Vores avancerede AI-system anvender maskinlæring til automatisk at indsamle og udtrække data fra hele vores brugerbase – hvilket træner alle sikkerhedsmoduler. Når vores produkter finder ny malware, opdateres de automatisk med nye modeller, hvilket giver vigtig beskyttelse med sekundpræcision.
Træning af Avasts maskinlæringsmotor
Sofistikeret trusselsforebyggelse i nutidens verden afhænger ikke af en enkelt maskinlæringsmotor, der leverer en mirakelløsning mod alle cyberangreb. I stedet kræver det en kombination af flere maskinlæringsmotorer, der arbejder hånd i hånd for at forsvare mod angreb. Motorerne arbejder på tværs af enheder (både i clouden, pc'er og smartphones), de bruger statiske og dynamiske analyseteknikker, og de er installeret i mange af lagene i vores forsvarsmotor.
For at evaluere nye og ukendte trusler har vi bygget en unik og sofistikeret maskinlærings-pipeline, der hurtigt lader os træne og implementere malwaredetekteringsmetoder inden for allerede 12 timer. Vi anvender også avancerede teknikker som Deep CNN (Deep Convolutional Neural Networks) for at forbedre vores malwaredetekteringsmodeller. Nye sikkerhedstrusler kan opstå pludseligt og antage nye og ukendte former; i sådanne tilfælde sikrer vores evne til at opdatere vores modeller, at vores brugere forbliver beskyttet.
Avanceret sikkerhedsteknologi og data fra vores massive brugerbase giver os en tydelig fordel mod hackere – og konkurrenter.
Den avancerede sikkerhedsteknologi og data fra vores enorme brugerbase giver os en klar fordel mod hackere – og konkurrenter. Og det er denne teknologi, der gjorde os i stand til automatisk detektere og blokere kendte trusler som WannaCry, BadRabbit, NotPetya-ransomware og Adylkuzz crypto-mining-angreb uden at kræve en eneste produktopdatering.
2 milliarder
ANGREB STOPPET HVER MÅNED
132 millioner
RANSOMWARE-ANGREB BLOKERET I 2017