Κυβερνοασφάλεια και Τεχνητή Νοημοσύνη

Σε αυτό το άρθρο θα συζητήσουμε πώς σχετίζονται η Κυβερνοασφάλεια και η Τεχνητή Νοημοσύνη, ποιους κινδύνους ενέχουν οι τεχνολογίες AI για τους οργανισμούς και τι πρέπει να λάβετε υπόψη κατά την ενσωμάτωση εργαλείων AI στα συστήματα προστασίας δεδομένων σας.

Ορισμοί και έννοιες που θα αναλύσουμε σε αυτό το άρθρο.

Κυβερνοασφάλεια είναι η κατάσταση του πληροφοριακού συστήματος που διασφαλίζει την ακεραιότητα, την εμπιστευτικότητα και τη διαθεσιμότητα των ψηφιακών περιουσιακών στοιχείων πληροφοριών του: έγγραφα, αρχεία, συστήματα και υπηρεσίες, προσωπικά δεδομένα συνεργατών, εργαζομένων και πελατών, διαδικτυακούς πόρους κ.λπ.

Τεχνητή Νοημοσύνη (εφεξής AI) είναι το σύνολο των τεχνολογικών λύσεων που επιτρέπουν στις μηχανές να εκτελούν εργασίες που κανονικά απαιτούν ανθρώπινη νοημοσύνη. Ειδικότερα, τη μάθηση, τη λογική σκέψη και την εύρεση βέλτιστων λύσεων σε προβλήματα.

Νευρωνικά δίκτυα — ένα μαθηματικό μοντέλο που υλοποιείται προγραμματιστικά ή τεχνικά. Αναπαράγει την αρχή λειτουργίας των ανθρώπινων νευρωνικών συνδέσεων. Η έννοια δεν ταυτίζεται με την τεχνητή νοημοσύνη, αλλά αποτελεί μέρος της. Η ικανότητα μάθησης είναι το σημαντικότερο πλεονέκτημα των νευρωνικών δικτύων.

Βασικές απειλές Κυβερνοασφάλειας που σχετίζονται με τη χρήση τεχνολογιών Τεχνητής Νοημοσύνης

Η πρωτοφανώς ταχεία ανάπτυξη των τεχνολογιών AI έχει αλλάξει σημαντικά πολλές πτυχές της σύγχρονης ανθρώπινης ζωής, προσφέροντας ευκολία και ανοίγοντας σχεδόν απεριόριστες δυνατότητες για εργασία, μάθηση και δημιουργικότητα.

Ωστόσο, καθώς η τεχνολογία AI έχει γίνει πιο εξελιγμένη και προσιτή στο ευρύ κοινό, το τοπίο των κυβερνοαπειλών έχει γίνει πιο περίπλοκο, τόσο για μεμονωμένους χρήστες όσο και για ολόκληρους οργανισμούς. Παρακάτω εξετάζουμε τις πιο συνηθισμένες κυβερνοαπειλές που σχετίζονται με την AI για τους οργανισμούς.

Κακόβουλο λογισμικό βασισμένο σε AI

Σήμερα, οι τεχνολογίες Τεχνητής Νοημοσύνης χρησιμοποιούνται για την ανάπτυξη εξελιγμένου κακόβουλου λογισμικού που μπορεί να μάθει πώς λειτουργεί το πληροφοριακό σύστημα του οργανισμού και να παρακάμπτει έξυπνα τα παραδοσιακά μέτρα ασφαλείας. Οι κυβερνοεγκληματίες μπορούν επίσης να χρησιμοποιήσουν την AI για να αυτοματοποιήσουν τη διαδικασία εντοπισμού ευπαθειών IS και στόχευσης επιθέσεων.

Ανησυχητική τάση αποτελεί η ικανότητα της AI να παράγει τεράστιο αριθμό παραλλαγών κακόβουλου λογισμικού και να κατακλύζει τα συστήματα ασφαλείας — και ειδικά τους ειδικούς IS. Ταυτόχρονα, η AI ως εργαλείο δεν απαιτεί βαθιά τεχνογνωσία IT, γεγονός που μειώνει σημαντικά το επίπεδο εισόδου για τους κυβερνοεγκληματίες — κάτι που επίσης θα συμβάλει στην αύξηση των απειλών.

