Últimas notícias

Fique informado

Como o machine learning pode ajudar a reduzir a sobrecarga dos profissionais de segurança da sua empresa?

13 de setembro de 2021

Spotlight

Doc9 lança Guia Prático de Prompts para ChatGPT no Jurídico: Como Maximizar a Eficiência com a Inteligência Artificial

Para obter os melhores resultados com o ChatGPT no contexto jurídico, siga as dicas importantes do Guia Prático de Prompts da doc9.

28 de maio de 2024

Governo Federal apoia Rio Grande do Sul na emissão 2ª via da Carteira de Identidade Nacional

O mutirão coordenado pelo Governo do RS começou nos abrigos de Porto Alegre. Expedição da segunda via será imediata

20 de maio de 2024

Os invasores estão usando a automação para comprometer sistemas, logo os profissionais de segurança também devem automatizar as defesas

Helder Ferrão, Gerente de Marketing de Indústrias da Akamai na América Latina

O machine learning consiste no estabelecimento de regras lógicas que visam melhorar o desempenho de uma tarefa ou, dependendo da aplicação ou plataforma, tomar a decisão mais adequada.

A Forrester, empresa de pesquisa e consultoria do mercado de tecnologia,  estima que, devido a motivos agravados pela COVID-19 e o crescimento resultante nas interações digitais durante a pandemia, as principais ameaças à segurança cibernética em 2021 são o roubo de identidade e o roubo de contas, que aumentaram em pelo menos 10% a 15% de 2019 para 2020. 

As organizações normalmente têm 2,5 funcionários em tempo integral para gerenciar o ambiente online. Em média, esses funcionários gastam 45 horas por semana respondendo a alertas e 16 horas por semana criando e/ou atualizando conjuntos de normas de proteção.

Além disso, segundo dados da Akamai, até 20% dos clientes online em potencial das empresas são “sequestrados” por concorrentes, custando milhões por ano. 

Por isso, é importante antecipar possíveis aumentos de ataques similares. Os invasores estão cada vez mais usando a automação para comprometer sistemas e aplicativos, logo os profissionais de segurança também devem automatizar as defesas contra esses ataques para gerenciar ameaças cibernéticas em ritmo acelerado.

4 formas de aprimoramento de segurança da plataforma online: 

· Lógica de segurança dinâmica

É importante ter soluções de proteção de API e aplicativos da Web que sejam projetados para adaptar as proteções automaticamente com o aumento no volume de ataques, reduzindo o esforço de manutenção e ajuste de políticas de segurança.

Com essa  automatização, a Akamai teve um aumento anual de 53% no tráfego de API. Buscar por uma plataforma que, por exemplo, combine o nível de risco de ataque com o perfil de ameaça adaptável para identificar ataques altamente direcionados, evasivos e com objetivo de furto, é fundamental para uma abordagem segura na empresa .  

A lógica de segurança dinâmica ajusta de forma inteligente sua forte defesa com base na mesma inteligência das ameaças direcionadas para o tráfego de cada cliente. O autoajuste aproveita o machine learning, modelos estatísticos e investigativos para analisar todos os gatilhos em cada regra para diferenciar com precisão entre verdadeiros e falsos ataques.

· Intervenção a tempo hábil

Um segundo passo para impedir e minimizar os efeitos dos ataques é detectar e bloquear as atividades maliciosas no momento em que acontecem, principalmente os que visam clientes da web, como ataques de JavaScript, de redes de anunciantes, de plugins de navegador e extensões.

Usar soluções tecnológicas que fazem uso do machine learning para identificar rapidamente recursos vulneráveis, detectar comportamento suspeito, bloquear anúncios indesejados, pop-ups, fraudes de terceiros e outros ataques robotizados destinados a ganhar seu público ou roubar seus dados, são medidas decisivas na hora de proteger a sua empresa.

· Atenção ao bot e a obstrução de JavaScript 

Vale a pena fazer inovações contínuas no gerenciamento de ataques de bots, incluindo a capacidade de agir contra eles alinhados com a tolerância a riscos corporativos.

Isso significa adotar plataformas inteligentes que conseguem aprender automaticamente a identificar e diferenciar os padrões do tráfego real e os padrões de bot, se auto ajustando para uma eficácia a longo prazo de bloquear ataques e permitir o acesso real.

A principal característica em uma plataforma de detecção é que a mesma possa alternar dinamicamente as detecções para evitar que os hackers que operam os bots identifiquem as proteções através de engenharia reversa e adaptando suas estratégias de ataque para ter sucesso em seus objetivos. Alterando dinamicamente as características de proteção, as adaptações dos hackers ficam extremamente dificultadas.

· Identificação de ataques humanos

Sabemos que hoje os atacantes estão cada vez mais sofisticados e precisamos estar atentos. Usando o machine learning avançado e a análise comportamental do usuário, é possível avaliar de forma inteligente cada solicitação de login, filtrando sinais de risco para determinar se ela vem de um usuário legítimo ou falso.

Esse recurso complementa a prevenção de bot já utilizada para fornecer proteção eficaz contra ambos tipos de ataques.

A automação inteligente agrega valor imediato e capacita os usuários com as ferramentas certas para gerar insights e contexto, contribuindo para a tomada de decisões mais rápidas e confiáveis, sem problemas enquanto antecipa o que os invasores podem fazer em seguida.

A plataforma de machine learning da Akamai obtém informações sobre atividades maliciosas de mais de 1,3 bilhão de interações diárias com o cliente, automatizando de forma inteligente as detecções de ameaças, tarefas demoradas, e lógica de segurança para ajudar os profissionais de proteção online a tomar decisões mais rápidas e confiáveis em relação às ameaças cibernéticas.

IA, IoT e Machine Learning impulsionam investimentos em nuvem

Como aplicar inteligência artificial e machine learning no combate a fraudes em meios de pagamentos

O que RPA, Machine Learning e Inteligência Artificial podem representar para o futuro das empresas