Thought leaders

Over AI, geduld is een deugd

mm
Gepubliceerd op
Bijgewerkt op
Voeg Unite.AI toe aan je voorkeursbronnen op Google

In de bijna twee jaar sinds ChatGPT werd gelanceerd, heeft generatieve kunstmatige intelligentie een complete technologie-hypecyclus doorlopen, van hooggespannen, maatschappij-veranderende verwachtingen tot het aanwakkeren van een recente beurscorrectie. Maar binnen de cybersecurity-industrie in het bijzonder, is de opwinding over Generatieve AI (genAI) nog steeds gerechtvaardigd; het zal alleen langer duren dan beleggers en analisten hadden verwacht om de sector volledig te veranderen.

Het meest recente en duidelijkste teken van de verschuiving in hype was op de Black Hat USA-conferentie begin augustus, waar generatieve AI een zeer kleine rol speelde in productlanceringen, demonstraties en algemene buzz-creatie. In vergelijking met de RSA-conferentie vier maanden eerder, met dezelfde leveranciers, was de focus op AI op Black Hat verwaarloosbaar, wat neutrale waarnemers redelijkerwijs zou doen geloven dat de industrie verder gaat of dat AI een commodity is geworden. Maar dat is niet helemaal het geval.

Dit is wat ik bedoel. Het transformatieve voordeel van het toepassen van generatieve AI binnen de cybersecurity-industrie zal waarschijnlijk niet komen van generieke chatbots of het snel toevoegen van AI aan gegevensverwerkingsmodellen. Deze zijn de bouwstenen voor geavanceerdere en efficiëntere gebruikscases, maar op dit moment zijn ze niet gespecialiseerd voor de beveiligingsindustrie en zullen ze daarom geen nieuwe golf van optimale beveiligingsresultaten voor klanten opleveren. De echte transformatie die AI voor de beveiligingsindustrie zal bieden, zal plaatsvinden wanneer AI-modellen zijn aangepast en afgestemd op beveiligingsgebruikscases.

Huidige algemene AI-gebruikscases in beveiliging maken voornamelijk gebruik van prompt-engineering en Retrieval-Augmented Generation, wat een AI-raamwerk is dat grotere taalmodellen (LLM’s) in wezen in staat stelt om extra gegevensbronnen buiten hun trainingsgegevens te benutten, door de beste delen van generatieve AI en database-opname te combineren. De nuttigheid hiervan varieert sterk afhankelijk van het gebruikscase en hoe goed een leveranciers bestaande gegevensverwerking het gebruikscase ondersteunt; het zijn geen “magische” oplossingen. Dit is ook waar voor andere toepassingen die propriëtaire gegevens en expertise vereisen die niet op internet beschikbaar zijn, zoals medische diagnose en juridisch werk. Het lijkt waarschijnlijk dat bedrijven hun gegevensverwerkingspijplijnen en gegevenstoegangssystemen zullen aanpassen om generatieve AI-gebruikscases te optimaliseren. Ook moedigen generatieve AI-bedrijven de ontwikkeling van speciaal afgestemde modellen aan, hoewel het nog moet worden gezien hoe goed dit zal werken voor toepassingen waar kwaliteit en detail essentieel zijn.

Er zijn een paar redenen waarom deze specialisatie tijd zal kosten om effect te hebben in de beveiligingsindustrie. Een van de belangrijkste redenen is dat het aanpassen van deze modellen veel mensen vereist die tijdens de training betrokken zijn en die deskundigen zijn op het gebied van cybersecurity en AI, twee industrieën die moeite hebben om genoeg talent aan te trekken. De beveiligingsindustrie heeft ongeveer vier miljoen professionals tekort wereldwijd, volgens de World Economic Forum, en Reuters schat dat er een tekort van 50% zal zijn voor AI-gerelateerde posities in de nabije toekomst.

Zonder een overvloed aan deskundigen beschikbaar, zal het precieze werk dat nodig is om AI-modellen aan te passen om te werken in een beveiligingscontext, vertraagd worden. De kosten voor het uitvoeren van de benodigde datawetenschap om deze modellen te trainen, beperken ook het aantal organisaties dat de middelen heeft om onderzoek te doen naar aangepaste AI-modellering. Het kost miljoenen dollars om de verwerkingskracht te betalen die baanbrekende AI-modellen vereisen, en dat geld moet ergens vandaan komen. Zelfs wanneer een organisatie de middelen en het team heeft om onderzoek naar AI-aanpassing te financieren, gebeurt de daadwerkelijke vooruitgang niet ‘s nachts. Het zal tijd kosten om uit te vinden hoe AI-modellen het beste kunnen worden aangevuld om beveiligingspraktijken en -analisten te ondersteunen, en zoals bij elk nieuw instrument, zal er een leercurve zijn wanneer beveiligingsspecifieke natuurlijke taalverwerkers, chatbots en andere AI-ondersteunde integraties worden geïntroduceerd.

Generatieve AI staat nog steeds op het punt om de wereld van cybersecurity te veranderen in een nieuw paradigma, waar de offensieve AI-mogelijkheden die tegenstanders en bedreigingsactoren gebruiken, zullen concurreren met de AI-modellen van beveiligingsleveranciers die zijn gebouwd om bedreigingen te detecteren en te monitoren. Het onderzoek en de ontwikkeling die nodig zijn om die verschuiving te ondersteunen, zullen gewoon wat langer duren dan de algemene technologiegemeenschap had verwacht.

mm

Dean, de VP van Artificial Intelligence bij Arctic Wolf, is een executive, manager en individuele contributor op het gebied van cybersecurity, data engineering en toegepaste machine learning / AI. Dean heeft een breed scala aan expertise in het uitvoeren van productvisie, het opbouwen en leiden van teams en het ontwikkelen en implementeren van analytische systemen voor klanten. Hij zit in de Texas Private Sector Advisory Council en de Texas AI Advisory Council, en hij is actief bij IEEE voor beleid en standaarden met betrekking tot AI en cybersecurity.

Dean heeft meer dan 25 jaar ervaring in het ontwikkelen van innovatieve producten, waaronder 18 jaar als DoD- en Intelligence Community-contractor, waar hij werkte aan projecten op het gebied van tactische sonar, countermeasure-deployment voor vliegtuigen en cybersecurity. Hij werkte ook bij verschillende cybersecurity-bedrijven voordat hij bij Arctic Wolf kwam, waar hij diende als hoofd van data science, engineering en verschillende andere technische leiderschapsrollen. Voordat hij dat deed, was Dean Principal Investigator voor meer dan 8 jaar voor de data-exploitatie-afdeling van een multi-agency (DoD / IC) cyberdefense-taakgroep die zich richtte op aanvallen door landen.

Dean heeft zowel een PhD in Electrical and Computer Engineering als een Masters in Physics van UT Austin. Hij is momenteel gevestigd in Austin, TX, met zijn vrouw en twee kinderen.