Il 75% dei responsabili IT aziendali ritiene che l’intelligenza artificiale sia la soluzione ideale per le sfide della sicurezza informatica. Sono questi i risultati della ricerca di ESET, che ha coinvolto 900 decision maker IT negli Stati Uniti, Regno Unito e Germania. I dati hanno mostrato come i responsabili IT statunitensi sono più propensi a considerare le tecnologie come una panacea per risolvere le loro sfide di sicurezza informatica, rispetto alle loro controparti europee, con l’82% dei consensi rispetto al 67% nel Regno Unito e il 66% in Germania.
La maggior parte degli intervistati ha affermato che Intelligenza artificale (AI) e Machine Learning (ML) aiuterebbero la loro organizzazione a rilevare e rispondere alle minacce più rapidamente (79%) e a contribuire a risolvere una carenza di competenze (77%).
Secondo gli esperti, questo eccessivo atteggiamento di fiducia nei confronti della Machine Learning e della Artificial Intelligence potrebbe mettere le organizzazioni a maggior rischio di cadere vittima del cybercrime. Nell’ambiente aziendale odierno non sarebbe saggio affidarsi esclusivamente a una tecnologia per costruire una solida difesa informatica e il machine learning è senza dubbio uno strumento importante nella lotta contro il crimine informatico, ma dovrebbe rappresentare solo una parte della strategia generale di sicurezza informatica di un’organizzazione.
Mentre molti decisori IT considerano l’AI e il machine learning come la soluzione ideale per la sicurezza informatica, la maggior parte degli intervistati ha già implementato il ML nelle strategie di Cybersecurity (89% degli intervistati tedeschi, l’87% negli Stati Uniti e il 78% nel Regno Unito).
Il machine learning rappresenta un inestimabile aiuto nelle odierne pratiche di sicurezza informatica, in particolare per la scansione del malware, essendo rapidamente in grado di analizzare e identificare la maggior parte delle potenziali minacce per gli utenti e agire in modo proattivo per sconfiggerle. E’ tuttavia importante comprenderne i limiti, a partire dalla necessità di verifica umana per la classificazione iniziale, per l’analisi di campioni potenzialmente dannosi e per la riduzione del numero di falsi positivi.
