In de afgelopen periode domineert het onderwerp kunstmatige intelligentie oftewel artificial intelligence (AI) de media. Regelmatig krijgen wij binnen Guardian360 vragen over of en hoe wij AI toepassen binnen ons Lighthouse platform. Om deze vraag goed te kunnen beantwoorden moeten we eerst duidelijk hebben wat AI is en waarom wij van mening zijn dat er een AI-hype gaande is.

De termen algoritme, machine learning en kunstmatige intelligentie

Een algoritme is een reeks instructies of stappen die worden gevolgd om een bepaald probleem op te lossen of een specifieke taak uit te voeren. Algoritmen worden gebruikt in verschillende contexten, van wiskunde en informatica tot alledaagse taken zoals het bereiden van een recept. Ze kunnen variëren in complexiteit, van eenvoudige algoritmen voor het sorteren van getallen tot complexe algoritmen voor gegevensanalyse. In de meest basale vorm is een algoritme niets meer dan een beslisboom om tot een bepaalde output te komen.

Machine learning is een onderdeel van kunstmatige intelligentie waarbij computersystemen de mogelijkheid hebben om te leren en verbeteren van ervaringen zonder expliciet geprogrammeerd te worden. In plaats van instructies te volgen, worden machine learning-algoritmen blootgesteld aan datasets en passen ze hun eigen parameters aan om patronen en trends in de gegevens te identificeren. Vaak worden deze algoritmen door mensen handmatig bijgesteld, waardoor de machine learning ook wel “supervised machine learning” genoemd wordt. Machine learning-algoritmen kunnen bijvoorbeeld worden gebruikt voor taken zoals classificatie en clustering. 

Kunstmatige intelligentie verwijst naar het vermogen van computersystemen om taken uit te voeren die normaal gesproken menselijke intelligentie vereisen. Machine learning is een belangrijk onderdeel van kunstmatige intelligentie, maar AI omvat ook andere technieken zoals natuurlijke taalverwerking, zoals we dat kennen van ChatGPT. Het doel van kunstmatige intelligentie is om systemen te bouwen die in staat zijn om te redeneren, problemen op te lossen, menselijke spraak en tekst te begrijpen, beelden te interpreteren, en zelfs zelflerend en zelfontwikkelend te zijn.

In essentie vormen algoritmen de bouwstenen van machine learning, en machine learning is op zijn beurt een belangrijk onderdeel van kunstmatige intelligentie. AI omvat echter een breder scala aan technieken en toepassingen dan alleen machine learning.

Kunstmatige intelligentie en machine learning zijn onlosmakelijk met elkaar verbonden

Momenteel wordt machine learning vaak als de meest prominente technologie binnen kunstmatige intelligentie beschouwd. Veel AI-toepassingen zijn gebaseerd op machine learning-algoritmen vanwege hun effectiviteit bij het leren van patronen en trends in grote datasets. Machine learning wordt toegepast in een breed scala aan domeinen, zoals aanbevelingssystemen, financiële voorspellingen, medische diagnose, natuurlijke taalverwerking, en meer.

Het is belangrijk om te begrijpen dat kunstmatige intelligentie (AI) en machine learning (ML) vaak in combinatie worden gebruikt, afhankelijk van de specifieke toepassing. Veel AI-toepassingen maken gebruik van een combinatie van verschillende technologieën, afhankelijk van de vereisten van de specifieke taak. Bijvoorbeeld, een chatbot voor klantenservice kan machine learning gebruiken om patronen in gesprekken te leren, terwijl het ook gebruikmaakt van natuurlijke taalverwerking om de intenties van gebruikers te begrijpen en gepaste antwoorden te genereren.

Over het algemeen kunnen we zeggen dat machine learning momenteel een belangrijke rol speelt binnen kunstmatige intelligentie, maar dat er ook andere technologieën worden toegepast afhankelijk van de context en de vereisten van de specifieke toepassing.

Wat is de rol van kunstmatige intelligentie binnen de informatiebeveiliging?

Kunstmatige intelligentie kan op verschillende manieren worden toegepast binnen informatiebeveiliging om de preventie, detectie en respons op cyberdreigingen te verbeteren.

