使用机器学习,卡巴斯基成功提高了25%的APT检测

雅加达 - 卡巴斯基公司宣布,在2024年上半年,它已成功将高级别恒定威胁(APT)检测增加了25%。

卡巴斯基全球研究与分析小组(GReAT)在其内部服务中利用机械学习技术,透露,数千个新的高级别威胁针对政府,金融,企业和电信部门。

卡巴斯基解决方案中使用的机器学习模型使用兰德森林和极限频逆文档频率(TF-IDF)等技术来处理大量数据,从而实现更快,更准确的微妙威胁检测。

ML方法的这种组合允许识别妥协指标(IoC),这可能被传统的检测系统忽视,从而实现更准确的异常检测,并显着提高整体威胁检测能力。

卡巴斯基机器学习的持续利用使其系统每天能够处理数百万个数据点,从而提供有关出现的威胁的实时见解。

看到这一增长,GReAT卡巴斯基META研究中心主任Amin Hasbini也感到惊讶,因为结果已经超过了他们的预期。

阿明说:“这项技术提高了检测准确性,并推动了积极主动的防御战略,帮助组织在面对不断增长的网络威胁时保持领先地位。

更完整的研究结果将在GITEX 2024上讨论,卡巴斯基将参加关于人工智能对网络安全影响的小组。