Solutions > Apprentissage automatique

Zscaler Machine Learning

Utilisez l’intelligence artificielle à l’échelle du cloud pour vous préserver
des menaces nouvelles et évolutives.

La lutte pour garder une longueur d'avance sur les menaces avancées

Protéger votre organisation est un travail à temps plein. Des nouveaux sites web malveillants aux ransomware en passant par les attaques d'hameçonnage, il y a toujours quelque chose de dangereux pour défier vos fragiles défenses. Mais comment contrer les menaces avancées qui vont plus vite que votre sécurité? L'apprentissage automatique (ML) peut vous aider à accélérer votre temps de protection, mais les solutions ML actuelles utilisent souvent une approche inadaptée.

Raisons pour lesquelles l'apprentissage automatique
traditionnel peut manquer les attaques

icône montrant que l’apprentissage automatique traditionnel peut ne pas voir des attaques en raison de la limitation des ressources

Limitations des ressources

Pour un apprentissage automatique efficace, vous avez besoin d'une très grande quantité de données pour créer des modèles — des données centralisées et corrélées en temps réel, lesquelles ne sont tout simplement pas disponibles à partir d'appliances de sécurité séparées.

icône montrant que l’apprentissage automatique traditionnel peut ne pas voir des attaques en raison du manque d’analyse du contexte

Absence d'analyse de contexte

Les solutions basées sur le réseau sont limitées du fait que l'on examine les paquets individuels sans tenir compte de la vue d'ensemble qui couvre tout le contenu — une vue pourtant nécessaire pour appliquer l'apprentissage automatique de manière significative.

icône montrant que l’apprentissage automatique traditionnel peut ne pas voir des attaques en raison du manque de défis en matière d’application

Défis liés à l'exécution

Les architectures telles que les pare-feux de nouvelle génération (NGFW), qui autorisent les connexions de type pass-through, ne peuvent pas mettre en quarantaine le contenu pour l'analyser par apprentissage automatique. Des octets malveillants pourront donc passer, jusqu’à ce qu’un diagnostique soit finalisé.

Zscaler Machine Learning

Exploiter la puissance du cloud pour une bien meilleure protection avancée contre les menaces

Zscaler Machine Learning identifie rapidement les modèles de menaces sur des volumes de données afin de bloquer les menaces avancées sans signatures ni interaction humaine. En tirant parti de la taille et de la portée du cloud Zscaler, les utilisateurs ainsi que les données peuvent être protégés en temps réel contre les menaces émergentes, telles que les programmes malveillants polymorphes, l'hameçonnage personnalisé, et les sites Web suspects.

Zscaler Machine Learning offre une meilleure protection contre les menaces inconnues

Ce que Zscaler peut faire pour vous

Zscaler fournit une protection en temps réel

Protection en temps réel

Grâce à une architecture cloud inline non liée par les contraintes d’une appliance traditionnelle, Zscaler peut bloquer toutes les nouvelles variantes de menaces connues, de virus polymorphes et de ransomware en temps réel.

zscaler prévient les attaques d’hameçonnage inconnues

Prévention d'attaques d'hameçonnage inconnues

Exploitez l’analyse avancée de contenu basée sur l’IA ainsi que les données modélisées à partir de 100 milliards de transactions par jour pour empêcher l’accès de nouvelles attaques d’hameçonnage personnalisé et d’usurpation d’informations d’identification.

Zscaler Machine Learning comble les lacunes en matière de sécurité en classifiant les sites web nouveaux et inconnus

Classification en temps réel de sites Web inconnus

Zscaler Machine Learning comble les lacunes de sécurité en classifiant les sites Web nouveaux et inconnus à mesure qu’ils sont consultés, ce qui améliore l’application des politiques autant que l’expérience utilisateur.

Qu'est-ce qui rend Zscaler Machine Learning unique ?

Il fournit un apprentissage automatique étanche

Les architectures traditionnelles NGFW de type "pass-through" ont des ressources limitées pour conserver et analyser tous les paquets en temps réel. Étant donné que Zscaler tire parti de l'échelle du cloud pour l'inspection inline, chaque paquet est capturé et analysé en temps réel à la recherche de contenu malveillant avant la livraison au terminal.

Il neutralise l'hameçonnage ciblé de sites Web

De nombreux sites Web ciblés et spécialement conçus pour l'hameçonnage ne peuvent pas être détectés par des signatures ou par un ML non sophistiqué. Les modèles d'apprentissage automatique inline de Zscaler peuvent détecter ces pages d'hameçonnage ciblé dangereuses et inconnues avant qu'elles n'apparaissent dans le navigateur de l'utilisateur final.

Il comble les failles de sécurité inconnues du site Web

Les solutions traditionnelles doivent explorer les nouveaux sites web et ceux non répertoriés pour les classer correctement, ce qui est inefficace et expose les utilisateurs à des contenus suspects. Avec Zscaler Machine Learning, le contenu web est immédiatement classifié au moment où l’utilisateur y accède, ce qui permet une meilleure application des politiques qui bloquent les pages web non classifiées.

Ressources suggérées

Blog

IA et ML en cybersécurité : Trop de battage médiatique ou pas assez ?

ARTICLE

Constituer une équipe d’IA de premier ordre

Blog

Les années 2020 : l’IA et l’apprentissage automatique offrent un espoir pour l’avenir

Blog

Zscaler AIOps : extraire le signal du bruit dans le plus grand cloud sécurisé

Blog

Protection intelligente contre le patient zéro alimentée par l’IA