Το κακόβουλο λογισμικό που δημιουργείται με τεχνητή νοημοσύνη έχει ορισμένα χαρακτηριστικά.

1. Η ικανότητα μίμησης γνωστών οικογενειών κακόβουλου λογισμικού — και μάλιστα με πολύ υψηλή ακρίβεια. Η μίμηση μπορεί να παραπλανήσει τις υπηρεσίες ασφαλείας, καθιστώντας δύσκολο τον εντοπισμό της απειλής.
2. Πολυμορφισμός. Το κακόβουλο λογισμικό βασισμένο σε AI μπορεί να αλλάζει αυτόματα τον κώδικά του με κάθε αναπαραγωγή ή μόλυνση. Οι συνεχείς «μεταλλάξεις» δυσκολεύουν τις παραδοσιακές μεθόδους εντοπισμού βάσει υπογραφών να αναγνωρίσουν και να αποκλείσουν το κακόβουλο λογισμικό.
3. Προσαρμογή σε πραγματικό χρόνο. Το κακόβουλο λογισμικό βασισμένο σε AI είναι σε θέση να προσαρμόζει τη συμπεριφορά του στο περιβάλλον σε πραγματικό χρόνο.

Ένα άλλο σημαντικό στοιχείο που πρέπει να ληφθεί υπόψη κατά την οργάνωση της Ασφάλειας Πληροφοριών είναι η σχετική καινοτομία των επιθέσεων AI. Σύμφωνα με πρόσφατες έρευνες, οι περισσότεροι οργανισμοί εξακολουθούν να μη διαθέτουν σχέδια αντιμετώπισης για συμβάντα Κυβερνοασφάλειας που αφορούν συστήματα AI.

Deepfakes

Όπως δείχνει η πρακτική, ακόμη και το πιο σταθερό και αξιόπιστο σύστημα Ασφάλειας Πληροφοριών θα είναι αναποτελεσματικό αν οι εργαζόμενοι του οργανισμού δεν γνωρίζουν τους κανόνες ασφαλούς συμπεριφοράς στο διαδίκτυο.

Με την ανάπτυξη της τεχνολογίας Τεχνητής Νοημοσύνης, τα deepfakes έχουν εξαπλωθεί και ο αριθμός τους αυξάνεται καθημερινά.

Χρησιμοποιώντας αυτή την τεχνολογία AI, οι κυβερνοεγκληματίες μπορούν να δημιουργήσουν πειστικά βίντεο, εικόνες ή ηχητικές εγγραφές βασικών προσώπων.

Σύμφωνα με τον οργανισμό Human Constanta, ο αριθμός των καταγεγραμμένων βίντεο deepfake αυξήθηκε κατά 550% μεταξύ 2019 και 2023. Ωστόσο, είναι σημαντικό να συνειδητοποιήσουμε ότι η κλίμακα των επιθέσεων με χρήση βίντεο deepfake μπορεί να είναι πολύ μεγαλύτερη από αυτό το νούμερο, καθώς δεν καταγράφεται κάθε επίθεση.

Τι είναι σημαντικό να γνωρίζετε; Η τεχνολογία deepfake μπορεί να αποτελέσει απειλή για μεμονωμένους χρήστες, για οργανισμούς, ακόμη και για την εθνική ασφάλεια ολόκληρων χωρών, ειδικά στο σημερινό γεωπολιτικό κλίμα.

Οι στόχοι των επιθέσεων deepfake μπορεί να διαφέρουν: διάδοση παραπληροφόρησης, εκβιασμός, υποκίνηση εθνοτικού μίσους, δημιουργία πανικού στο κοινό, δημιουργία συμβιβαστικών εικόνων και βίντεο, κλοπή εμπιστευτικών δεδομένων, υποδυόμενοι υψηλόβαθμο πρόσωπο για οικονομικό όφελος κ.λπ. Οι επιτιθέμενοι μπορούν επίσης να χρησιμοποιήσουν επιθέσεις deepfake ως μέσο διάδοσης παραπληροφόρησης, εκβιασμού, υποκίνησης εθνοτικού μίσους, δημιουργίας πανικού στο κοινό, δημιουργίας συμβιβαστικών εικόνων και βίντεο, κλοπής εμπιστευτικών δεδομένων, υποδυόμενοι υψηλόβαθμο πρόσωπο για οικονομικό όφελος κ.λπ.