AI transformeert de manier waarop informatiebeveiliging wordt benaderd door een breed scala aan toepassingen die zich richten op zowel de preventie als de detectie van en respons op cyberdreigingen. Centraal staat de inzet van machine learning-algoritmen voor het verfijnen van anomalie detectie, waarbij systemen niet alleen afwijkende patronen in netwerkverkeer of gebruikersgedrag kunnen identificeren, maar ook proactief dreigingen kunnen voorspellen voordat ze zich voordoen. Deze technologieën versterken intrusiedetectie- en preventie systemen (IDS/IPS), die nu in staat zijn om complexe aanvalspatronen te herkennen en automatisch te reageren op verdachte activiteiten, waardoor de noodzaak voor handmatige interventie wordt verminderd.

Bovendien heeft AI de malware-analyse revolutionair veranderd door de automatische classificatie en analyse van nieuwe malware-samples mogelijk te maken, wat een snellere respons op onbekende bedreigingen bevordert. 

AI wordt tegenwoordig ook vaak ingezet om toekomstige dreigingen te anticiperen, gebaseerd op de analyse van historische data, waardoor organisaties sneller kunnen reageren op kwetsbaarheden voordat ze worden uitgebuit. Ook in de domeinen van authenticatie en toegangscontrole biedt AI geavanceerde oplossingen door het analyseren van gebruikersgedrag om ongeautoriseerde toegangspogingen te detecteren.

De integratie van AI in de automatisering van incident respons versnelt niet alleen de detectie en analyse van beveiligingsincidenten maar zorgt ook voor een doeltreffende en snelle respons. Dit samenhangend ecosysteem van AI-gestuurde beveiligingstools biedt een dynamische verdediging tegen de steeds veranderende cyberdreigingen, waardoor informatiebeveiliging niet alleen reactief maar ook proactief en voorspellend wordt.

Ook hier geldt dat het volwassenheidsniveau van de organisatie leidend is

Het niveau van volwassenheid dat een organisatie moet hebben om kunstmatige intelligentie (AI) effectief te kunnen toepassen is afhankelijk van verschillende factoren, waaronder de specifieke toepassingen van AI, de beschikbare middelen, de bedrijfsdoelstellingen en de algehele technologische infrastructuur. Hieronder beschrijven we een aantal richtlijnen die gevolgd kunnen worden bij het bepalen van het juiste volwassenheidsniveau.

Data-infrastructuur en -kwaliteit

Een volwassen niveau van gegevensinfrastructuur en gegevenskwaliteit is essentieel voor effectieve AI-implementatie. Organisaties moeten over voldoende gegevens beschikken die relevant zijn voor de beoogde AI-toepassingen, en deze gegevens moeten schoon, gestructureerd en toegankelijk zijn.

Digitale vaardigheden en expertise

Organisaties moeten over voldoende digitale vaardigheden en expertise beschikken om AI te kunnen begrijpen, implementeren en onderhouden. Dit omvat expertise op het gebied van data science, machine learning, softwareontwikkeling en IT-infrastructuur.

Cultuur van data gestuurde besluitvorming

Een cultuur van data gestuurde besluitvorming is cruciaal voor een succesvolle AI-implementatie. Organisaties moeten openstaan voor het gebruik van gegevens en AI om beslissingen te ondersteunen en moeten bereid zijn om traditionele werkwijzen en processen aan te passen.

Beveiliging en privacy

Organisaties moeten in staat zijn om de beveiliging en privacy van gegevens te waarborgen bij het gebruik van AI. Dit omvat het implementeren van robuuste beveiligingsmaatregelen om gegevens te beschermen tegen ongeoorloofde toegang, evenals het naleven van relevante wet- en regelgeving met betrekking tot privacy.

Leiderschap en betrokkenheid van het management

Leiderschap en betrokkenheid van het management zijn essentieel voor het stimuleren van AI-initiatieven binnen de organisatie. Het management moet een duidelijke visie hebben voor het gebruik van AI, investeringen goedkeuren en ondersteunen, en de benodigde middelen toewijzen voor AI-projecten.

Schalings- en implementatievermogen

Organisaties moeten in staat zijn om AI-initiatieven op te schalen en effectief te implementeren binnen de bredere bedrijfsactiviteiten. Dit omvat het vermogen om AI-modellen te integreren met bestaande systemen en processen, en om de operationele impact van AI op lange termijn te beheren.

