Predictive Security
Malware intelligent durchschaut
Fortsetzung des Artikels von Teil 2
Richtiges Training macht ML stark
Machine Learning funktioniert umso besser, je größer die Datenmenge ist, die es mit zielgerichteten Algorithmen nach Bedrohungsmustern durchsucht – ebenso wie Statistiken genauer werden, je größer ihre Datenbasis ist. Sicherheitslösungen analysieren im Internet jeden Tag weit über 400 Milliarden Ereignisse. Jeder kleine Datensatz liefert dabei ein kleines Puzzlestück für die Beurteilung der gesamten Bedrohungslage. Die Ergebnisse dieser Analyse fließen in das maschinelle Lernen ein und erlauben es den Algorithmen, akkurate statistische Prognosen auch für zunächst unbekannte Erscheinungen und ihr Risikopotenzial zu erstellen. Mit cloudbasierten Lösungen können beispielsweise die Daten und Ereignisse von Hackerangriffen aus verschiedenen Systemen weltweit in die Analyse einbezogen werden. Das verringert das Risiko extrem, dass Malware sich ausbreiten oder eine neue Angriffsart ausgenutzt werden kann. Zudem ist die Verarbeitung großer und variierender Datenmengen dank der Skalierungsmöglichkeiten der Cloud kein Problem. Außerdem lässt sich die Breite der Datenbasis vergrößern: So können zum Beispiel mehr Attribute in die Analyse einfließen oder zahlreiche verschiedene Quellen Informationen beitragen. Durch solch eine große und breite Datenbasis wird eine globale Bedrohungsanalyse möglich und sogar schwache Bedrohungssignale werden erkennbar. Anti-Malware-Systeme, die über eine auf großer Datenbasis gut trainierte ML-Engine verfügen, waren beispielsweise in der Lage, Bedrohungen wie Shamoon2, WannaCry oder NotPetya ohne jegliches Update zu erkennen und zu blocken.
Predictive Malware Detection
Machine Learning ist derzeit die wirkungsvollste Komponente in Anti-Malware-Tools der neuesten Generation und die wichtigste Waffe im Kampf gegen Cyberangriffe. Nur mit einer leistungsfähigen ML-Engine lassen sich kontinuierlich Riesenmengen variantenreicher Schadprogramme, die täglich neu im Netz auftauchen, effektiv analysieren, Bedrohungsrisiken realistisch einschätzen und Malware rechtzeitig blocken, bevor im Unternehmen ein Schaden entsteht.
Sven Krasser ist Chief Scientist bei CrowdStrike.
- Malware intelligent durchschaut
- Heuristische Ansätze zur Malware-Identifikation
- Richtiges Training macht ML stark