Ο εντοπισμός των deepfakes σήμερα είναι δύσκολη εργασία. Οι αλγόριθμοι AI βελτιώνουν συνεχώς την ικανότητά τους να παράγουν εξαιρετικά ρεαλιστικό περιεχόμενο, γεγονός που αναδεικνύει την ανάγκη οι οργανισμοί να εκπαιδεύουν τους εργαζομένους στην αναγνώριση deepfakes, καθώς και να εφαρμόζουν εργαλεία λογισμικού για την καταπολέμηση ψεύτικου περιεχομένου.

Κοινωνική μηχανική

Οι τεχνικές κοινωνικής μηχανικής χρησιμοποιούνται εδώ και καιρό από εγκληματίες, και με την ευρεία υιοθέτηση της τεχνολογίας AI, η διαδικτυακή απάτη έχει φτάσει σε νέα, πρωτόγνωρα επίπεδα.

Οι αλγόριθμοι AI μπορούν να συλλέγουν και να επεξεργάζονται τεράστιους όγκους δεδομένων χρηστών από κοινωνικά δίκτυα, ειδησεογραφικές πηγές, προσωπικούς ιστότοπους και να χρησιμοποιούν τις πληροφορίες για τη δημιουργία στοχευμένων επιθέσεων phishing, δηλαδή επιθέσεων που στοχεύουν σε συγκεκριμένο άτομο.

Το ποσοστό επιτυχίας των επιθέσεων μπορεί να είναι πολύ υψηλό, καθώς η AI μπορεί να αυτοματοποιήσει τη διαδικασία δημιουργίας πειστικών μηνυμάτων που βασίζονται σε προσωπικές πληροφορίες χρηστών. Ταυτόχρονα, chatbots ή φωνητικοί βοηθοί που λειτουργούν με AI μπορούν να υποδυθούν αξιόπιστα πρόσωπα ή οργανισμούς, καθιστώντας δύσκολο για τα θύματα να εντοπίσουν την απατηλή δραστηριότητα.

Είναι σημαντικό να συνειδητοποιήσουμε ότι οι νέες τεχνολογίες προηγούνται του νόμου. Πολλές από τις έννοιες που συζητήσαμε παραπάνω δεν υπάρχουν ακόμη σε κανονιστικό επίπεδο, γι' αυτό η επιβολή ευθύνης για αδικήματα που τις χρησιμοποιούν μπορεί να είναι προβληματική.

Λαμβάνοντας υπόψη τις συνθήκες, σήμερα είναι πολύ πιο εύκολο και οικονομικά συμφέρον να αναπτύξετε ένα σταθερό και αξιόπιστο σύστημα Ασφάλειας Πληροφοριών παρά να αντιμετωπίσετε μια παραβίαση, να εντοπίσετε τον υπαίτιο, να αποδείξετε την ενοχή του στο δικαστήριο και να ανακτήσετε αποζημίωση.

Δυνατότητες της AI για την Κυβερνοασφάλεια

Η Τεχνητή Νοημοσύνη, και ειδικότερα τα νευρωνικά δίκτυα, μπορούν τόσο να αποτελέσουν απειλή για την Ασφάλεια Πληροφοριών όσο και να αποτελέσουν αποτελεσματικό εργαλείο άμυνας.

Όσον αφορά την Κυβερνοασφάλεια, η Τεχνητή Νοημοσύνη έχει βασικό πλεονέκτημα έναντι του ειδικού IS — την ικανότητα να επεξεργάζεται γρήγορα τεράστιους όγκους δεδομένων, να εντοπίζει παραβιάσεις πολιτικών ασφαλείας και να αναγνωρίζει σύνθετα μοτίβα που θα μπορούσαν να υποδεικνύουν πιθανό συμβάν, και να αντιδρά άμεσα. Η ταχύτητα απόκρισης σε συμβάντα IS είναι καθοριστική.

Είναι σημαντικό να συνειδητοποιήσουμε ότι σήμερα η AI δεν μπορεί να αντικαταστήσει πλήρως έναν ειδικό Ασφάλειας Πληροφοριών. Ταυτόχρονα, η χρήση τεχνολογιών τεχνητής νοημοσύνης και μηχανικής μάθησης επιτρέπει σε έναν ειδικό IS να ενεργεί προληπτικά, εξουδετερώνοντας απειλές ασφαλείας πριν αυτές υλοποιηθούν.

Εφαρμογές της AI στην Κυβερνοασφάλεια

Σήμερα, η Τεχνητή Νοημοσύνη χρησιμοποιείται για την επίλυση του ακόλουθου φάσματος εργασιών:

• ανάλυση της συμπεριφοράς χρηστών, εντοπισμός ύποπτης δραστηριότητας·
• εντοπισμός κακόβουλης δραστηριότητας και διαφόρων ανωμαλιών στη λειτουργία του πληροφοριακού συστήματος·
• έλεγχος πρόσβασης και πιστοποίηση ταυτότητας χρηστών·
• αυτόματη απόκριση σε συμβάντα IS· 
• εντοπισμός και πρόληψη απειλών Ασφάλειας Πληροφοριών·
• εντοπισμός και πρόληψη διαρροών εμπιστευτικών δεδομένων·
• παρακολούθηση του πληροφοριακού συστήματος για απειλές IS.

Τα προηγμένα γεννητικά μοντέλα Τεχνητής Νοημοσύνης μπορούν να επιλύσουν πιο σύνθετα προβλήματα:

• ανάλυση κώδικα για ευπάθειες·
• συλλογή και ανάλυση δεδομένων σχετικά με τρέχουσες απειλές Ασφάλειας Πληροφοριών·
• αποκλεισμός bots σχεδιασμένων να επιτίθενται σε διαδικτυακούς πόρους και εφαρμογές, να κλέβουν ευαίσθητες πληροφορίες και άλλα·
• αναζήτηση και εντοπισμός σχέσεων, όπως η αναγνώριση email phishing που δημιουργήθηκαν από AI.

Ο κατάλογος των διαδικασιών που μπορούν να αυτοματοποιηθούν με χρήση AI είναι αρκετά εκτεταμένος. Ωστόσο, κατά την ενσωμάτωση εργαλείων AI σε ένα σύστημα Ασφάλειας Πληροφοριών, είναι εξαιρετικά σημαντικό να λαμβάνονται υπόψη οι ευπάθειές τους και οι πιθανοί περιορισμοί τους.

Περιορισμοί και προκλήσεις στη χρήση της AI στην Κυβερνοασφάλεια

Τα εργαλεία AI ενδέχεται να περιέχουν δικές τους ευπάθειες

Συνήθως, ο κύκλος ζωής των εργαλείων AI αποτελείται από 4 στάδια: σχεδιασμό, ανάπτυξη, εγκατάσταση, συντήρηση. Σε κάθε ένα από αυτά τα στάδια, μπορούν να εισχωρήσουν κρίσιμες ευπάθειες, οι οποίες αργότερα μπορούν να αξιοποιηθούν από ομάδες κυβερνοεγκληματιών για την παράκαμψη μηχανισμών ασφαλείας και την εισαγωγή κακόβουλου λογισμικού στο πληροφοριακό σύστημα του οργανισμού.

Για παράδειγμα, αδύναμοι ή λανθασμένα υλοποιημένοι μηχανισμοί πιστοποίησης ταυτότητας και εξουσιοδότησης ήδη από τα στάδια σχεδιασμού και ανάπτυξης μπορούν να οδηγήσουν σε διαρροές πληροφοριών και μη εξουσιοδοτημένες αλλαγές εντός του συστήματος.

Κατά τη φάση ανάπτυξης, οι επιτιθέμενοι μπορούν να εκμεταλλευτούν σφάλματα κώδικα για να εκτελέσουν αυθαίρετο κώδικα, να χειραγωγήσουν μοντέλα AI ή να αποκτήσουν μη εξουσιοδοτημένη πρόσβαση σε πόρους του συστήματος.

Επίσης, η συμπεριφορά ενός μοντέλου AI μπορεί να μεταβληθεί σκόπιμα ή τυχαία, οδηγώντας στην εκτέλεση μη εξουσιοδοτημένων εργασιών ή στην παραγωγή εσφαλμένων απαντήσεων. Οι πιθανές συνέπειες είναι πολλαπλές: μη εξουσιοδοτημένη πρόσβαση, διαρροές πληροφοριών, υπονόμευση των δεδομένων εξόδου.

Είναι επίσης σημαντικό να ληφθεί υπόψη η πιθανότητα μη ασφαλούς αλυσίδας εφοδιασμού. Αυτό σημαίνει ότι τα στοιχεία που αγοράζονται από εξωτερικούς προμηθευτές για την ανάπτυξη ενός εργαλείου AI ενδέχεται επίσης να περιέχουν ευπάθειες. Οι επιτιθέμενοι μπορούν να τα χρησιμοποιήσουν για να εισάγουν backdoors, κακόβουλο λογισμικό ή άλλο κακόβουλο κώδικα στο σύστημα.

Κατά την ενσωμάτωση εργαλείων AI στο σύστημα κυβερνοασφάλειας, είναι σημαντικό να έχετε υπόψη ότι ο κατάλογος πιθανών ευπαθειών είναι εκτεταμένος, όπως αποδεικνύεται από τον αριθμό των συμβάντων που έχουν εντοπιστεί.

Για παράδειγμα, τον Ιανουάριο του 2025 έγινε γνωστό ότι οι προγραμματιστές του κινεζικού chatbot τεχνητής νοημοσύνης DeepSeek άφησαν μία από τις κρίσιμες βάσεις δεδομένων τους απροστάτευτη. Αυτό οδήγησε στη διαρροή περισσότερων από ένα εκατομμύριο εγγραφών. Το ιστορικό αλληλογραφίας των χρηστών με το νευρωνικό δίκτυο, μυστικά κλειδιά και τμήματα του API, δεδομένα backend και άλλες ευαίσθητες πληροφορίες έγιναν δημόσια προσβάσιμα.

Ένα μήνα νωρίτερα, ειδικοί εντόπισαν ευπάθεια στο ChatGPT — το εργαλείο αναζήτησης της OpenAI μπορεί να εξαπατηθεί και μπορεί επίσης να παράγει κακόβουλο κώδικα αν εντοπίσει σχετική οδηγία στον ιστότοπο.

Τον Ιούνιο του 2024, ερευνητές εντόπισαν σοβαρή ευπάθεια στην ανοιχτού κώδικα πλατφόρμα AI Ollama. Η ευπάθεια με αναγνωριστικό CVE-2024-37032, γνωστή ως Probllama, αποτελεί απειλή — μπορεί να αξιοποιηθεί για απομακρυσμένη εκτέλεση κώδικα.

Ζητήματα ασφάλειας απορρήτου δεδομένων

Με βάση τα παραπάνω, οι επιθέσεις μπορούν να στοχεύουν όχι μόνο το πληροφοριακό σύστημα, αλλά και τα ίδια τα εργαλεία AI. Η διαδικασία εκπαίδευσης μοντέλων AI περιλαμβάνει τη συλλογή, αποθήκευση και επεξεργασία μεγάλων όγκων δεδομένων διαφόρων βαθμών ευαισθησίας, συμπεριλαμβανομένων πληροφοριών για στοιχεία IT, επιχειρησιακές διαδικασίες, αρχιτεκτονική πληροφοριακού συστήματος, δεδομένα εξουσιοδότησης χρηστών κ.ο.κ.

Όλα αυτά αυξάνουν τους κινδύνους διαρροών, απώλειας απορρήτου και κατάχρησης δεδομένων.

Τα εργαλεία AI είναι δύσκολο να υλοποιηθούν και να προσαρμοστούν

Η υλοποίηση και προσαρμογή του συστήματος προστασίας δεδομένων με χρήση τεχνολογιών AI απαιτεί σπάνιες δεξιότητες στη διασταύρωση της κυβερνοασφάλειας και του προγραμματισμού. Επιπλέον, η εφαρμογή μοντέλων AI συνεπάγεται μακρά καμπύλη εκμάθησης, λαμβάνοντας υπόψη την ανάγκη προσαρμογής σε επιχειρησιακές διαδικασίες μοναδικές για κάθε τομέα δραστηριότητας.

Ως παράδειγμα των δυσκολιών που μπορεί να προκύψουν κατά την υλοποίηση εργαλείων AI, οι κανόνες ασφαλείας μπορούν να διαμορφωθούν για πακέτα λογισμικού σχεδιασμένα να παρακολουθούν αυτόματα συμβάντα ασφαλείας και να αναλύουν παραβιάσεις και ύποπτη δραστηριότητα. Ένας υψηλός αριθμός εντοπισμένων συμβάντων υποδεικνύει ότι οι πολιτικές προστασίας από ιούς δεν είναι επαρκώς ρυθμισμένες. Και ένας μεγάλος αριθμός ψευδώς θετικών αποτελεσμάτων υποδεικνύει ότι οι κανόνες εντοπισμού ύποπτης δραστηριότητας δεν λειτουργούν σωστά. Και τα δύο είναι κακά.

Οι παράγοντες που περιγράφηκαν παραπάνω αναδεικνύουν την ανάγκη για άρτια καταρτισμένο εργατικό δυναμικό — εξ ου και η επόμενη πρόκληση.

Υπάρχει κρίσιμη έλλειψη άρτια καταρτισμένων ειδικών IS στην αγορά εργασίας

Σήμερα, παρατηρούμε σημαντική αύξηση στον αριθμό των ανοιχτών θέσεων εργασίας στην Κυβερνοασφάλεια σε σχέση με τον πραγματικό αριθμό ειδικευμένων επαγγελματιών. Σύμφωνα με το explodingtopics.com, το 57% των εταιρειών στερείται δεξιοτήτων κυβερνοασφάλειας. Μόνο στις ΗΠΑ, υπάρχει έλλειψη 377.000 επαγγελματιών Κυβερνοασφάλειας.

Το χάσμα αυτό έχει προκύψει για πολλούς λόγους, όπως η πρωτοφανώς ταχεία ανάπτυξη της τεχνολογίας, η ραγδαία ψηφιοποίηση της οικονομίας και των κλάδων, καθώς και η μαζική μετάβαση των ειδικών σε απομακρυσμένη μορφή εργασίας. Μέσα σε λίγα μόνο χρόνια, οι εταιρείες εξόπλισαν τις θέσεις εργασίας του προσωπικού με laptop, tablet, smartphone· συνδέθηκαν εφαρμογές cloud και πολλά άλλα — όλα αυτά μπορούν να αποτελέσουν σημείο εισόδου στο πληροφοριακό σύστημα ενός οργανισμού και επομένως χρειάζονται προστασία.

Η κυβερνοεγκληματικότητα εξελίσσεται επίσης ραγδαία. Οι κυβερνοεπιθέσεις έχουν γίνει πιο σύνθετες, ο αριθμός και η ένταση τους έχουν αυξηθεί, και το τοπίο των απειλών Ασφάλειας Πληροφοριών έχει επίσης διευρυνθεί σημαντικά. Όπως αναφέρθηκε παραπάνω, οι επιθέσεις σε πληροφοριακά συστήματα πραγματοποιούνται με χρήση τεχνολογιών Τεχνητής Νοημοσύνης, και τα μέτρα ασφαλείας πολλών εταιρειών δεν είναι ακόμη αρκετά ισχυρά ώστε να αντέξουν τις δραστηριότητες ομάδων κυβερνοεγκληματιών.

