Acelerando os resultados do Zero Trust com a IA Generativa, Parte 1: Rotulagem por IA
A IA (inteligência artificial) parece inevitável nos dias de hoje. A revolução que começou com o lançamento do ChatGPT em 2022, evoluiu para uma verdadeira corrida para treinar novos modelos de linguagem e aproveitar as oportunidades oferecidas pela tecnologia de IA generativa. Em 2024, não é um exagero dizer que a IA transformará o modo como trabalhamos.
Como uma empresa focada no cliente, a Akamai está interessada em garantir que a IA generativa seja aproveitada de forma segura e eficaz em nossas ofertas. Esta postagem do blog é a primeira de uma série de quatro partes que destacará a forma como usamos e os investimentos em tecnologia de IA generativa para ajudar os especialistas em segurança a acelerar e simplificar suas iniciativas de Zero Trust.
Investindo em IA generativa
Acreditamos que a IA generativa é um enorme ativo, e não somos os únicos que veem os benefícios dessa tecnologia. De acordo com a Salesforce, 67% dos usuários finais pesquisados dizem que a IA generativa os ajudará a "aproveitar melhor outros investimentos em tecnologia", e 45% relataram que eles usariam mais a IA generativa "se ela estivesse integrada à tecnologia que já utilizam".
Do lado do fornecedor, uma pesquisa da Gartner com mais de 2.500 executivos revelou que 38% indicaram "experiência e retenção do cliente" como o principal objetivo de seus investimentos em recursos de IA generativa.
A Akamai já incorpora machine learning e IA preditiva aos produtos. Mas, quando se trata da nossa plataforma Zero Trust, a Akamai tem o compromisso de expandir os componentes de IA generativa para melhorar ainda mais a experiência do cliente, reduzir o tempo geral necessário para criar e aprovar a políticas de segurança e permitir que as equipes de segurança alcancem resultados Zero Trust de forma mais rápida e eficaz.
IA generativa e segmentação
Como mostramos em nosso relatório State of Segmentation 2023 , o maior obstáculo à implementação da segmentação em ativos críticos para os negócios é a falta geral de habilidades e conhecimentos. Se quisermos que mais equipes segmentem suas cargas de trabalho e aplicativos críticos, precisamos tornar a implementação dessa segmentação mais fácil e mais rápida..
A rotulagem é a espinha dorsal da segmentação e da microssegmentação baseadas em software. A aplicação da política de segurança foi abstraída das caraterísticas físicas, como porta e IP, e é aplicada com base no rótulo fornecido a um componente, máquina ou grupos específicos de máquinas. Por exemplo, eu poderia criar uma diretiva de segurança que bloqueia conexões diretas da Internet para todos os componentes, em qualquer porta e com qualquer protocolo, onde o rótulo é Função = banco de dados ou Aplicativo = CRM (Gerenciamento de relacionamento com clientes).
O problema é que muitas organizações não têm uma única fonte de dados com um conjunto completo e atualizado de metadados de servidor. Isso é necessário para garantir a rotulagem correta e, por extensão, para garantir a aplicação correta de uma política de segurança abrangente. A falta de metadados significa que a rotulagem se torna um esforço investigativo manual, e vimos, com alguns dos nosso próprios clientes, que esse cenário retarda a implantação da solução.
Rotulagem de IA da Akamai
Para resolver esse problema, estamos introduzindo um novo recurso alimentado por IA generativa: Rotulagem por IA. Esse novo recurso aproveita os recursos de IA generativa para sugerir rótulos apropriados com base nas comunicações do processo identificadas por nossa solução. Os LLM (grandes modelos de linguagem) usados por esse recurso foram treinados para reconhecer solicitação em inglês de conversação e determinará a identidade mais provável para uma máquina que tem processos específicos se comunicando. A figura abaixo mostra recomendações para rótulos de aplicativos (Figura 1).
Fig. 1: Usando o recurso de rotulagem por IA para identificar a identidade do aplicativo com base em seus processos de comunicação
Reconhecemos que a IA, especialmente em seus estágios iniciais, nem sempre é infalível. Para corrigir isso, cada sugestão de rótulo incluirá uma pontuação de confiança que reflete a confiança que o LLM tem em relação à sugestão, e também fornecerá uma explicação sobre o motivo pelo qual determinado rótulo foi sugerido. Isso ajudará as equipes a garantir que agirão apenas com base nas sugestões mais confiáveis, reduzindo o potencial de erro (Figura 2).
Fig. 2: Apresentando pontuações de confiança e evidências para cada sugestão de aplicativo:CRM
Acreditamos que a rotulagem por IA removerá grande parte do processo manual de rotulagem de máquinas e componentes no seu ambiente, o que reduzirá significativamente o tempo necessário para criar e aplicar políticas de segurança. O aumento resultante na eficiência do SecOps significa que suas equipes podem gastar menos tempo se preparando para segmentar e mais tempo realmente segmentando e acelerando suas metas Zero Trust de segurança.
Saiba mais
Para saber mais sobre nossa plataforma Zero Trust com IA generativa, visite akamai.com/zerotrust.