精品国产亚洲一区二区三区|亚洲国产精彩中文乱码AV|久久久久亚洲AV综合波多野结衣|漂亮少妇各种调教玩弄在线

<blockquote id="ixlwe"><option id="ixlwe"></option></blockquote>
  • <span id="ixlwe"></span>

  • <abbr id="ixlwe"></abbr>

    使用 AI、ML 和數(shù)據(jù)融合調(diào)查未來的安全威脅 | 專家視點(diǎn)

    人工智能(AI)和機(jī)器學(xué)習(xí)(ML)技術(shù)的出現(xiàn)為安全組織帶來了變革。隨著他們的到來,組織不再局限于被動地調(diào)查和解決已經(jīng)發(fā)生的犯罪行為。人工智能和機(jī)器學(xué)習(xí)——輔以復(fù)雜的數(shù)據(jù)融合和分析能力——引入了主動、預(yù)測性威脅評估的新時代,可以幫助我們在威脅發(fā)生之前識別和緩解威脅。

    當(dāng)然,分析過去犯罪行為的能力仍然非常重要。AI/ML的變化在于,通過過去的調(diào)查獲得的數(shù)據(jù)和情報現(xiàn)在可以有效地用于預(yù)測未來的犯罪趨勢。這可以通過新發(fā)現(xiàn)的利用大量不同數(shù)據(jù)源(結(jié)構(gòu)化和非結(jié)構(gòu)化)的能力來實(shí)現(xiàn),以前分析師可能很難通過傳統(tǒng)方法處理數(shù)量相當(dāng)少的數(shù)據(jù)點(diǎn)。

    借助AI/ML和數(shù)據(jù)融合,我們現(xiàn)在能夠以自動化的效率和精度來定義和關(guān)聯(lián)無數(shù)數(shù)據(jù)源,例如人口和車輛登記、財務(wù)記錄,甚至圖像和視頻。這為未來對威脅向量進(jìn)行更全面、多維的理解打開了大門,因?yàn)槲覀冋趶母鞣N來源獲得整體視圖并消除“盲點(diǎn)”。

    然而,人工智能/機(jī)器學(xué)習(xí)并不預(yù)示未來會出現(xiàn)類似《少數(shù)派報告》的刑事調(diào)查,即犯罪嫌疑人在犯罪發(fā)生之前就被指控和逮捕。相反,AI/ML聚合可用的情報,以幫助執(zhí)法和安全人員根據(jù)所有可用數(shù)據(jù)做出數(shù)據(jù)驅(qū)動的決策,而不是簡單地依賴過去的經(jīng)驗(yàn)和預(yù)感。因此,理想情況下,決策將以更客觀的方式做出,這也將有助于在具有高度不確定性的動態(tài)、快速變化的環(huán)境中運(yùn)營。

    行為模式

    越來越精確地識別與個人、企業(yè)和對象相關(guān)的趨勢的能力——人工智能和機(jī)器學(xué)習(xí)在高級分析中的核心承諾——非常適合預(yù)測犯罪活動。人類本質(zhì)上是可以預(yù)測的,容易出現(xiàn)行為模式,研究證明了這一點(diǎn)。同樣,犯罪通常不會憑空出現(xiàn)。它們主要基于犯罪分子過去的行為,這些犯罪分子隨著時間的推移逐漸建立了犯罪舒適區(qū)。

    這種犯罪“先兆”情報現(xiàn)在可以有效地從大數(shù)據(jù)中提取出來,利用AI和ML將犯罪行為模式呈現(xiàn)給分析師的注意。但AI/ML算法必須首先知道他們在尋找什么。這需要事先仔細(xì)注意;編寫ML模型時必須牢記精確定義的數(shù)據(jù)參數(shù)。

    為了通過執(zhí)法示例進(jìn)行說明,可以考慮一下對有組織犯罪的調(diào)查。AI/ML算法可以幫助分析師識別相似的實(shí)體,例如,在他們不僅需要識別已知嫌疑人,還需要識別具有相似特征的嫌疑人的情況下。這種相似性體現(xiàn)在類似的可疑匯款模式、在同一時間和同一地點(diǎn)撥打同一目的地的電話等等。相似性算法分析可用數(shù)據(jù),從中提取數(shù)百個特征,并呈現(xiàn)給分析師實(shí)體,這些實(shí)體可能與已知嫌疑人相似,因此與同一組織或非法活動相關(guān)聯(lián)。當(dāng)相似性算法與威脅評分算法相結(jié)合時,分析師還可以優(yōu)先考慮哪些潛在嫌疑人可能構(gòu)成最高威脅。

    這樣的調(diào)查至少會利用現(xiàn)有的執(zhí)法記錄,例如逮捕記錄和監(jiān)獄記錄,來解釋給定地理區(qū)域過去的犯罪活動。然而,如果調(diào)查人員結(jié)合從開源數(shù)據(jù)、商業(yè)和財務(wù)報告、交通基礎(chǔ)設(shè)施和旅行模式以及犯罪分布模式等提煉出來的數(shù)據(jù)點(diǎn),就會得到更全面的理解。這些數(shù)據(jù)可用于幫助執(zhí)法機(jī)構(gòu)更好地分析和準(zhǔn)備未來的有組織犯罪趨勢。

