Yapay Zeka ve Makina Öğrenmesi: Uyumu Destekleme ve Spam Engelleme
06.06.2018Mevcut teknoloji ve analitik alanında en gelişmiş stratejiler arasında yapay zeka ve makina öğrenmesi yer alıyor. Bu yenilikçi yaklaşımlar, teknoloji uygulamaları için sınırsız olasılık barındırabilir
Mevcut teknoloji ve analitik alanında en gelişmiş stratejiler arasında yapay zeka ve makina öğrenmesi yer alıyor. Bu yenilikçi yaklaşımlar, teknoloji uygulamaları için sınırsız olasılık barındırabilir: manuel işleri ortadan kaldırma ve belirli performans göstergelerine göre doğru tahminlerde bulunan yazılım sunma gibi.
Böylelikle, (birlikte veya ayrı ayrı kullanılan) yapay zeka ve makina öğrenmesinin endüstri sektörlerini kapsayan teknolojiler olarak ortaya çıkması şaşırtıcı değil. Bu gibi beceriler ortaya çıkmaya devam ettikçe, paydaşların ve karar vericilerin, bu stratejileri işletmelerinde nasıl kullanabileceklerini ve sunduğu avantajları anlaması önemli.
Bu nedenle yapay zeka ve makina öğrenmesine yakından bakalım ve bu yaklaşımların endüstrisi gereksinimlerine uyum sağlamayı ve spam mesajları engellemeyi nasıl destekleyebileceğini ele alalım.
Yapay Zeka ve Makina Öğrenmesi: Kesişen ama birbiri yerine kullanılamayan alanlar
Uyum ve spam sorununu ortadan kaldırma konusunda girmeden önce teknoloji yöneticilerinin ve C-seviye yöneticilerin yapay zeka ve makina öğrenmesi kavramlarını anlaması önemli. Bu özellikle yapay zeka ve makina öğrenmesinin kesiştiği birkaç alanda ve birbiri yerine kullanıldığı bulanık alanlarda önemli.
TechRadar yazarı Mike Moore’un dediği gibi yapay zeka, bilgisayarların insanların yapabileceği görevleri daha doğru ve verimli bir şekilde tamamlaması için dayanıklı algoritmaların kullanılması, otomasyon ve diğer kilit süreçler için yeni kapılar açılması. Moore’a göre yapay zeka, donanımın “kendisi için düşünmesinin” bir yolu.
Diğer yandan makina öğrenmesi bunu bir adım daha ileriye götürerek bilgisayarların sadece eskiden insan müdahalesi gerektiren görevleri tamamlamasını değil, aynı zamanda bu görevlerden edindiği deneyim ve görevleri tamamlamak için kullandığı veriden öğrenmesine verilen isim.
Teknoloji Uzmanı Patrick Nguyen, Adweek için Bu Konuyu İyi Bir Şekilde Özetliyor.
Nguyen, “yapay zeka, sistemin insan benzeri zeka göstermesine izin veren tüm teknolojiler,” açıklamasını yapıyor. “Makina öğrenmesi ise yapay zekanın karar vermek için verilerle eğitilmiş matematik model kullanması. Daha fazla veri sunuldukça, makina öğrenmesi modelleri daha iyi kararlar verebilir.”
Böylelikle yapay zeka ve makina öğrenmesi genellikle ilişkili olarak ele alınsa da birbirinin tam olarak aynısı değil.
CME raporuna göre genel olarak işletmelerin yüzde 15’i yapay zeka kullanırken gelecek yıl içerisinde yüzde 31’i daha kullanmayı planlıyor. Ayrıca, dijital olarak olgunlaşmış şirketlerin yüzde 47’si, yapay zeka stratejisine sahip.
Makina öğrenmesinde de kullanım artışı gözleniyor. Enterprisers Project, işletme liderlerinin yüzde 90’ının, makina öğrenmesinin desteklediği otomasyonun doğruluk ve karar vermeyi destekleyeceğini ifade ediyor. Ayrıca, yöneticilerin yüzde 27’si, makina öğrenmesi girişimlerini desteklemek için akıllı makinalar konusunda uzman kişileri işe aldılar.
Yapay zeka ve makina öğrenmesi, kurumsal yazılım ve önemli işletme stratejileri boyunca yayılmaya devam ettiği sürece, bu iki kavram arasındaki farklılıkları ve bu beceriler için kullanım alanlarını anlamak önemli. Yapay zekanın uygumda kullanımı ve makina öğrenmesinin spam tanımlama ve ortadan kaldırmaya yardım etmesi gibi bazı örnekleri inceleyelim.
Otomasyon, şirketlere işletmelerini modernleştirme imkanları tanımaya devam ediyor.
