「情報セキュリティ」は現在多くの企業が注目するテーマだ。市場の変化、国際大手メーカーの競争、労働力などへの挑戦は、いずれも情報セキュリティの重要性を示している。
情報漏洩の現状
2022年、人々を憂慮させる情報セキュリティの事件が起こった。ハッキングフォーラム「Breach Forums」で、ある匿名ハッカーが上海公安システムから中国居住者10億人以上の個人情報を盗んだと発表したのだ。もしこれが本当なら、史上最大規模のデータ漏洩事件のひとつとなるため、技術専門家の注目を集めた。この事件は情報セキュリティの重要性を浮かび上がらせたのと同時に、企業や団体に対し、この高度なデジタル化の時代においてより厳格に使用者の情報を保護し、漏洩の脅威に対応しなければならないという警告を発することとなった。
幸い、企業のデジタルトランスフォーメーションが日々成熟し、AI技術が急速に発展する今日、新時代の難題を解決する全く新しいソリューションがある。それは杰倫智能科技(Profet AI)の「AutoML自動化機械学習」だ。次に、Profet AIがいかにAutoMLを運用し、企業の情報セキュリティ部門がAIによって問題を見つけ出せるようサポートするかを紹介しよう。
従来の方法の限界
従来の規則に従ったシステムは「あり」と「なし」でリスク判断と数量削減を進め、ITスタッフの経験に頼ってひとつずつ潜在リスクを検査するが、このような方法は多くの制限がある。例えば、規則の設定が困難であること、潜在リスクを見落とす可能性があること、規則列挙の完全性などだ。これらだけでなく、スタッフのサンプリングの経験も伝承とシステム化という問題に直面している。しかし、AI技術を導入することでこれらの欠点を補い、過去の検査方法を改善し、判断に多くのサポートを提供することが可能だ。
AutoMLの情報セキュリティにおける応用と効果
AutoMLの情報セキュリティにおける応用と効果を、以下の通り簡単に整理した。
従来システムの不足を補填：ビッグデータ応用でモデルを構築し、従来の規則に従ったシステムの不足を補って判断をサポートする。
メールによる情報漏洩の予測：過去の社内情報システムのメールログからモデルを構築し、予測モデルによって内部スタッフが送信するメールに情報漏洩のリスクがないか判断する。
重要リスク主要指標のモニタリング：個人情報取得における異常検知指標(IPG/DG) - IPG/DG データ情報をセキュリティに応用し、モニタリングの指標を確立する。
データ駆動型のモニタリングと意思決定：AutoMLが提供するデータを活用することで、これまで経験に頼ることが多かった意思決定をデータ駆動型にすることができ、さらに意思決定に影響する重要因子を見つけて主要指標をモニタリングすることができる。
機密情報のレベル分け：企業の重要部門の情報はいずれも機密かつセンシティブなものだ。かつてツールがなかった時は、レベル分けとモニタリングは困難だったが、AutoMLは機密情報のレベル分けを支援することができる。
AIで情報セキュリティリスクの高いメールをフィルタリング、メールによる情報漏洩を予測
企業の情報セキュリティ問題は、すでに発生してしまっていることが多く、発覚後、企業に莫大な損害を与える。AIモデルによって、内部スタッフがサンプリングで検査する方法を改善し、より効率的に検査を行うことが可能だ。例えば、社内情報システムの1カ月分のメールログに記録されるメール件数は約数万件となるが、検査頻度が1週間に1回、サンプル数は数百件という場合、残ったメールは検査することができず放置されてしまう。しかし、過去のデータから構築したAIモデルを使用すれば、情報漏洩のリスクが高いメールを予測して、そのメールに対して検査を行える。メール1件1件をAIで判断して、リスクを縮小させることが可能だ。
モデル運用の成熟に合わせて、新たな特徴を加えることもできる。初歩的な運用と内容領域専門家の経験を通じて、企業内部の情報セキュリティ専門家が新たな特徴を加えることで、モデルが最適化され、より正確になる。どのような特徴を加えたらよいか分からない場合は、Profet AIのコンサルティングサービスを利用して、専門コンサルタントと社内の情報セキュリティの内容領域専門家がプラットフォームに新たな特徴を柔軟に加え、モデルを最適化していくことも可能だ。
現段階で上記の内容を実行するのが困難な場合も、心配はいらない。Profet AIのAutoMLは「メールの特徴エンジニアリング」で、企業のメール情報を40余りのモデル構築に必要な特徴に自動で転換し、モデル構築のトレーニング資料とすることができる。また、Profet AIの専門コンサルタントによるワークショップ「AIハッカソン」は、社員のAI基礎教育、情報セキュリティ問題の発見やモデル構築の実習などのプログラムを通じて、従業員と内容領域専門家がすばやくAＩの概念と応用を理解することが可能だ。より重要なことは、「デジタル応用」の概念を育成し、効率的に予測モデルを運用して、AIとデータ駆動で行う意思決定の文化を社内に根付かせ、AIによるデジタルトランスフォーメーションの成功をサポートすることである。