    另一個例子可以在金融領(lǐng)域找到。在這里,人工智能/機(jī)器學(xué)習(xí)也可用于應(yīng)用精心收集的統(tǒng)計(jì)數(shù)據(jù),以尋找表明未來金融犯罪潛在風(fēng)險的相似性。這體現(xiàn)在風(fēng)險評分技術(shù)上,可以幫助稅務(wù)機(jī)關(guān)調(diào)查逃稅、評估風(fēng)險并通過數(shù)據(jù)驅(qū)動的方法改進(jìn)決策過程,例如評估銀行記錄、財務(wù)文件、發(fā)票等。

    在洗錢調(diào)查的情況下,可以訓(xùn)練ML模型來發(fā)現(xiàn)無數(shù)金融交易和活動中的異常情況。機(jī)器學(xué)習(xí)算法旨在進(jìn)行風(fēng)險評分,計(jì)算與潛在實(shí)體相關(guān)的數(shù)百種不同特征。計(jì)算出的數(shù)據(jù)與ML算法一起對潛在實(shí)體的風(fēng)險進(jìn)行評分,并向分析師展示洞察力,然后分析師可以專注于他們的決策過程,現(xiàn)在僅基于相關(guān)數(shù)據(jù)。

    安全調(diào)查的未來

    綜合結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的能力長期以來一直是研究的癥結(jié)所在。但這里已經(jīng)取得了很大進(jìn)展,安全分析師不再局限于分析表格和電子表格中的結(jié)構(gòu)化數(shù)據(jù)。借助先進(jìn)的數(shù)據(jù)融合功能,分析師現(xiàn)在還能夠利用包括文本文檔、音頻、視頻和圖像在內(nèi)的非結(jié)構(gòu)化數(shù)據(jù)。此類資產(chǎn)通常在刑事和國土安全調(diào)查中非常寶貴。

    通過AI/ML和數(shù)據(jù)融合,分析師獲得了以有意義的方式獲取、標(biāo)記和組織大量數(shù)據(jù)的能力。僅此一項(xiàng)就是決策情報向前邁出的重要一步,因?yàn)榉治鰩熀蜎Q策者現(xiàn)在擁有全面的情報圖,而不是可能導(dǎo)致他們做出錯誤決策的零散數(shù)據(jù)點(diǎn)——這只是冰山一角。今天,許多組織已經(jīng)準(zhǔn)備好在他們的分析中使用機(jī)器學(xué)習(xí)。從我們最近對來自14個國家/地區(qū)的200多名CIO進(jìn)行的一項(xiàng)調(diào)查中,我們了解到88%的人積極使用ML或?qū)⑵浼{入他們的技術(shù)路線圖。

    這使分析師可以自由地處理對已經(jīng)融合、聚合、切片和切塊的傳入信息的實(shí)際分析,從而顯著提高分析師的效率。隨著AI/ML能力的提高,分析師不僅能夠調(diào)查過去的事件,還能指出可能的未來,并做出明智的數(shù)據(jù)驅(qū)動決策。

    我們還預(yù)計(jì),人工智能/機(jī)器學(xué)習(xí)引導(dǎo)的刑事調(diào)查的全面發(fā)展將在未來帶來一些重大挑戰(zhàn)。AI/ML不會取代調(diào)查人員和分析師的經(jīng)驗(yàn),它們使他們能夠做出有數(shù)據(jù)支持的決策,而不是依賴直覺。然而,安全組織必須確保他們使用的數(shù)據(jù)模型和算法是在高質(zhì)量數(shù)據(jù)集上進(jìn)行訓(xùn)練的,以避免無意的偏見——并且它們應(yīng)該盡可能透明,以避免分析師依賴“黑匣子”的情況簡單地得出結(jié)論。

    預(yù)測犯罪趨勢的能力已經(jīng)到來,而且是變革性的。AI/ML和數(shù)據(jù)融合可以實(shí)現(xiàn)復(fù)雜的統(tǒng)計(jì)分析,利用跨眾多數(shù)據(jù)源的精確定義的參數(shù)來幫助通知、增強(qiáng)威脅評估并確定其優(yōu)先級。

    這是決策智能的未來,現(xiàn)在是準(zhǔn)備的時候了。

    本文作者:NoamZitzman,Cognyte情報方法學(xué)主管

    極客網(wǎng)企業(yè)會員

    免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請進(jìn)一步核實(shí),并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時,應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。

    2022-08-11
    使用 AI、ML 和數(shù)據(jù)融合調(diào)查未來的安全威脅 | 專家視點(diǎn)
    AI和ML輔以復(fù)雜的數(shù)據(jù)融合和分析能力,開創(chuàng)了一個新時代……

    長按掃碼 閱讀全文