L’Enterprise Immune System

Apprendre et comprendre les comportements normaux au sein de votre réseau
Pas de règles ou signatures
Mathématiques et auto-apprentissage
Détection des menaces en temps réel

« L’Enterprise Immune System » est une nouvelle approche technologique de cyber défense qui prend pour point d’ancrage le constat que les organisations actuelles font face à un niveau constant de menaces internes.

Les cybermenaces se présentent sous des formes diverses et de plus en plus difficiles à prédire. Comme l’ADN, elles se transforment constamment dans le but de survivre au sein de l’environnement dans lequel elles évoluent. Le corps humain traite ce problème grâce à son système immunitaire qui apprend continuellement ce qui est normal pour notre organisme et peut donc par conséquent identifier tout corps étranger et qui ne serait pas compatible ou en phase avec le modèle de normalité prédéfini.

Darktrace applique la même logique dans un contexte de réseau d’entreprise. « L’Enterprise Immune System Technology » apprend continuellement et détermine un « pattern of life » (modèle comportemental normal) pour chaque machine, utilisateur et le réseau dans sa globalité, corrélant ses informations dans le but d’identifier les déviances les plus subtiles qui pourraient indiquer une menace en cours.

Auto-apprentissage

Détecte et neutralise les menaces subtiles et furtives

L'auto-apprentissage présente une opportunité considérable pour l'industrie de la cybersécurité. Les nouvelles méthodes d'apprentissage automatique promettent d'améliorer la visibilité et les niveaux de détection grâce aux niveaux plus élevés d'analyse informatique qu'elles peuvent mettre en œuvre.

L'auto-apprentissage avancé est l'avant-garde de la lutte contre les cyber-menaces automatisées et celles engendrées par l'homme, dépassant les limites des approches basées sur des règles et des signatures :

  • Il apprend ce qui est normal à l'intérieur du réseau — il ne dépend pas de la connaissance des attaques précédentes.
  • Il se développe à l'échelle, selon la complexité et la diversité des entreprises modernes, où chaque périphérique et chaque personne est légèrement différent.
  • Il retourne l'innovation des attaquants contre eux — toute activité inhabituelle est visible.
  • Il revisite constamment les hypothèses de comportement en utilisant les mathématiques de l'estimation récursive bayésienne.
  • Il est toujours à jour et ne dépend pas du facteur humain.

Utiliser l'apprentissage automatique dans la technologie de la cybersécurité est difficile, mais lorsqu'il est correctement appliqué, il est extrêmement puissant. Cela signifie que les menaces auparavant inconnues peuvent être détectées, même quand leurs manifestations n'arrivent pas à déclencher des ensembles de règles ou des signatures. À la place, l'apprentissage automatique permet au système d'analyser d'importants volumes de données et d'apprendre le modèle comportemental « normal » de ce qu'il voit.

L'apprentissage automatique peut attribuer des capacités humaines aux machines, telles que :

  • La réflexion : il utilise des informations passées et des connaissances pour se former des opinions
  • Temps réel : le système traite les informations au fur et à mesure
  • Il s'améliore de lui-même : sa compréhension est constamment remise en question et adaptée, basée sur de nouvelles informations

L'auto-apprentissage permet donc aux ordinateurs de reconnaitre les nouvelles menaces, sans avertissement préalable ou surveillance.

L’Apprentissage Automatique: Un plus haut niveau d’automatisation

Les experts techniques

Poussé par des mathématiciens d’envergure internationale

En tant que centre d'excellence de classe mondiale dans les domaines de la science et des mathématiques, l'Université de Cambridge est au cœur de la recherche sur le nouvel apprentissage automatique. Cambridge abrite de nombreux leaders mondiaux en matière de technologie appliquant de nouvelles découvertes révolutionnaires à un large éventail d'activités et d'industries.

Darktrace a été fondée sous la supervision de deux personnes renommées ayant une formation en mathématiques et en auto-apprentissage, le professeur Bill Fitzgerald et le Dr Mike Lynch.

Bill Fitzgerald était professeur de statistiques appliquées, de traitement du signal et directeur de recherche au Laboratoire de traitement du signal à l'Université de Cambridge. Son travail révolutionnaire concernant la méthodologie statistique bayésienne telle qu'appliquée au signal et à la modélisation des données a eu un impact profond sur l'étude du traitement du signal, à la fois à l'Université de Cambridge et internationalement.

Le Dr Mike Lynch OBE est un technologue renommé, membre de la Royal Society et conseiller du gouvernement britannique, dont le travail et la recherche dans le domaine des mathématiques bayésiennes et de l'apprentissage automatique a permis le développement d'Autonomy, une entreprise de plusieurs milliards de dollars. Avec un doctorat en traitement du signal de l'Université de Cambridge, le Dr Lynch a déjà appliqué des approches mathématiques bayésiennes à des environnements et des infrastructures du monde réel ; il a conseillé Darktrace et il est le fondateur d'Invoke Capital.

Suivant: Produits
EnglishFrançais日本語