Η έλλειψη άρτια καταρτισμένων επαγγελματιών Κυβερνοασφάλειας, ειδικά σε τόσο εξειδικευμένο τομέα όπως η υλοποίηση και αντιμετώπιση τεχνολογιών AI, έχει σοβαρές συνέπειες.

Ως εκ τούτου, οι μικρές επιχειρήσεις θα επηρεαστούν σημαντικά. Οι μικροί οργανισμοί δεν μπορούν να διαθέσουν μεγάλους προϋπολογισμούς για την οργάνωση ενός βιώσιμου συστήματος προστασίας.

Πώς αξιοποιεί το Anexet Ultimate DLP τα νευρωνικά δίκτυα για την προστασία των δεδομένων των οργανισμών;

Το σύστημα Anexet Ultimate DLP χρησιμοποιεί επίσης νευρωνικά δίκτυα για την προστασία των εταιρικών δεδομένων.

Αναγνώριση κειμένου σε εικόνες. Το σύστημα σάς επιτρέπει να αναλύετε κείμενο σε έγγραφα γραφικής μορφής. Όταν εντοπιστούν τέτοια δεδομένα, το σύστημα εκτελεί αναγνώριση εικόνας και ανάλυση κειμένου και εφαρμόζει πολιτικές ασφαλείας στα αναγνωρισμένα δεδομένα. Ανάλογα με το επιλεγμένο εργαλείο αναγνώρισης εικόνας, το σύστημα μπορεί να αναγνωρίσει έγγραφα με επεκτάσεις .PDF, .DJVU, .JPEG, .PNG, .GIF, .BMP, .TIF.

Αναγνώριση σφραγίδων. Το σύστημα αναλύει αυτόματα τα έγγραφα που κυκλοφορούν εντός του πληροφοριακού δικτύου και τα ελέγχει για σφραγίδες. Αν εντοπιστεί έγγραφο με σφραγίδα, το Anexet Ultimate θα το συγκρίνει με ένα δείγμα αναφοράς. Αν εντοπιστεί ταύτιση, θα ενεργοποιήσει το σύστημα σύμφωνα με τις ρυθμισμένες πολιτικές ασφαλείας.

Αναγνώριση ομιλίας. Το σύστημα Anexet Ultimate σάς επιτρέπει να αναλύετε φωνητικές κλήσεις. Κατά την υποκλοπή κλήσεων, το σύστημα θα εκτελεί αναγνώριση, θα αναλύει το κειμενικό στοιχείο και θα εφαρμόζει τις πολιτικές ασφαλείας που έχουν οριστεί στην Κονσόλα Χρήστη στα υποκλαπέντα δεδομένα.

Αναγνώριση προσώπων σε φωτογραφίες webcam. Το σύστημα εντοπίζει αυτόματα την παρουσία ενός ατόμου σε φωτογραφίες webcam και τη συγκρίνει με φωτογραφίες στον λογαριασμό σας. Αν εντοπιστεί άγνωστο πρόσωπο ή άλλος εργαζόμενος μπροστά στην οθόνη, το Anexet Ultimate θα αποστείλει αυτόματα ειδοποίηση σε υπεύθυνο ασφαλείας και, εφόσον έχει προρυθμιστεί, θα αποκλείσει τη συνεδρία του χρήστη, ανεξάρτητα από το αν ο υπολογιστής είναι συνδεδεμένος στο δίκτυο ή όχι.

Εν κατακλείδι

Όπως φαίνεται, η AI μπορεί να επιλύσει ένα αρκετά μεγάλο σύνολο προκλήσεων Κυβερνοασφάλειας, και αυτός ο κατάλογος θα διευρύνεται μόνο στο μέλλον.

Ταυτόχρονα, κατά την οργάνωση του συστήματος Ασφάλειας Πληροφοριών, είναι σημαντικό να λαμβάνεται υπόψη η εκθετική αύξηση των δυνατοτήτων της Τεχνητής Νοημοσύνης και της μηχανικής μάθησης, και μαζί με αυτήν, ο αυξανόμενος αριθμός απειλών.