AI XDRएआई-संचालित के 6 लाभ XDR

सबसे पहले, आइए यह स्थापित करें कि क्या XDR है.

XDR यह एक प्रकार की सुरक्षा तकनीक है जो आपके टूलकिट में पहले से मौजूद सुरक्षा तकनीकों के बेमेल संग्रह को एक सुसंगत और सुव्यवस्थित इकाई में समेकित करती है। इसके बदौलत, XDR यह सभी संपत्तियों और उपकरणों की सुरक्षा स्थिति के बारे में बेहतर जानकारी प्रदान करता है और वास्तविक समय में खतरों का पता लगाकर उन पर प्रतिक्रिया दे सकता है।

व्यवहार के विभिन्न रूपों का पता लगाने की क्षमता के कारण, एआई इसमें कुछ महत्वपूर्ण लाभ प्रदान करता है। उदाहरण के लिए, पारंपरिक एंटीवायरस लें: यदि कोई उपयोगकर्ता मैलवेयर-लोड की गई फ़ाइल डाउनलोड करने वाला है, तो पारंपरिक मैलवेयर रक्षा केवल बाइट्स के एक सेट, पूर्व-मान्यता प्राप्त पैटर्न को खोजने के लिए फ़ाइल को स्कैन कर सकती है जो ज्ञात मैलवेयर का संकेत देती है। हालाँकि, मैलवेयर के बहुरूपी और नवीन प्रकारों ने रक्षा के इस रूप में कुछ गंभीर खामियाँ पैदा कर दी हैं। किसी फ़ाइल, उपयोगकर्ता खाते या नेटवर्क डिवाइस के अपेक्षित व्यवहार का विश्लेषण करने की क्षमता के कारण AI स्पेस ने पहले ही इसे काफी बेहतर प्रदर्शन कर दिया है।

ऐ संचालित XDRसंदिग्ध व्यवहार के प्रति दृष्टिकोण को दो क्षेत्रों में विभाजित किया जा सकता है: स्थिर और गतिशील। स्थिर विश्लेषण घटना के बारे में निम्न-स्तरीय जानकारी प्राप्त करता है – जैसे सिस्टम कॉल, नियंत्रण और डेटा प्रवाह ग्राफ़। इससे प्रत्येक अलर्ट पर अधिक समय खर्च किए बिना, अलर्ट या घटना को गहराई से समझने में मदद मिलती है। दूसरी ओर, गतिशील विश्लेषण रनटाइम दृष्टिकोण से संदिग्ध नेटवर्क डिवाइस या फ़ाइल का निरीक्षण करने की अनुमति देता है। मैलवेयर के मामले में, इसमें संदिग्ध फ़ाइल को सैंडबॉक्स में निष्पादित किया जाता है, ताकि वास्तविक उत्पादन प्रणालियों को प्रभावित किए बिना उसका विश्लेषण किया जा सके।

यह स्पष्ट करने के लिए कि जेनरेटिव एआई पूरे क्षेत्र में सुरक्षा क्षमताओं को कैसे बदल रहा है, समझौता किए गए खातों का पता लगाने में इसके उपयोग पर विचार करें। मैन्युअल रूप से लेबल किए गए प्रशिक्षण डेटा पर कोई निर्भरता न होने के कारण, शुरुआती एआई प्रोजेक्ट नेटवर्क उपयोगकर्ता लॉगिन गतिविधि को इकट्ठा करने और एक मॉडल बनाने के लिए बनाए गए थे जो गतिविधि की अपेक्षित आधार रेखा की भविष्यवाणी करता है। उदाहरण के लिए, यदि किसी उपयोगकर्ता को एक विफलता के बाद दोबारा लॉग इन करने का प्रयास करना पड़ता है, तो यह उम्मीद की जाती है कि आईपी पता और समय लगभग सुसंगत रहेगा। यदि ये सत्य हैं, तो संबंधित जोखिम स्कोर कम रखा जाता है। क्या आईपी पता, लॉगिन प्रयास समय, या लॉगिन प्रयासों की संख्या अपेक्षित आधार रेखा से अधिक बढ़ने लगती है, मॉडल इसे संदिग्ध के रूप में उजागर करता है।

इसका पहला सफल प्रदर्शन माइक्रोसॉफ्ट के साथ हुआ 2021 में प्रोजेक्ट क़ीडेमन वास्तविक डेटा पर मॉडल का परीक्षण करने पर, इसने 20,000 उपयोगकर्ताओं के समूह में से सात संदिग्ध खातों को सफलतापूर्वक उजागर किया। जनरेटिव एआई का विकास पिछले तीन वर्षों में और भी तेज़ी से हुआ है। XDR समाधान एआई के अनूठे अनुप्रयोगों को आपस में जोड़ने पर केंद्रित हैं, और पहले से अलग-अलग सुरक्षा क्षेत्रों के बीच एक हद तक क्रॉस-रेफरेंसिंग प्रदान करते हैं। मूल रूप से, XDR इसका मतलब है कि एक क्षेत्र (जैसे मैलवेयर रोकथाम) से प्राप्त डेटा को दूसरे क्षेत्र (जैसे खाता सुरक्षा) में पहचान और निवारण क्षमताओं को प्रभावित करने की अनुमति देना। हालांकि ये दो उदाहरण एआई के बढ़ते लाभों की केवल संक्षिप्त झलक देते हैं, लेकिन ये यह समझने में मदद करते हैं कि कैसे XDR सिस्टम और एआई समानांतर रूप से मौजूद हैं, जिससे आपके पूरे तकनीकी स्टैक को इस क्षेत्र की बढ़ती दक्षता से लाभ मिलता रहता है।