Вся правда о машинном обучении в DLP: кейсы клиентов InfoWatch
На онлайн-встрече обсудим реальные результаты применения машинного обучения в DLP-системе на примере кейсов клиентов InfoWatch из финансовой и промышленной отраслей. Рассмотрим, как ML в DLP-системе InfoWatch Traffic Monitor сделал возможным решение задач, которые были либо нерешаемы, либо требовали гигантских трудозатрат.
В первой части вебинара расскажем, как нашему клиенту удалось разобрать «серую» зону из 4000 инцидентов за 30 минут вместо 30 часов работы двух специалистов ИБ, за минуты создать новые словари, и в результате — изменить бизнес-процессы компании и регулярно обновлять политики безопасности. Во второй части представим новинку — поиск образцов и аналогичных по смыслу документов. Эта возможность на основе ML доступна в новой версии DLP-системы InfoWatch Traffic Monitor 7.8 и испытана некоторыми нашими клиентами для решения задач профилактики и расследования экономических преступлений.
- Как начать работу с машинным обучением с первого дня внедрения DLP-системы. Даже если нет готовых словарей (БКФ — баз контентной фильтрации), настроенных объектов защиты и политик безопасности.
- Сколько времени сэкономил ML нашим клиентам и почему применение ИИ в DLP-системе — давно не следование моде, а базовая опция для решения ежедневных задач.
- Почему настоящее и будущее — за поиском документов по смыслу, а не за полнотекстовым и его вариациям, которые порой подаются на рынке под видом «умных». И почему поиск по смыслу невозможен без ML под капотом DLP-системы.