Detección de malware basada en IA (ATP) y prevención de pérdida de datos (DLP)

Webinar a la carta (30 min)
Con Jayakrishnan Iyer, distinguido ingeniero

A medida que las técnicas de ciberataque se vuelven cada vez más sofisticadas, las defensas tradicionales basadas en firmas tienen dificultades para seguir el ritmo. En este seminario web —«Detección de malware y prevención de pérdida de datos impulsadas por IA»— exploramos cómo las metodologías avanzadas de IA y aprendizaje automático Versapueden transformar tanto la prevención de amenazas como la protección de datos en su infraestructura de seguridad. Aprenderá a aprovechar el potencial de los modelos supervisados, no supervisados y de aprendizaje profundo para detectar cepas de malware en tiempo real, al tiempo que aplica etiquetado, clasificación y detección inteligentes para evitar la filtración de datos confidenciales.

Únete a Versa Networks 29 de mayo para descubrir cómo gestionar tus herramientas de seguridad de forma segura, independientemente de dónde se encuentren.

El debate versará sobre:

Comprender la detección de malware basada en IA/ML

  • El papel de la ingeniería de características (por ejemplo, secuencias de códigos operativos, patrones de llamadas a la API, telemetría de red) en la creación de clasificadores sólidos.
  • Canalizaciones de aprendizaje supervisado (bosques aleatorios, gradient boosting, redes neuronales) para identificar malware conocido y de día cero.
  • Técnicas de detección no supervisadas y semisupervisadas para sacar a la luz amenazas nunca vistas, diferenciadas por tipo de archivo.
  • Casos prácticos de implementación: implementación de la inferencia de modelos en la nube pública y en las pasarelas Versa .

Comprender la DLP basada en el aprendizaje automático

  • Métodos de incrustación de texto y contenido (por ejemplo, codificadores transformadores) para la clasificación semántica de documentos con baja latencia.
  • Utilización de modelos por tipo de contenido en función de la imagen, los documentos, el texto, etc., para la inspección de contenidos y la detección de PII/información confidencial.
  • Implementación en la nube pública/privada y en Versa Gateways.

Integrar y hacer operativos los controles basados en IA

  • Orquestación de fuentes de inteligencia sobre amenazas y actualizaciones de modelos ML mediante CI/CD para operaciones de seguridad.
  • Medición del rendimiento del modelo mediante KPI de precisión/recuperación, detección de desviaciones y bucles de retroalimentación continua para las actualizaciones del modelo.

¿A quién va dirigido?

  • CISO y CTO interesados en aprender cómo la seguridad basada en IA/ML puede integrarse en su pila actual de SSE.
  • Profesionales de TI y ciberseguridad que buscan actualizar su infraestructura de seguridad con soluciones basadas en IA/ML.
  • Responsables de las estrategias de transformación digital y ciberseguridad
  • Responsables de cumplimiento y gestores de riesgos que pretenden garantizar que sus organizaciones cumplen las cambiantes normas de ciberseguridad.
  • Organizaciones que necesitan consolidar soluciones de múltiples puntos en una suite de seguridad integrada impulsada por IA.

Visión general del aprendizaje de los asistentes:

Durante este seminario web, los arquitectos de seguridad, los CISO y otras partes interesadas clave obtendrán una hoja de ruta concreta para diseñar e implementar las soluciones ATP y DLP basadas en IA/ML Versa, que no solo detectan el malware con mayor precisión, sino que también protegen los datos críticos contra fugas, lo que permitirá a su organización pasar de una defensa reactiva a una seguridad proactiva basada en la inteligencia.

Los puntos clave serán:

  • Enfoque para diseñar e implementar clasificadores de aprendizaje automático en tiempo real destinados a la detección a gran escala de malware de día cero dentro del servicio de Prevención Avanzada de Amenazas Versa.
  • Técnicas para aprovechar las incrustaciones semánticas y los modelos de transformadores para automatizar y reforzar las políticas de DLP.
  • Mejores prácticas para poner en funcionamiento controles de seguridad basados en IA, integración de CI/CD y supervisión del rendimiento basada en datos.