ศูนย์การดําเนินงานด้านความปลอดภัย (SOCs) ได้รับการกําหนดไว้เป็นเวลานานโดยความไม่สามารถจับคู่ได้ พวกเขานั่งอยู่ที่จุดเชื่อมโยงของการไหลของข้อมูลขนาดใหญ่และการตัดสินใจอย่างเร่งด่วน แต่องค์กรการเก็บรวบรวมข้อมูลจากระยะไกลมากขึ้นมันจะยากที่จะแปลข้อมูลนั้นไปสู่การกระทําที่มั่นใจและสอดคล้องกัน ในช่วงไม่กี่ปีที่ผ่านมาปัญญาประดิษฐ์ได้รับการวางตําแหน่งเป็นโซลูชั่นเพื่อเตือนความเหนื่อยล้าและความหนาแน่นในการสํารวจ แต่การใช้ SOC AI ในช่วงต้นได้เปิดเผยปัญหาโครงสร้างที่ลึกซึ้งยิ่งขึ้น: ความเร็วโดยไม่มีพื้นฐานไม่ค่อยสร้างความไว้วางใจ , บริษัท ที่พัฒนาโซลูชั่น AI สําหรับตัวแทนสําหรับ SOCsเชื่อว่าการพัฒนาต่อไปของอุตสาหกรรมจะขึ้นอยู่กับการสร้างตัวแทนที่ชาญฉลาดมากขึ้นและมากขึ้นในการคิดใหม่ข้อมูลที่ตัวแทนเหล่านี้พึ่งพา บริษัท เมื่อเร็ว ๆ นี้ได้นําเสนอ Security Context Graph ซึ่งเป็นสถาปัตยกรรมพื้นฐานที่ออกแบบมาเพื่อช่วยให้ตัวแทนของ AI SOC มีเหตุผลด้วยความตระหนักในแง่มุมคล้ายกับนักวิเคราะห์มนุษย์ที่มีประสบการณ์ การรักษาความปลอดภัย การรักษาความปลอดภัย การประกาศของ Mate Security มาในขณะที่ผู้นําด้านความปลอดภัยยังคงทดลองใช้ AI เพื่อเพิ่มทีม SOC ในขณะที่ยังคงระมัดระวังเกี่ยวกับการตัดสินใจที่ไม่ชัดเจนและการอัตโนมัติที่ไม่น่าเชื่อถือ ตามที่ บริษัท กล่าวว่าปัญหามากมายที่ปรากฏในการใช้งานครั้งแรกทั่วอุตสาหกรรมไม่ได้มาจากข้อ จํากัด ของ AI แต่จากโครงสร้างข้อมูลที่แยกส่วนที่ออกแบบมาสําหรับมนุษย์ไม่ใช่ AI เพื่อบริโภค 
 
