Utblick: Digitalisering: Hur hotmodellering kan skapa bättre säkerhet och hur kretsar som efterliknar hjärnan tar AI till nätets utkant
Hem TeknikSäkerhet Utblick: Digitalisering: Hur hotmodellering kan skapa nu bättre säkerhet och hur kretsar som efterliknar hjärnan tar AI till nätets utkant

Utblick: Digitalisering: Hur hotmodellering kan skapa nu bättre säkerhet och hur kretsar som efterliknar hjärnan tar AI till nätets utkant

Publicerat av: Redaktionen

I den här upplagan av Utblick: Digitalisering djupdyker vi i cybersäkerhet såväl som i kretsar byggda för att efterlikna den mänskliga hjärnan och hur de kan hjälpa till att flytta AI-funktioner närmare där data samlas in.

Att använda hotmodellering för att säkra verksamheten mot cyberattacker

Molnet har skapat nya möjligheter för att möta och modellera hot.

Med hjälp av molnbaserade lösningar kan organisationer mer effektivt identifiera och spåra potentiella hot. Dessutom kan dessa lösningar hjälpa till att påskynda processen att samla in och analysera relaterade data.

Hotmodellering är processen att förstå och kartlägga hot mot en organisation och bedöma hur pass allvarliga de är. Den identifierar vad ett hot kan vara, var det kan komma ifrån, hur det kan stoppas eller mildras och framför allt, hur man ska reagera när man står inför det. Hotmodellering är värdefullt för att förstå det nuvarande hotlandskapet och förutse potentiella hot. Hotmodeller bedömer den potentiella effekten av cyberincidenter eller attacker på en organisation.

Det är en komplex och iterativ process där man samlar in och analyserar data om organisationens nuvarande miljö och identifierar hot mot dess uppdrag, tillgångar och kunder. Den använder sedan denna information för att skapa en profil över de mest sannolika hoten de möter i sin omgivning och möjliga motåtgärder.

Processen för hotmodellering kan delas upp i fem faser:
  • Datainsamling
  • Identifiering av hot
  • Kartläggning av sårbarheter och hot i ett ramverk för informationsarkitekturen (Information Architecture Framework eller IAF), prioritering av sårbarheter baserat på påverkansfaktor eller sannolikhet för att inträffa
  • Modellera attackscenarier baserat på de identifierade sårbarheterna
  • Skapa en riskbedömningsmatris (RAM)

Det kan finnas många typer av hot i en molnmiljö – vissa är välkända, medan andra är relativt okända.

  • Den första typen av hot är känd som en ”nolldagsattack”. En nolldagsattack inträffar när en angripare installerar skadlig programvara som utnyttjar en tidigare okänd sårbarhet innan något antivirusprogram kan upptäcka det.
  • En annan typ av hot involverar ”valfångst”-attacker där hackare riktar sig mot individer som de har personliga relationer med.

Hotmodellering är en process som hjälper till att identifiera och prioritera säkerhetssårbarheter i tillämpningar. Det är en viktig del av tillämpningsutvecklingens livscykel, men det kan göras före eller efter att en tillämpning har utvecklats. Hotmodellering kan hjälpa till att avgöra om en tillämpning är säker genom att analysera dess design och identifiera svagheter i dess implementering.

Hot kan komma från var som helst: anställda, kunder, leverantörer, konkurrenter – alla som har tillgång till information om företagets verksamhet eller kunder kan potentiellt orsaka problem för dig.

För mer information om hotmodellering och andra motmedel för att säkra företagets it-infrastruktur, besök TCS webbplats.

Neuromorfiska datorer tar AI till utkanten av nätet

Uppkopplade enheter som drivs av 5G och internet of things (IoT) finns i allt från autonoma fordon, smarta hem, sjukvård till teknik för utforskning av rymden. Dessa enheter blir alltmer intelligenta och skapar bland annat enorma mängder data från flera källor som måste behandlas snabbt, säkert och i realtid med låg latens. Molnbaserade arkitekturer uppfyller inte alltid de behov dessa futuristiska AI-baserade system har gällande intelligens i nätets utkant och förmågan att bearbeta eventuella händelser lokalt. I takt med att forskningen fortsätter kommer neuromorfiska processorer att ytterligare öka de så kallade kantdatorernas kapacitet och med dem föra AI närmare nätets utkant.

De tänjer på gränserna för datoranvändning genom att ta denna närmare där data samlas in och analyseras. Neuromorfiska datorer förväntas spela en viktig roll för att utveckla prestanda och förmåga genom att efterlikna den mänskliga hjärnan och dess kognitiva funktioner såsom tolkning och autonom anpassning. De är ett strömsnålt och högpresterande alternativ till von Neumann-arkitekturen, som är baserad på traditionella bussanslutna CPU-minnesenheter. På grund av den tid och energi som krävs för att skicka information fram och tillbaka mellan minnet och processorn, har den typen av enheter inte förmågan att stödja den ökande beräkningskraften som krävs av AI-tillämpningar. Samtidigt påverkar fysiska storleksbegränsningar för transistorbaserade processorkretsar energieffektiviteten.

Utblick: Digitalisering: Hur hotmodellering kan skapa bättre säkerhet och hur kretsar som efterliknar hjärnan tar AI till nätets utkantNeuromorfiska processorer, som är designade för att replikera den mänskliga hjärnan, eliminerar von Neumann-flaskhalsen. Neuromorfiska enheter, som inspirerats av hjärnans anpassningsförmåga och förmåga att stödja parallell beräkning, integrerar bearbetning och minne med högre hastighet, komplexitet och bättre energieffektivitet. Detta är helt avgörande för att möjliggöra intelligens vid nätets utkant och bearbeta händelser lokalt.

 

 

 

 

 

Relaterade Artiklar

Vi använder cookies och andra identifierare för att förbättra din upplevelse. Detta gör att vi kan säkerställa din åtkomst, analysera ditt besök på vår webbplats. Det hjälper oss att erbjuda dig ett personligt anpassat innehåll och smidig åtkomst till användbar information. Klicka på ”Jag godkänner” för att acceptera vår användning av cookies och andra identifierare eller klicka ”Mer information” för att justera dina val. Jag Godkänner Mer Information >>