Over het algemeen vereist het succesvol toepassen van AI binnen een organisatie een zekere mate van volwassenheid op het gebied van gegevensbeheer, digitale vaardigheden, cultuur, leiderschap en operationele capaciteiten. Organisaties moeten hun eigen specifieke behoeften en capaciteiten beoordelen om te bepalen of ze klaar zijn voor AI-implementatie, en indien nodig stappen ondernemen om hun volwassenheid op deze gebieden te vergroten.

Zal kunstmatige intelligentie de verwachtingen waarmaken of blijft het een marketing “hype”?

Het is waar dat kunstmatige intelligentie (AI) de afgelopen jaren veel aandacht heeft gekregen en soms als een hype wordt beschouwd, waarbij sommige marketeers deze term mogelijk overdreven gebruiken om producten of diensten te promoten. 

In sommige gevallen hebben marketeers de term “AI” gebruikt om producten of diensten aantrekkelijker te maken, zelfs als de mate van intelligentie of autonomie van het systeem uitermate beperkt is. Dit zal leiden tot overschatting van de capaciteiten van een product of dienst, wat mogelijk tot teleurstelling kan leiden bij klanten als de verwachtingen niet worden waargemaakt.

Het is belangrijk dat marketeers nauwkeurig zijn bij het communiceren over de toepassing van AI in hun producten of diensten. Het misleiden van consumenten door overdreven claims kan leiden tot wantrouwen en schade aan het merkimago op lange termijn. Organisaties moeten transparant zijn over de werkelijke mogelijkheden en beperkingen van hun AI-oplossingen om realistische verwachtingen te creëren bij klanten en stakeholders.

Ondanks mogelijke overdrijvingen door marketeers, is er wereldwijd een enorme interesse en investeringen in AI-technologieën. Veel AI-toepassingen hebben al aanzienlijke vooruitgang geboekt en hebben tastbare voordelen opgeleverd, zoals verbeterde efficiëntie, nauwkeurigheid en besluitvorming.

Het is essentieel dat consumenten, beleidsmakers en bedrijfsleiders een goed begrip hebben van wat AI wel en niet kan doen, evenals de ethische en maatschappelijke implicaties ervan. Door middel van educatie en bewustwording kunnen mensen beter geïnformeerde beslissingen nemen en een realistischer beeld krijgen van de impact van AI op onze samenleving. 

Hoewel AI soms als een hype kan worden gepresenteerd door marketeers, is het belangrijk om te erkennen dat AI een echte technologische revolutie vertegenwoordigt met aanzienlijke potentieel. Het is cruciaal om kritisch te blijven, nauwkeurig te communiceren en te investeren in verantwoorde AI-ontwikkeling en implementatie.

Hoe worden algoritmes, machine learning en kunstmatige intelligentie toegepast binnen Guardian360 Lighthouse?

Al vanaf dat we de eerste regel code voor het Guardian360 Lighthouse platform schreven, worden algoritmes volop gebruikt. Niet alleen voor het tonen van de juiste data aan de juiste personen, maar bijvoorbeeld ook om scan resultaten te ontdubbelen en te verrijken.

Inmiddels passen we ook natuurlijke taalverwerking toe in ons platform. In de afgelopen jaren hebben we een enorme dataset opgebouwd. Hierop worden geanonimiseerde analyses uitgevoerd om ervoor te zorgen dat de kwaliteit van onze scan resultaten en de gebruiksvriendelijkheid van ons platform worden verbeterd. Denk bijvoorbeeld aan de weergave waarbij we aangeven welke issues lijken op het door de gebruiker geselecteerde issue.

In de komende periode zullen we meer machine learning toepassen in ons platform. Hierbij zullen we wel steeds de afweging maken of een toepassing waardevol is voor onze partners en klanten. Daarbij komt dat we uitermate zorgvuldig om willen gaan met de gevoelige en vertrouwelijke data in ons platform. Data van verschillende partners en klanten mogen nooit gemixt worden.

Het moge duidelijk zijn dat we de ontwikkelingen op de voet volgen en dat we die technologieën zullen inzetten die partners en klanten echt verder helpen.