Mesterséges intelligencia által vezérelt kibertámadások: Hogyan lehet felismerni, megelőzni és megvédeni az intelligens fenyegetéseket?

Olvassa el most
A helyszíni fordításokhoz mesterséges intelligenciát használunk, és bár törekszünk a pontosságra, nem biztos, hogy mindig 100%-os pontosságúak. Megértését nagyra értékeljük.

A fejlett AI-alapú dokumentumosztályozás bevezetése az OPSWAT Proaktív DLP-ben.

a Armin Ziaie Tabari, Ph.D., műszaki programvezető
Ossza meg ezt a bejegyzést

Örömmel mutatjuk be az OPSWAT Proaktív adatvesztés-megelőzés (DLP) legújabb fejlesztéseit, az AI-alapú dokumentumosztályozást. A Proaktív DLP mostantól felismeri a nem biztonságos a munkához (NSFW) tartalmakat a képekben és a szövegekben.Emellett a személyes személyazonosságot igazoló dokumentumokat is osztályozza a közös dokumentumszerkezetek alapján, lehetővé téve a szervezetek számára, hogy blokkolják a gyanús, házirendtől eltérő dokumentumokat.

OPSWAT A proaktív DLP védi a szervezet kritikus adatait. Ez a legújabb verzió NSFW tartalomfelismerő funkciókkal bővült, amelyekkel azonosítani tudja a felnőttképeket és a mérgező szöveget a képeken és dokumentumokban. az OPSWAT Proactive DLP használata egyszerű, és mostantól teljes mértékben integrálódik a MetaDefender Cloud , a felhőalapú kiberbiztonsági platformunkba.

Dokumentum-azonosítási jellemzők

Nézzük meg az OPSWAT Proactive DLP új dokumentumazonosítási funkcióit.

Munkahelyre nem biztonságos (NSFW) tartalom felismerése

1. Felnőtt tartalom felismerése a képeken

A sértő vagy felnőtteknek szóló tartalmak felismerése a képeken jelentős kihívást jelentett, ami manuális ellenőrzést és a sértő tartalmak megjelölését igényelte. A mesterséges intelligencia és a mélytanulás fejlődésével ma már képesek vagyunk az NSFW-képek automatikus, nagy pontosságú osztályozására.

Fejlett mesterséges intelligenciánk felismeri a képeken található explicit és szuggesztív felnőtt tartalmakat, így megkönnyítve üzleti platformjainak felhasználóbarát és a nem megfelelő anyagoktól mentes maradását. Ez a képesség magában foglalja a képeket, rajzfilmeket és animéket. A felhasználóknak lehetőségük van a felnőtt képek automatikus elmosására.

2. Sértő nyelvezet felismerése szövegben

A szövegalapú, sértő nyelvi elemek felismerése a képeken túlmenően a dokumentumokban és e-mailekben található sértő és mérgező tartalmak felismerésére is alkalmas. A mesterséges intelligenciánk természetes nyelvi feldolgozást használ a szövegben található sértő tartalmak, köztük a káros vagy nem megfelelő nyelvezet azonosítására és megjelölésére.

Minta mérgező nyelvezet e-mailben
az OPSWAT Proaktív DLP által feldolgozott mérgező nyelvi minta

Az egyszerű felhasználói felület lehetővé teszi a felhasználók számára a sértő tartalmak szűrését, elmosását és szerkesztését a MetaDefender Core oldalon. A dokumentumtípust a rendeltetésnek megfelelően választja ki, például NSFW.

az OPSWAT Proaktív DLP által feldolgozott mérgező nyelvi minta

AI-alapú személyazonosító okmányok felderítése

Proactive DLP fejlett OCR-rel kombinált mesterséges intelligencia technológiát használ a személyazonosságot igazoló dokumentumok osztályozására olyan közös szerkezetek alapján, mint a fénykép és a szöveg. Ha egy potenciális személyazonosító dokumentumot észlel, a felhasználók eldönthetik, hogy blokkolják vagy engedélyezik-e azt.

Ember által felderített személyazonosító útlevél
Nem ember által felderített személyazonosító útlevél

Proaktív adatvesztés elleni védelem a Cloud

A MetaDefender Cloud mostantól tartalmazza a Proactive DLP motort, amely azonosítja és jelenti az érzékeny adatokat a fájlokban, a hitelkártyaszámoktól (CCN) és a társadalombiztosítási számoktól (SSN) kezdve az IPv4 és a Classless Inter-Domain Routing (CIDR) adatokig. A Microsoft Office dokumentumokat és PDF-eket is magában foglaló fájlformátumok széles skáláját támogató Proactive DLP motor lehetővé teszi a MetaDefender Cloud számára, hogy észlelje és intézkedjen, legyen szó akár az adatok hálózatok közötti átvitel blokkolásáról, megakadályozásáról vagy engedélyezéséről.

A folyamatot a pontosság egy rétegével egészíti ki a Certainty Score, egy olyan mérőszám, amelyet az azonosított adatok relevanciája határoz meg az adott kontextusban. Ez a pontszám átfogó elemzésből származik, amely olyan tényezőket vesz figyelembe, mint a számjegyek száma, a banki azonosítószám (BIN) keresési eredmények és az általános kontextuális relevancia. A felhasználók a Certainty Score értékeket a nagyon alacsony és a nagyon magas értékek között figyelhetik meg, ami árnyalt képet ad az adatazonosítási folyamathoz kapcsolódó bizalmi szintekről. A DLP funkcióval kiegészítve a MetaDefender Cloud átfogó és árnyalt megközelítést kínál az érzékeny információk védelméhez.

Próbálja ki most

Maradjon naprakész az OPSWAT oldalon!

Iratkozzon fel még ma, hogy értesüljön a vállalat legfrissebb híreiről, történetekről, eseményinformációkról és sok másról.