 เราเห็นการปฏิวัติ AI SOC ในขณะที่เราพูดคุย” Asaf Weiner, Co-Founder และ CEO ของ Mate Security กล่าวว่า “AI จะตัดสายการเตือนเพิ่มความมุ่งเน้นและเร่งการทํางานของ SOC อย่างไม่เคยก่อนหน้านี้ นักวิเคราะห์ Tier-1 ที่ซับซ้อนจะถูกยกขึ้นเป็นวิศวกร AI พวกเขามีความสุขมากขึ้น! เราเห็นการปฏิวัติ AI SOC ในขณะที่เราพูดคุย” Asaf Weiner, Co-Founder และ CEO ของ Mate Security กล่าวว่า “AI จะตัดสายการเตือนเพิ่มความมุ่งเน้นและเร่งการทํางานของ SOC อย่างไม่เคยก่อนหน้านี้ นักวิเคราะห์ Tier-1 ที่ซับซ้อนจะถูกยกขึ้นเป็นวิศวกร AI พวกเขามีความสุขมากขึ้น! แม้จะมีความก้าวหน้าทางปฏิบัติเหล่านี้ CISOs หลายคนยังคงสงสัยที่จะพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพึ่งพ “เมื่อฉันพบ CISO เป็นครั้งแรกฉันสามารถรู้สึกไม่ไว้วางใจ” Weiner กล่าวว่า “พวกเขาได้ทดลอง AI ใน SOC ของพวกเขาและถูกเผาไหม้ด้วยประสบการณ์ที่ไม่ดี: ตัวแทนต้องใช้เวลาหลายเดือนในการเรียนรู้สร้างข้อพิพาทที่ไม่ถูกต้องด้วยความมั่นใจและต้องการ “การดูแลเด็ก” มากกว่า SOAR ที่พวกเขาควรแทนที่” Reimagining SOC Knowledge สําหรับการพิจารณาเครื่อง สภาพแวดล้อม SOC แบบดั้งเดิมจัดระเบียบข้อมูลในลักษณะที่ให้ความสําคัญกับการบริโภคของมนุษย์ รายงานบันทึกการแจ้งเตือนเอกสารและบทเรียนได้รับการเพิ่มประสิทธิภาพสําหรับนักวิเคราะห์ที่พึ่งพาประสบการณ์และความเห็นอกเห็นใจอย่างมากเพื่อระบุรูปแบบและความสัมพันธ์ในแง่มุม ในขณะที่มีประสิทธิภาพสําหรับคนโครงสร้างนี้มักจะทําให้ระบบ AI พยายามพิจารณาข้อมูลที่แยกส่วนหรือไม่สมบูรณ์ Mate Security Security Security Security Context Graph ได้รับการออกแบบมาเพื่อแก้ไขข้อบกพร่องนี้โดยการเปลี่ยนแปลงวิธีที่ความรู้การดําเนินงานจะถูกจับและนําไปใช้ แทนที่จะพึ่งพากฎสถิติหรือผลการสํารวจแต่ละรายเท่านั้นสถาปัตยกรรมจะสร้างสิ่งที่ บริษัท ลักษณะว่าเป็นหน่วยความจํา contextual โดยจับการพิจารณาความเสี่ยงและความตรรกะเช่นเดียวกับนักวิเคราะห์ที่ทําในหัวของพวกเขา “ตัวแทน AI ให้อาหารข้อมูลที่โครงสร้างขึ้นสําหรับมนุษย์” Weiner กล่าวว่า “นักวิเคราะห์ SOC ทํางานกับตารางบันทึกและเอกสาร ... พวกเขาพึ่งพาประสบการณ์และความรู้สึกธรรมดาในการเชื่อมต่อจุด แต่ AI ไม่สามารถทําได้ ตัวแทน AI ต้องการมากกว่า“ สิ่ง” พวกเขาต้องการ“ ทําไม”: กรณีการดําเนินงาน” แผนภาพทํางานเป็นตัวแทนที่ปรับปรุงอย่างต่อเนื่องของความรู้ทางสถาบันขององค์กรซึ่งสะท้อนถึงการเปลี่ยนแปลงนโยบายผลการสํารวจโครงสร้างการเป็นเจ้าของและความแตกต่างขององค์กร โดยอนุญาตให้ตัวแทน AI ผ่านความสัมพันธ์ที่เชื่อมต่อกันเหล่านี้ Mate Security มุ่งมั่นที่จะปรับปรุงความถูกต้องในการตัดสินใจในขณะที่รักษาความสามารถในการอธิบาย “นี่คือเหตุผลที่เราได้สร้าง Graph Security Context” Weiner กล่าวว่า “พื้นฐานพื้นฐานสําหรับแพลตฟอร์ม AI ของเรา การปิดกั้นความไว้วางใจระหว่าง CISOs และ AI ความไว้วางใจได้ปรากฏขึ้นเป็นหนึ่งในอุปสรรคที่คงที่มากที่สุดต่อการใช้ AI ภายในการดําเนินงานด้านความปลอดภัย Mate Security หมายความว่าองค์กรที่ใช้ตัวแทน AI ที่สร้างขึ้นบน Security Context Graph ได้เห็นการปรับปรุงอย่างมีนัยสําคัญใน KPIs ความปลอดภัยที่สามารถวัดได้รวมถึงเวลาเฉลี่ยในการตอบสนองและเวลาที่ใช้ในการแจ้งเตือนเชิงบวกและผลลัพธ์ที่ไม่ถูกต้องรวมถึงการปรับปรุงอย่างมีนัยสําคัญที่ลูกค้ารายงานเกี่ยวกับความถูกต้องความสม่ําเสมอความโปร่งใสและความสามารถในการปรับตัว โดยการพิจารณาผ่านความสัมพันธ์แบบ contextual แทนที่จะพึ่งพากฎที่กําหนดไว้ล่วงหน้าเท่านั้น ตัวแทนสามารถนําเสนอข้อสรุปที่สอดคล้องกับความรู้ขององค์กรอย่างเข้มงวด