Kemajuan dalam pembelajaran mesin dalam beberapa tahun terakhir telah menciptakan sejumlah besar aplikasi seperti analisis data terapan, asisten suara, atau mobil tanpa pengemudi. Keberhasilan pembelajaran mesin dipastikan oleh fakta bahwa metode yang sama, dalam pembungkus yang berbeda, bekerja dengan baik dalam tugas yang sangat berbeda. Ini memungkinkan Anda untuk mengganti metode klasik, mendapatkan kualitas dan kecepatan kerja.
. . Google , Android, . Amazon harvest.AI Macie — , , , .
, , , .
, :
. .
DDoS-. , , .
, . , —
Darktrace. " ", . Ebay, Samsung Micron.
, Darktrace "" , . DarkTrace-antigena — , .
, , , Darktrace , , “ " .” , WannaCry 2017.
, . ImmuniWeb, Intruder .
, . . , .
IBM , , , - , . , 100 .
Ubisoft , . CLEVER - , , Ubisoft , . 79% , . , .
70% Ubisoft – .
, , , . , , . .
, 2016 (CSAIL MIT) AI2 — , " ". , , .
, , , . , , SVD RNN, .
. . , CSAIL, , 85 .
Ini hanyalah daftar kecil peningkatan yang dapat ditawarkan pembelajaran mesin untuk keamanan siber. Ini dapat membantu dalam berbagai aplikasi, yaitu, mendeteksi serangan, menemukan kerentanan dalam kode, dan membantu menganalisis data dalam jumlah besar. Saya yakin potensi pembelajaran mesin di bidang keamanan komputer belum sepenuhnya dieksplorasi, dan aplikasi baru yang lebih menarik menanti kami.