GDPR uyumu için Yapay Zeka
AB’nin yeni veri gizliliği önlemleri, Genel Veri Koruma Düzenlemesi (GDPR), 2018 yılının bahar aylarında yürürlüğe girdi ve birçok işletme bu gereksinimlere göre güvenliklerini değiştirmek zorunda kaldı. Bu gerçek yakın zamanda Avrupa Üniversitesi Enstitüsü tarafından, 14 en iyi teknoloji şirketinin gizlilik politikasını inceleyen yapay zeka aracının kullanımı ile gösterildi. Claudette adı verilen bu araç, güncellemelerin GDPR ile uyumlu olduğunu gösterse de kurumların hala uyumu yakalamakta zorlandığını gösterdi.
Trend Mikro, “GDPR yürürlüğe girdikten bir ay sonra sonuçlar şu şekildeydi: değerlendirdikleri toplam gizlilik politikası cümleleri arasından yüzde 11 belirsiz olarak işaretlenirken yüzde 33,9 potansiyel olarak sorunlu veya yetersiz olarak işaretlenmişti” diye açıkladı. “Raporlarına göre, incelenen gizlilik politikalarının hiçbiri GDPR gereksinimlerini sağlamadı.”
Raporun amacı işletmelerin uyum konusunda nasıl ilerlediğine bakmak olsa da yapay zeka Claudette aracının kullanılması, aynı zamanda bu gibi gelişmiş becerilerin gelecekte kullanılabileceğine dair umut sağladı. Mevcut durumda Claudette sadece deneysel olarak kullanılıyor. Ancak bu yapay zekanın GDPR ve diğer endüstri düzenlemelerine uyum sağlanmasını analiz edebileceğine dair bir işaret veriyor.
Spama Karşı Savaşmak İçin Makina Öğrenmesi
Endüstri uyumu, işletmeler için devam eden bir mücadele ve önemli bir girişim. Diğer bir sorun ise Trend Mikro araştırmacısı Jon Oliver’e göre devam eden spam mesajları. Bunlarla savaşmak gelişmiş makina öğrenmesiyle ile mümkün olabilir.
Oliver’in açıkladığı üzere spam mesajlarını engelleme süreci yüksek miktarda veri gerektiriyor. Bu da makinaların spam mesajlarını tespit etmesine ve buna karşı önlem almasına izin veren gerçek öğrenmeyi destekleyebilir. Bu durum özellikle de spam mesaj oluşturanların her geçen gün gelişerek, sadece düz metin mesajı yerine eklenti ve diğer yaklaşımları kullanması nedeniyle zorlayıcı.
Trend Mikro, Trend Mikro Anti-Spam Motoru (TMASE) ve Barındırmalı E-posta Güvenliği (HES) içerisinde makina öğrenmesini kullanarak on yıldır makina öğrenmesini destekleyecek inanılmaz bir veri seti havuzuna sahip.
Oliver, “diğer anti-spam koruma katmanlarıyla birlikte (örneğin E-mail İtibar Hizmeti, IP Profil Çıkarıcı, anti-spam kompozit motoru), makina öğrenmesi algoritmaları tehdit bilgisini ilişkilendirmek ve kurumsal ağda spamı yakalamak ve engellemek için derinlemesine dosya analizi yapmak için kullanılıyor,” dedi. “Makina öğrenmesini anti-spam motorlarında kullanma stratejisi, en son teknoloji modellerin kullanılmasına, model doğruluğunu arttırmak için tekrarlı yöntemlerin benimsenmesine ve doğru bir şekilde etiketlenmiş verilen toplanmasına dönüştü. Tüm bunlar sürecin önemli parçalarını oluşturuyor.”
Böylelikle her yeni spam mesajıyla, makina öğrenmesinin sunduğu engelleme önlemleri, mevcut spam süreçlerinden ve yaklaşımlarından biraz daha öğrenebilir. Spam, ağ ve genel kurumsal güvenlik için önemli bir tehdidi temsil ederken, spamin alıcıya ulaşmadan önce tespit edilmesi ve engellenmesi için gelişmiş bir yöntemi desteklemek, veri güvenliği için oldukça önemli görülüyor.
Makina öğrenmesi ve diğer koruma teknolojilerini birlikte kullanan Trend Mikro anti-spam yaklaşımıyla, araştırmacılar spam mesajlarının yüzde 95’inin etkili bir şekilde tespit edildiğini ve engellendiğini buldu.
Güvenlik için Yapay Zeka ve Makina Öğrenmesi
Yapay zeka ve makina öğrenmesi, farklı alanlarda ortaya çıkmaya devam edecek ama özellikle endüstri uyumu ve bilgi güvenliği alanlarında faydalı olabilirler. Oliver gibi uzman araştırmacıların belirttiği gibi bu gelişmiş süreçlerini, diğer güvenlik önlemlerini içeren katmanlı güvenlik yaklaşımının bir parçası olarak kullanmak önemli.
Yapay zeka ve makina öğrenmesinin ağ ve alt yapı güvenliğine nasıl faydalı olabileceğini öğrenmek ve Trend Mikro’nun TMASE ve HES çözümlerinde makina öğrenmesini nasıl kullandığını görmek için hemen koruma uzmanlarımızla iletişime geçin.