นอกจากนี้กราฟยังทํางานเป็นแหล่งที่เชื่อมต่อกันของความจริงลดความไม่สอดคล้องที่เกิดขึ้นบ่อยครั้งเมื่อแหล่งข้อมูลหลายแหล่งมีความขัดแย้ง นอกจากนี้สถาปัตยกรรมยังช่วยให้ตัวแทนสามารถอธิบายข้อสรุปในภาษาธรรมชาติในขณะที่ยอมรับความไม่แน่นอนเมื่อต้องการข้อมูลเพิ่มเติม หนึ่งในความท้าทายที่สําคัญของศูนย์การดําเนินงานด้านความปลอดภัยคือการหมุนเวียน นักวิเคราะห์ SOC ที่มีประสบการณ์จะเก็บรวบรวม “ความรู้ของชนบท” ความทรงจําและชิ้นส่วนของขอบเขตที่ไม่ได้จดหมาย แต่ให้บริการพวกเขาในการตัดสินใจ เมื่อนักวิเคราะห์เหล่านี้ออกจากพวกเขาความรู้จะออกจากพวกเขา หนึ่งในข้อได้เปรียบที่ยิ่งใหญ่ที่สุดของโครงสร้าง Security Context Graph คือการเก็บรักษาหน่วยความจําของสถาบัน มันไม่ได้รับผลกระทบจากการหมุนเวียนของนักวิเคราะห์ มันทํางานเหมือนนักวิจารณ์ที่มีประสบการณ์การถ่ายโอนความรู้และประสบการณ์ให้กับสมาชิกทีมที่มีประสบการณ์น้อยลง “กราฟคอนเทคความปลอดภัยเป็นโครงสร้างที่อยู่และหายใจ” Weiner กล่าวว่า “มันกําลังสร้างและเพิ่มประสิทธิภาพอย่างมีนัยสําคัญกับทุกการตรวจสอบการเปลี่ยนแปลงเจ้าของการเปลี่ยนแปลงนโยบายเพื่อให้การตัดสินใจเกิดขึ้นตามสิ่งที่เกี่ยวข้องในขณะนี้” โดยเฉพาะอย่างยิ่ง Mate Security สร้างสถาปัตยกรรมกราฟก่อนเปิดตัวตัวตัวแทน AI เป็นครั้งแรก adopting what it describes as a data-first development model. “ตัวแทนมีประสิทธิภาพเพียงเท่าโครงสร้างข้อมูลที่พวกเขาสร้างขึ้น” Weiner กล่าวว่า “นี่เป็นวิธีเดียวสําหรับ AI เพื่อสร้างความไว้วางใจ” บริษัท กล่าวว่า Security Context Graph ได้ขับเคลื่อนตัวแทนของ AI SOC ตั้งแต่การใช้งานในองค์กรครั้งแรกและตอนนี้ได้รับการแนะนําอย่างเป็นทางการในตลาดเป็นสถาปัตยกรรมหลักที่อยู่เบื้องหลังแพลตฟอร์ม เมื่อหน่วยความจําสถาบันกลายเป็นการควบคุมความปลอดภัย ในขณะที่ทีม SOC จะเผชิญกับพื้นผิวการโจมตีที่ขยายตัวการขาดแคลนบุคลากรและปริมาณการเตือนที่เพิ่มขึ้นอุตสาหกรรมจะตระหนักถึงว่าการอัตโนมัติเท่านั้นไม่สามารถทําซ้ําการตัดสินของนักวิเคราะห์ แทนที่ขั้นตอนต่อไปของ AI ในด้านความปลอดภัยอาจขึ้นอยู่กับการแปลความรู้ของมนุษย์เป็นกรอบความรู้ที่สามารถปรับขนาดได้และพัฒนาอย่างต่อเนื่อง วิธีการของ Mate Security แสดงให้เห็นว่าอนาคตของการดําเนินงาน SOC ที่ขับเคลื่อนด้วย AI อาจขึ้นอยู่กับการแทนที่นักวิเคราะห์น้อยลงและมากขึ้นในการรักษาความชาญฉลาดในการดําเนินงานของพวกเขาเปลี่ยนประสบการณ์เป็นโครงสร้างพื้นฐานที่สามารถนําเครื่องจักรไปสู่การตัดสินใจที่เชื่อถือได้และโปร่งใสในขนาด 
 
 เรื่องนี้ถูกกระจายโดย Jon Stojan ภายใต้ HackerNoon's Business Blogging Program เรื่องนี้ถูกกระจายโดย Jon Stojan ภายใต้ HackerNoon's Business Blogging Program

This story contains new, firsthand information uncovered by the writer.

เสียงนี้ผลิตในภาษาต้นฉบับของเรื่องราว!

Graph ของ Mate Security แสดงให้เห็นว่า AI สามารถทําเหตุผลได้อย่างไรเช่นวิเคราะห์มนุษย์ใน SOC

About Author

ความคิดเห็น

แขวนแท็ก

บทความนี้ถูกนำเสนอใน

Related Stories

ทําไม "Missing Middle" เป็นโอกาสที่ไม่ได้พลาดมากที่สุดในปี 2026

Meet ScyllaDB: HackerNoon Company of the Week

Emphatic words must stand in emphatic positions

The Tech Community's Efforts to Dethrone OpenAI

ทําไม "Missing Middle" เป็นโอกาสที่ไม่ได้พลาดมากที่สุดในปี 2026

Meet ScyllaDB: HackerNoon Company of the Week

Emphatic words must stand in emphatic positions

The Tech Community's Efforts to Dethrone OpenAI

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps