Opentext Intelligenza Artificiale è Macchina
L'intelligenza artificiale (AI) trasforma u modu chì interagisce cù e macchine è u modu chì e macchine interagiscenu cun noi. Questa guida spiega cumu funziona l'AI, i punti di forza è e limitazioni di varii tipi di apprendimentu automaticu, è l'evoluzione di stu campu di studiu sempre cambiante. Esplora ancu u rolu di l'analitiche di sicurezza attivate da l'AI o l'analitiche di cumportamentu di l'utilizatori è di l'entità (UEBA) per prutege megliu l'imprese da e cumplesse minacce di cibersicurezza d'oghje.
Machine vs apprendimentu umanu
L'intelligenza artificiale (IA) hè in ogni locu - almenu, hè cusì chì pare In OpenText™, l'ascesa di l'IA hè à tempu eccitante è sfida Ma cum'è avemu impegnatu cù i nostri pari, clienti è partenarii, avemu capitu chì u U cuncettu di AI ùn hè micca sempre facilmente capitu Per inizià sta guida AI è Machine Learning 101, sballeremu u puzzle AI rispondendu à a quistione principale chì parechje persone si ponenu: "Chì hè veramente l'intelligenza artificiale?"
A manera più faciule di capisce l'intelligenza artificiale hè di mape à qualcosa chì avemu digià capitu - a nostra propria intelligenza Cumu funziona l'intelligenza umana non-artificiale? À u livellu più basicu, a nostra intelligenza seguita una progressione simplice: pigliamu l'infurmazioni, l'avemu processatu, è in fine l'infurmazioni ci aiutanu à agisce.
Scupritemu questu in un diagramma di sistema In a figura sottu, i trè passi generali di l'intelligenza umana da manca à diritta: input, processing, and output In u cervellu umanu, input si svolge in forma di sensazione è percive e cose I vostri ochji, u nasu, l'arechje, etc., pigliate l'input crudu à manca, cum'è i fotoni di luce o l'odore di pinu, è poi u processu Da u latu drittu di u sistema hè output. processemu l'input crudu chì u nostru cervellu riceve U trasfurmazioni passa in u mezu, induve a cunniscenza o i ricordi sò furmati è ricuperati, decisioni è inferenze è fatti, è l'apprendimentu accade.
Figura 1. Intelligenza umana
Cumu funziona l'intelligenza umana non-artificiale? À u livellu più basicu, a nostra intelligenza seguita una progressione simplice: pigliamu l'infurmazioni, a processemu, è in fine l'infurmazioni ci aiutanu à agisce.
Foto chì si ferma à una intersezzione di strada I vostri ochji vedenu chì u semaforu davanti à voi hè diventatu verde Basatu nantu à ciò chì avete amparatu da l'esperienza (è l'educazione di u cunduttore), sapete chì una luce verde indica chì duvete guidà avanti. culpisce u pedale di gas U lume verde hè l'input crudu, a vostra accelerazione hè a pruduzzioni; tuttu in trà hè trasfurmazioni
Per navigà in modu intelligente in u mondu intornu à noi - risponde à u telefunu, coce cookies di cioccolata o ubbidì à i semafori - avemu bisognu di processà l'input chì ricevemu. :
- Cunniscenza è memoria. Custruemu cunniscenze cum'è ingeremu fatti (vale à dì, a Battaglia di Hastings hè accaduta in u 1066) è e norme suciali (vale à dì, dicendu "Per piacè" è "Grazie" hè cunsideratu educatu) Inoltre, a memoria ci permette di ricurdà è applicà l'infurmazioni da u passatu à situazioni prisenti Per example, Edward s'arricorda chì Jane ùn l'hà micca ringraziatu per u so rigalu d'anniversariu, cusì ùn s'aspittava ch'ella li ringraziassi quandu li dà un rigalu di Natale.
- Decisione è inferenza. E decisioni è inferenzi sò fatti nantu à l'input crudu cumminatu cù a cunniscenza è / o a memoria Per esample, Edward hà manghjatu un pepite jalapeno l'annu passatu è ùn li piacia micca Quandu Johnny prupone un pepite à Edward, decide di ùn manghjà micca.
- Amparera. L'omu pò amparà da example, observazione, o algoritmu In l'aprenu da example, ci hè dettu chì un animale hè un cane, l'altru hè un gattu In l'amparera per l'osservazione, capemu da noi stessi chì i cani abbaianu è chì i misgi miagolanu U terzu metudu d'aprenu - l'algoritmu - ci permette di compie un compitu seguitu. una seria di passi o un algoritmu specificu (per esempiu, eseguendu una divisione longa)
Sti aspetti di l'intelligenza umana parallella intelligenza artificiale Cum'è noi piglià in infurmazione, prucessu, è sparte a pruduzzioni, cusì ponu machini Fighjemu un ochju à a figura sottu à vede cumu sta mappa fora.
Figura 2. Intelligenza artificiale
Per navigà in modu intelligente in u mondu intornu à noi - rispondendu à u telefunu, cucendu i cookies chips di cioccolata, o ubbidì à i semafori - avemu bisognu di processà l'input chì ricevemu.
In i machini, a parte di input di l'intelligenza artificiale hè exemplificata da u trattamentu di a lingua naturale, u ricunniscenza di a parolla, u ricunniscenza visuale, è più Vede tali tecnulugia è algoritmi in ogni locu, da e vitture autònuma chì anu bisognu à sente e strade è ostaculi, à Alexa o Siri. quandu ricunnosce u vostru discorsu L'output chì seguita sò modi in quale e macchine interagiscenu cù u mondu chì ci circundanu Questu puderia piglià a forma di robotica, sistemi di navigazione (per guidà quelli vitture autoguidati), generazione di discorsu (per esempiu, Siri), etc. trà, avemu diverse forme di trasfurmazioni chì si passa
Simile à a nostra accumulazione di cunniscenze è ricordi, i machini ponu creà rapprisentazione di cunniscenze (per esempiu, basa di dati gràfiche, ontologii) chì aiutanu à almacenà l'infurmazioni nantu à u mondu Cum'è l'omu piglianu decisioni o trascenu inferenze, i machini ponu fà una predizione, ottimisà per un target o. u risultatu, è determinà i meglii passi successivi o decisioni per scuntrà un scopu specificu
Infine, cum'è avemu amparatu da example, l'osservazione, o l'algoritmu, i machini ponu esse insignati cù metudi analoghi. L'apprendimentu di macchina cuntrullatu hè assai simili à l'apprendimentu da ex.ample: l'urdinatore hè datu un inseme di dati cù "etichette" in u settore di dati chì agiscenu cum'è risposte, è eventualmente impara à dì a diffarenza trà e diverse etichette (per esempiu, stu dataset cuntene foto tichjate cum'è "cane" o "cat", è cù abbastanza examples, l'ordinateur s'apercevra que les canes en général ont la code plus longue et les oreilles moins pointues que les chats)
L'apprendimentu automaticu senza supervisione, invece, hè cum'è l'apprendimentu per l'osservazione L'urdinatore osserva i mudelli (i cani abbaia è i gatti miau) è, attraversu questu, ampara à distingue gruppi è mudelli da sè stessu (per esempiu, ci sò dui gruppi di animali chì ponu esse separati da u sonu chì facenu un gruppu abbaia - i cani - è l'altru gruppu miau - i gatti) L'apprendimentu senza supervisione ùn hà micca bisognu di etichette è pò esse preferitu quandu i setti di dati sò limitati è ùn anu micca etichette. ciò chì succede quandu un programatore instruisce un computer esattamente ciò chì deve fà, passu per passu, in un prugramma di software.
Deally, i risultati di intelligenza artificiale più precisi è carenti necessitanu una cumminazione di metudi d'apprendimentu Sia l'apprendimentu automaticu supervisatu sia senza supervisione sò metudi utili - si tratta di applicà l'approcciu ghjusta o approcci à u casu d'usu ghjustu.
In seguitu, metteremu l'apprendimentu automaticu sottu u microscopiu per capisce cumu questa parte di l'IA riflette i neuroni in u nostru cervellu per trasfurmà l'input in un output ottimale.
Ideale, i risultati di intelligenza artificiale più precisi è efficaci necessitanu una cumminazione di metudi di apprendimentu. Sia l'apprendimentu automaticu supervisatu sia senza supervisione sò metudi utili - si tratta di applicà l'approcciu ghjusta o approcci à u casu d'usu ghjustu.
A Rete Neurale è Apprendimentu Profondu
L'apprendimentu automaticu hè solu una parte di l'IA, ancu s'ellu hà un sottogruppu massivu di algoritmi in questu. Un metudu chì si sente spessu oghje hè "apprendimentu prufondu", un algoritmu chì hà ricevutu una bona parte di l'attenzione in a notizia in l'ultimi anni Per capiscenu. a so pupularità è u successu, hè d'utile per capiscenu cumu funziona L'apprendimentu prufondu hè una evoluzione di un algoritmu di apprendimentu machine chì era populari in l'anni 1980 chì pudete ricunnosce: rete neurali.
E rete neurali - un paradigma di prugrammazione in quale furmàmu e macchine per "amparà" - sò ispirati da neuroni, o cellule specializate in u corpu umanu chì formanu a fundazione di u nostru sistema nervu, è in particulare i cervelli Queste cellule trasmettenu segnali in tuttu u nostru corpu. risposti è prucessi di u sistema I neuroni sò ciò chì ci permettenu di vede, sente, annusà, etc.
Figura 3. Cumu i neuroni ricevenu è mandanu missaghji
Gran parte di ciò chì pensemu chì l'apprendimentu umanu pò esse descrittu da quantu forte hè a cunnessione trà dui neuroni in u nostru cervellu, cù a forza di a frangia di e nostre sinapsi.
In a prima parte di sta guida, avemu discututu u prucessu di basa di l'intelligenza umana: input à manca, è output à diritta U neurone (in stampa sopra) ghjoca un rolu criticu in questu In u latu manca di u neurone, u corpu cellulosa raccoglie. "Input" Una volta chì riceve abbastanza input o stimolazione, l'assone si fresanu, trasmettenu l'infurmazioni à u latu drittu - a sinapsi L'"output" hè allora mandatu à altri neuroni.
In ogni mumentu, i nostri neuroni passanu missaghji trà l'altri Sti cellule sò rispunsevuli di a nostra capacità di percive u nostru circondu È quandu avemu amparatu, i nostri neuroni diventanu assai attivi In fatti, assai di ciò chì pensemu chì l'apprendimentu umanu pò esse descrittu da quantu hè forte a cunnessione trà dui neuroni in u nostru cervellu, cù a forza di a frangia di e nostre sinapsi
Una rete neurale hè una simulazione matematica di una cullizzioni di cellule neuronali L'imaghjini sottu rapprisenta una rete neurale basica cù 3 strati è 12 nodi.
Ogni nodu circulare rapprisenta un "neurone" artificiale, biologicamente inspiratu. E linee rapprisentanu una cunnessione da l'output di un neurone artificiale à manca à l'ingressu di un altru à a diritta. , input-cum'è i dati di pixel-flussi da a strata di input, attraversu i strati "hidden" di u mediu, è infine à u stratu di output in una manera descritta da equazioni matematiche liberamente inspirate da l'attività elettrica in i neuroni biologichi attuali.
Figura 4. Rete neurale simplice
E rete neurali amparanu pruvendu à cunfurmà i setti di dati presentati à a capa di input à i risultati desiderati in a capa di output. L'equazioni matematiche calculanu l'outputs, paragunate l'output simulatu à u risultatu desideratu, è e differenze risultanti pruducianu tweaks à a forza di e cunnessione.
E reti neurali amparanu pruvendu à cunfurmà i setti di dati presentati à a strata di input à i risultati desiderati in a strata di output L'equazioni matematiche calculanu l'outputs, paragunanu l'output simulatu à u risultatu desideratu, è e differenze risultanti pruduceranu tweaks à a forza di e cunnessione. Questi tweaks sò iterativamente mudificati finu à chì l'output calculatu hè abbastanza vicinu à u risultatu desideratu, à quale puntu dicemu chì a rete neurale hà "amparatu"
Figura 5. Rete neurale cumplessa
Queste rete neurali "più profonde" ponu fà predizioni assai più cumplesse Ci ponu esse millaie di nodi è centinaie di strati, chì significanu millaie di calculi diffirenti I mudelli di apprendimentu prufonda sò diventati assai boni à prublemi specifichi, cum'è a ricunniscenza di parlà o di l'imagine.
Hè vale a pena nutà, però, chì l'apprendimentu prufondu ùn hè micca una bala d'argentu per l'apprendimentu automaticu, soprattuttu micca in a cibersecurità, induve qualchì volta ùn ci hè micca u grande volume di dati puliti chì hè ideale per i metudi di apprendimentu profondu Hè impurtante di sceglie l'algoritmu ghjustu, dati, è principii per u travagliu Questu hè u megliu modu per e macchine per cullà evidenza, cunnette i punti, è tirà una cunclusione
E rete neurali pò parenu cum'è a roba di l'avvene, ma hè stata per un pezzu In fattu, e rete neurali sò basate nantu à idee chì anu cuminciatu à circulà in l'anni 1940 In a sezione dopu, faremu un brevi viaghju in u tempu per capiscenu. cumu e rete neurali è l'apprendimentu automaticu sò ghjunti à permeà parechje parte di a vita muderna.
E rete neurali pò parenu cum'è a roba di u futuru, ma hè stata per un pezzu. In fatti, e rete neurali sò basati nantu à idee chì cuminciaru à circulà in l'anni 1940.
Una breve storia di l'intelligenza artificiale
Per certi persone, u terminu intelligenza artificiale (AI) puderia evocà l'imaghjini di cità futuristiche cù vitture volanti è robot di casa Ma l'IA ùn hè micca un cuncettu futuristicu, almenu micca più Benchè ùn sia micca chjamatu cusì, l'idea di intelligenza artificiale pò esse rintracciatu à l'antichità (vale à dì, u diu grecu Efestu, ancelle meccaniche parlanti) ¹ Dapoi l'anni 1930, i scientisti è i matematichi sò stati ansiosi di scopra a creazione di una vera intelligenza separata da l'omu.
U mumentu definitu di l'IA à a mità di u XXu seculu era una felice cunfluenza di matematica è biologia, cù circadori cum'è Norbert Wiener, Claude Shannon è Alan Turing chì anu digià sbulicatu à l'intersezzione di i signali elettrici è u calculu In u 20, Warren McCulloch è Walter Pitts. Avia criatu un mudellu per e rete neurali I riti neurali alluntananu a strada per un novu mondu bravu di l'informatica cù più cavalli, è, in u 1943, u campu di a ricerca AI hè statu ufficialmente stabilitu cum'è una disciplina accademica.
L'ultima mità di u seculu era un'età eccitante per a ricerca è u prugressu di l'AI, interrotta in ocasioni da "inverni AI" à a mità di l'anni 70 è a fine di l'anni 80 induve l'IA ùn hà micca riesciutu à scuntrà l'aspettattivi di u publicu, è l'investimentu in u campu hè stata ridutta Ma malgradu i scontri, diverse applicazioni per l'IA è l'apprendimentu automaticu appariscenu à manca è à diritta Una aneddota particulari di una tale applicazione hè diventata una parabola populari in a cumunità scientifica, parlendu abbastanza efficacemente à i prucessi è e tribulazione di a ricerca è l'implementazione di l'IA.
A storia va qualcosa cusì:
In l'anni 1980, a PentagOn hà decisu d'utilizà una rete neurale per identificà i tanki camuffati Travagliendu cù un solu mainframe (da l'anni 1980, tenete in mente), a rete neurale hè stata furmata cù 200 ritratti - 100 tanki è 100 arburi Malgradu a reta neurale relativamente chjuca (per via di l'anni 1980). limitazioni nantu à u calculu è a memoria), a furmazione di labburatoriu hà risultatu in una precisione di 100%.
Figura 6. Lab vs field pictures (Fonte: Neural Network Follies, Neil Fraser, settembre 1998)
Cù a dispunibilità di vaste risorse informatiche chì ùn eranu micca sognate in l'anni 1980, e rete neurali prufonde sò diventate rapidamente un spaziu populari per a ricerca. L'apprendimentu prufondu dà à un sistema a capacità di "amparà" automaticamente attraversu miliardi di cumminazzioni è osservazioni, riducendu a dependenza di e risorse umane.
Perchè a rete neurale hà fattu cusì fantasticamente nantu à e foto in u laboratoriu, ma fallenu cusì cumpletamente in u campu? Risultava chì e foto non-tank eranu tutte pigliate in i ghjorni induve u celu era nuvoloso; tutti i ritratti di l'arburi sò stati pigliati in i ghjorni induve u sole brillava A reta neurale era stata addestrata per ricunnosce u sole, micca i tanki
Eventualmente, però, u ricunniscenza visuale via l'apprendimentu prufondu - facilitatu da e rete neurali chì sò assai più cumplessi cà a Pen.tagU mainframe di l'anni 1980 avaria sappiutu manighjà, diventatu una realità In u 2012, u prufessore di Stanford Andrew Ng è u cumpagnu di Google Jef Dean anu creatu una di e prime reti neurali profonde chì utilizanu 1000 computer cù 16 core ognunu U compitu: analizà 10 milioni di video di YouTube U risultatu : hà trovu i misgi ² Grazie à u so algoritmu di "apprendimentu prufondu", a reta hà sappiutu ricunnosce i misgi cù u tempu, è cù una precisione assai bona
Cù a dispunibilità di vasti risorse informatiche chì ùn eranu micca sognate in l'anni 1980, e rete neurali profonde sò diventate rapidamente un spaziu pupulare per a ricerca. L'apprendimentu profondu dà à un sistema a capacità di "amparà" automaticamente attraversu miliardi di cumminazzioni è osservazioni, riducendu a dipendenza da a ricerca. risorse umane In u duminiu di cibersecurità, u metudu hè diventatu particularmente promettente per a deteczione di malware-scenarii in quale avemu grande datasets cù assai ex.amples of malware da quale a reta pò amparà
Sfurtunatamente, i metudi di apprendimentu prufondu sò attualmente menu efficaci quandu si tratta di certi casi d'usu, cum'è a minaccia interna, perchè ùn avemu micca solu u tipu di dati ghjusta nantu à sti tipi d'attacchi, in i volumi necessarii A maiò spessu, l'infurmazioni chì avemu. nantu à i minacce insider sò anecdòtica, chì ùn pò micca esse usata in modu efficiente da sti tipi di rete neurali.
Finu à pudè riunisce datasets più efficaci (è riduce u costu è a cumplessità di i sistemi di apprendimentu profondu), l'apprendimentu profondu ùn hè micca a scelta ghjusta per tutti i casi d'usu È va bè L'apprendimentu profondu hè solu unu di i tanti algoritmi di apprendimentu automaticu, è questi approcci ponu esse cum'è s'ellu ùn hè micca più preziosu - tuttu dipende di u travagliu in manu
Avemu vistu un immensu putenziale di e tecnulugia AI in i sei decennii da a so "nascita" ufficiale, è avemu solu graffiatu a superficia, soprattuttu in securità In seguitu, faremu una immersione più profonda in l'applicazioni potenziali per l'AI è l'analitiche per cambià u manera chì identificemu è rispondimu à e minacce di sicurità.
L'analisi predittiva hè solu un pezzu di un puzzle assai più grande chì ci pò dà una visione assai più utile per e squadre di sicurezza.
Avemu vistu un immensu putenziale di tecnulugii AI in i sei decennii da a so "nascita" ufficiale, è avemu solu graffiatu a superficia, soprattuttu in sicurezza.
Una nova visione per l'analisi di sicurezza
Finu a ora, sta guida hà pigliatu un ochju attentu à l'apprendimentu macchina, capiscendu e so limitazioni è i so punti di forza Ci hè un putenziale enormu per l'apprendimentu macchina per facilità l'IA, ma vale a pena nutà chì u ghjocu più largu di a rilevazione di minacce ùn hè micca solu per l'apprendimentu profondu o l'apprendimentu automaticu. cum'è a sapemu oghje Novi metudi analitici cumminati cù novi tippi di dati ponu dà un quadru cumplettamente novu in quale analizà è agisce nantu à e minacce di sicurezza.
| Novi metudi | Analisi Adattiva Analisi Continua Optimization sottu incertezza | Rispondi à u cuntestu Rispondi à u cambiamentu / feedback locale Quantificà o mitigà u risicu |
| Tradiziunale | Ottimizazione Modellazione Predittiva Simulazione Previsione Avvisi Interrogazione/Drill Down Rapportu Ad hoc Rapportu Standard | Cumplessità di decisione, velocità di suluzione Casuale, probabilisticu, livelli di fiducia Alta fideltà, ghjoculi, data farming Set di dati più grande, regressione non lineare Regule / triggers, sensibili à u cuntestu, avvenimenti cumplessi In dati di memoria, ricerca fuzzy, geospaziale Query by example, l'utilizatori difende i rapporti Tempu reale, visualizazioni, interazzione cù l'utilizatori |
| Dati novi | Relazione di risoluzione di l'entità, annotazione di estrazione di funzioni è tokenizazione | Persone, ruoli, locu, cose Regoli, inferenza semantica, currispundenza Automatizatu, crowd sourced |
Avemu vistu ciò chì l'analitica pò fà per l'altri industrii, è ci hè un putenziale per l'analitica per avè un impattu prufondu nantu à a cibersecurità, ancu Videmu questu piglià forma in un novu campu chì avemu riferitu cum'è analisi di sicurezza, chì essenzialmente piglia a prova di battaglia. l'algoritmi è i metodulugii chì avemu discututu (è più) è l'applicà aiutanu à risolve i prublemi veramente difficili in a sicurità
L'analitiche più cumune chì vedemu in a sicurità oghje implica mudelli predittivi, chì ci permettenu di identificà induve i risichi puderanu esse in una grande quantità di dati (questu hè induve a rilevazione di anomalie) In poche parole, a modellazione predittiva combina dati storichi cù u cumpurtamentu in tempu reale. per capiscenu o predichendu u cumpurtamentu futuru Cù questu, pudemu risponde à a quistione: "Chì succede dopu?"
Ma a nostra visione per l'analisi di sicurezza ùn si ferma micca quì L'analisi predittiva hè solu un pezzu di un puzzle assai più grande chì ci pò dà una visione assai più utile per i squadre di sicurezza. , nuvola, rete suciale, dati aperti, etc. - cù parechje approcci analitici avanzati à l'analisi di cumportamentu è di minaccia, cumprese l'analisi forensica, a modellazione di risichi, a rilevazione di anomalie, ottimisazione di cumportamentu è di risposta, è più.
Questu significa chì pudemu fà assai più cà predichendu o identificà una minaccia Ci permette di andà ancu più luntanu per offre micca solu rilevazione avanzata, ma insight in quantu à risponde più efficacemente L'analisi di sicurezza ci dà u putere di risponde à altre dumande chjave, cum'è "Cumu Ci sò parechje minacce? " è "Quale hè a megliu reazione pussibule?"
Ùn avemu micca vistu altre classi d'analitiche cum'è i metudi di ottimisazione applicati à a cibersigurtà, ma anu un putenziale immensu Queste tecniche guardanu tutte e riazzioni pussibuli à un risicu di sicurità è determinanu a megliu risposta Iè, ci sò manere di fà questu cù a matematica.
Per esample, i metudi di ottimisazione sò usati quandu fate una chjama à u vostru fornitore di serviziu di u telefuninu cù un prublema Ùn sò micca aleatoriamente fà una ricunniscenza per esse o micca aghjurnà u vostru pianu di serviziu à un scontu; s'appoghjanu nantu à un inseme di matematiche in u sfondate chì guarda à i vostri logs di chjama, u numeru di chjamate abbandunate, cumu a vostra storia paraguna cù quella di l'altri utilizatori, etc. Hè ancu calculate a probabilità chì pudete cambià à un altru fornitore di servizii Allora, fora di tutti i prossimi passi pussibuli, calcula u megliu passu prossimu per maximizà a retenzioni di i clienti
A stessa matematica pò esse appiicata à una squadra di sicurezza per identificà un risicu, furnisce una quantità di manere in quale reagisce, è determina matematicamente a megliu risposta per maximizà a cuntinimentu di stu risicu particulari.
L'aumentu rapidu è l'evoluzione di e minacce à a sicurità facenu chì stu tipu di efficienza di risposta hè critica. Avemu più dati oghje chì mai. Fortunatamente, avemu ancu più putenza di calculu, algoritmi megliu, è investimentu più largu in ricerca è tecnulugia per aiutà à fà sensu di sta dati. à traversu a matematica Da tutti i cunti, credemu chì l'analisi di sicurezza hè appena principiatu.
Avemu più dati oghje chè mai. Fortunatamente, avemu ancu più putenza di calculu, algoritmi megliu, è un investimentu più largu in ricerca è tecnulugia per aiutà à fà sensu di sta dati attraversu a matematica. Per tutti i cunti, credemu chì l'analitiche di sicurezza hè appena principiatu.
Assistenza Clienti
Cunnettete cun noi
www.opentext.com
OpenText Cybersecurity furnisce soluzioni di sicurezza cumplete per cumpagnie è partenarii di tutte e dimensioni Da a prevenzione, a rilevazione è a risposta à a ricuperazione, l'investigazione è a conformità, a nostra piattaforma unificata end-to-end aiuta i clienti à custruisce a resilienza cibernetica attraversu una cartera di sicurezza olistica. intelligenza di minaccia in tempu reale è contestuale, i clienti di OpenText Cybersecurity beneficianu di prudutti d'alta efficacità, una sperienza cumpleta è una sicurezza simplificata per aiutà à gestisce u risicu cummerciale
762-000016-003 | O | 01/24 | © 2024 Open Text
Documenti / Risorse
 |
opentext Intelligenza Artificiale è Machine Learning [pdf] Istruzzioni Intelligenza Artificiale è Machine Learning, Intelligenza è Machine Learning, Machine Learning |
