Reducering av false positives inom cybersäkerhet med AI : En förstudie

Sammanfattning

Denna studie undersöker hur AI kan användas för att reducera volymen av false positives inom cybersäkerhet. Syftet med studien är att undersöka hur AI kan användas för att minimera arbetsbelastningen och tiden som säkerhetsanalytiker spenderar på att undersöka incidenter som felaktigt flaggats som hot. Studien har genomförts genom att undersöka tidigare forskning, samt genom kvalitativa intervjuer. En av intervjuerna skedde individuellt med 4 säkerhetsanalytiker på ett IT-företag, där intervjufrågorna riktade in sig på false positives och hur det påverkar respondenternas arbete. Den andra intervjun bestod av en längre intervju med en AI-expert på Microsoft Defender. Denna intervju riktade in sig på hur AI används inom cybersäkerhet, samt vilka algoritmer som ofta förekommer. Resultatet består av en jämförelse med hur datan ur intervjuerna stämmer överens med den tidigare forskning som undersökts för studien. Det visar på en tydlig konsensus att cybersäkerhet utgör majoriteten av de incidenter som rapporteras, samt att de har en stor påverkan på arbetsbelastningen. Ett nytt perspektiv som extraherats från intervjuerna är hur false positives i mindre volym kan hjälpa att lära analytiker hur kunders system fungerar och vilka processer som är förväntade att köras. De kan även vara värdefulla för att hjälpa att utbilda nya säkerhetsanalytiker. AI ses som en stor fördel inom branschen, däremot med den nya avsikten att det finns ett behov för att reducera antalet false positives, gentemot att helt och hållet eliminera dem.