skip to Main Content

Machine Learning, Malanov: E’ smart, ma gli esseri umani lo sono di più

Machine Learning, Malanov: E’ Smart, Ma Gli Esseri Umani Lo Sono Di Più

Alexey Malanov al Festival della Diplomazia: Il machine learning è smart, ma l’essere umano lo è di più. E’ una guerra di risorse tra attaccanti e difensori: vince chi ne usa meno

Il machine learning, anche se è “smart”, lo è comunque meno degli esseri umani. Di conseguenza può essere battuto. Lo ha spiegato Alexey Malanov, esperto di cyber security di Kaspersky, a Difesa e Sicurezza a margine dell’evento “Artificial Intelligence: Ethics and Algorithmic Biases”, organizzato da Diplomacy- Festival della Diplomazia e John Cabot University. “Noi a Kaspersky usiamo soluzioni e chiavi di protezione multi-livello. Ciò in quanto l’uomo è sempre in grado di batterlo con approcci e modi differenti”. Peraltro, nella malware detection la situazione “è la stessa – ha aggiunto -. L’uomo può evitare di essere rilevato dal machine learning, ma per farlo deve investire risorse. C’è una sfida tra i ‘cattivi’ e i difensori e l’obiettivo di questi ultimi è scoprirlo spendendo meno di chi attacca”. Di fatto, si riprende il mantra di Eugene Kaspersky, secondo cui gli attacchi hacker finiranno quando effettuarli costerà più di quel che rendono. 

L’esperto di cyber security di Kaspersky: Il Behavioural Machine Learning è molto utile nella protezione delle organizzazioni: Non viene definito a priori ciò che è buono e cosa è cattivo, ma analizza le possibili anomalie in base ai dati e all’esperienza acquisita

Per quanto riguarda le minacce cibernetiche, sia verso gli utenti (end user) sia verso le organizzazioni, “adottiamo una difesa multi-layer, ognuno con vantaggi e svantaggi – ha proseguito Malanov -. Il machine learning è uno di questi e il mio preferito è il Behavioural Machine Learning, che combina due approcci: quello comportamentale con l’intelligenza artificiale”. In questo caso, “non viene definito a priori ciò che è buono e cosa è cattivo – ha sottolineato l’esperto di cyber security -. Diamo all’algoritmo, al modello matematico, molti esempi e gli chiediamo di stabilire quali siano le differenze. Gli analizzatori di attacchi mirati, basati sul machine learning, inoltre, osservano tutti i nodi in un’organizzazione e acquisiscono dati, comparandoli con quelli base a livello generale e locale. Perciò, se rilevano un’anomalia, avvisano subito gli amministratori che possono investigare sul caso.

Back To Top