösungen liefern mittlerweile wertvolle Informationen für Cyber Defense Teams und können sich an neue Herausforderungen anpassen. Bei der Integration von KI in ein bestehendes Cyber Defense System sollte das Unternehmen wissen, was es genau wovor schützen will, um auf das ‚wie‘ eine Antwort finden zu können. Hier hilft es, sich zunächst auf einzelne Unternehmensbereiche oder Kommunikationskanäle zu fokussieren, da ein überdimensionierter Sicherheitsapparat interne Prozesse verlangsamen und die Wettbewerbsfähigkeit schwächen kann.

Seiten: 1 2Auf einer Seite lesen

Controlware GmbH

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige