Soluzioni > Apprendimento automatico

Zscaler Machine Learning

L'intelligenza artificiale su scala cloud per proteggersi
dalle minacce nuove e in evoluzione.

La lotta per stare al passo con le minacce avanzate

Proteggere la propria organizzazione è un lavoro a tempo pieno. Da nuovi siti Web dannosi a ransomware e attacchi di phishing, c'è sempre qualcosa di pericoloso che mette alla prova le difese troppo deboli. Ma come è possibile contrastare le minacce avanzate che si muovono più rapidamente rispetto alla sicurezza? L'apprendimento automatico ("ML", da Machine Learning) può contribuire a velocizzare le tempistiche per raggiungere la protezione, ma le soluzioni di ML di oggi, spesso, utilizzano un approccio inadeguato.

Perché gli attacchi sfuggono all'apprendimento automatico tradizionale

icona che mostra come gli attacchi possono sfuggire all'apprendimento automatico tradizionale a causa di risorse limitate

Risorse limitate

Per un apprendimento automatico efficace, c'è bisogno di una grande quantità di dati utili a creare dei modelli: dati centralizzati e correlati in tempo reale, i quali non sono disponibili attraverso apparecchi di applicazione della security non collegati.

icona che mostra come gli attacchi sfuggono all'apprendimento automatico tradizionale a causa della mancanza di analisi del contesto

Mancanza di analisi del contesto

Le soluzioni basate sulla rete sono limitate, in quanto osservano solamente i singoli pacchetti, perdendo quindi di vista il quadro generale riguardante tutti i contenuti. Questa visione è invece necessaria per applicare l'apprendimento automatico in un modo che porti a risultati significativi.

icona che mostra come gli attacchi sfuggono all'apprendimento automatico tradizionale a causa di problemi nell'applicazione

Problemi nell'applicazione

Le architetture come i firewall di nuova generazione (NGFW), che consentono connessioni pass-through, non sono in grado di mettere in quarantena i contenuti per l'analisi tramite ML, il che significa che i byte dannosi passeranno fino a quando non viene emesso un verdetto.

Zscaler Machine Learning

Sfruttare la potenza del cloud per una migliore protezione dalle minacce avanzate

Zscaler Machine Learning identifica rapidamente i modelli di minaccia tra volumi di dati, al fine di bloccare le minacce avanzate senza firme o interazione umana. Sfruttando le dimensioni e la portata del cloud Zscaler, utenti e dati possono essere protetti in tempo reale dalle minacce emergenti, come malware polimorfici, spear phishing e siti Web sospetti.

Zscaler Machine Learning fornisce una protezione migliore contro le minacce sconosciute

Cosa offre Zscaler

Zscaler offre una protezione in tempo reale

Protezione in tempo reale

Grazie a un'architettura cloud in linea, non vincolata dalle limitazioni degli apparecchi di applicazione tradizionali, Zscaler è in grado di bloccare tutte le nuove varianti di minacce note, virus polimorfici e ransomware in tempo reale.

Zscaler impedisce gli attacchi di phishing sconosciuti

Prevenzione degli attacchi di phishing sconosciuti

Si sfruttano l'analisi avanzata dei contenuti, basata sull'intelligenza artificiale, e i dati modellati ogni giorno da 100 miliardi di transazioni, per impedire l'accesso ad attacchi di spear phishing e
credential phishing, nuovi e sconosciuti.

Zscaler Machine Learning colma le lacune di sicurezza, classificando i siti Web nuovi e sconosciuti

Classificazione in tempo reale dei siti Web sconosciuti

Zscaler Machine Learning colma le lacune di sicurezza, classificando i siti Web nuovi e sconosciuti al momento dell'accesso, migliorando così l'applicazione delle policy e l'esperienza utente.

Cosa contraddistingue Zscaler Machine Learning?

Offre un apprendimento automatico a tenuta stagna

Le architetture pass-through dei NGFW tradizionali dispongono di risorse limitate per contenere e analizzare tutti i pacchetti in tempo reale. Poiché Zscaler sfrutta la scalabilità del cloud per l'ispezione in linea, ogni pacchetto viene acquisito e analizzato in tempo reale, per rilevare i contenuti dannosi prima della distribuzione agli endpoint.

Blocca siti Web di phishing mirato

Molti siti Web di phishing mirato e creati ad hoc non possono essere rilevati tramite le firme o l'ML non sofisticato. I modelli di apprendimento automatico in linea di Zscaler sono in grado di rilevare le pagine di phishing mirato, pericolose e sconosciute, prima che appaiano nel browser dell'utente finale.

Colma le lacune di sicurezza dei siti Web sconosciuti

Le soluzioni tradizionali devono eseguire la scansione di siti Web nuovi e non classificati prima di poterli classificare correttamente, il che risulta inefficiente ed espone gli utenti ai contenuti sospetti. Con Zscaler Machine Learning, i contenuti Web vengono classificati immediatamente all'accesso dell'utente, consentendo una migliore applicazione delle policy che bloccano le pagine Web non classificate.

Risorse suggerite

Blog

IA e ML nella sicurezza informatica: troppa pubblicità o ce ne vorrebbe di più?

ARTICOLO

Creare un team IA di alto livello

Blog

2020: IA e apprendimento automatico offrono speranza per il futuro

Blog

Zscaler AIOps: estrarre il segnale dal rumore, nel più grande cloud di sicurezza

Blog

Prevenzione intelligente dal paziente zero grazie all'IA