ベニー・チャーニーの著書『Cybersecurity Upside Down』について詳しく知る
Predictive Alin AIは、実行前のゼロデイ検知を実現する、OPSWATのAIマルウェア検知エンジンです。サンドボックスでの実行を伴わずに、機械学習によるミリ秒単位の判定を実現します。企業環境のデータで学習したモデルを使用し、ゼロデイ脅威に対する再学習を継続的に行うことで、実行前にリスクの高いファイルを特定しながら、企業環境全体での誤検知を低減します。
検知速度
誤検知率
シグネチャベースの検知や事後対応型の分析では、未知の脅威に対して防御が及ばず、SOCチームはアラートの対応に追われてしまいます。
従来型のアンチウイルスエンジンは、既知のパターンやシグネチャに依存しています。新種やポリモーフィック型のマルウェアは、シグネチャが更新されるまで検知を逃れることができ、攻撃の初期段階という重要な時期に組織を危険にさらしてしまいます。
不審なファイルを実行して解析するプロセスは、遅延とインフラへの負荷を発生させます。セキュリティチームは動的解析の結果が出るまで判定を待つ必要があり、対応が遅れ、脅威にさらされる時間が長くなってしまいます。
セキュリティオペレーションセンター(SOC)は、日々数千件にも及ぶアラートに対応しています。誤検知率の高さと手動での優先順位付けにより、アナリストの効率が下がり、本当の脅威を見逃すリスクが高まります。
命令レベルでの動的解析を、可視性・速度・展開の柔軟性を損なうことなく、拡張可能な形で実現。
ファイルの構造的・振る舞い的な特徴を分析し、実行・起動・実行時監視を行う前に悪意の有無を予測。
精選された企業向けデータセットで学習し、SOCチームの負担となる誤検知を抑えながら、高い検知精度を維持。
マルチスキャンのワークフローに予測インテリジェンスを追加し、従来型のアンチウイルスエンジンでは検知できない脅威を特定。
Predictive Alin AIは、企業データで学習した機械学習モデルを使用し、サンドボックスで確認された脅威をもとに継続的に再学習を行っています。
ファイル内のエントロピーパターン、構造的特徴、内容に関する特徴を解析し、実行前に悪意の兆候を検知します。
機械学習モデルは、MetaDefender Aetherがサンドボックスで確認したゼロデイ脅威の発見をもとに、継続的に再学習されます。
ミリ秒単位で脅威を予測し、業務を妨げることなく、企業・団体のファイルワークフロー全体でリアルタイムの防御を実現します。
サンドボックスでの実行や実行時監視の前に悪意を検知し、静的スキャンと振る舞い分析の間にあるギャップを埋めます。
Engineered for enterprise workflows with P90: 50ms and P99: <100ms verdict times for high-risk executable files.
誤検知率を約0.1%に抑え、SOCチームが不要な調査に時間を取られず、本当の脅威に集中できるようにします。
オンライン環境とオフライン環境の両方で安定して動作し、エアギャップネットワークや規制の厳しい業界にも対応しています。
アーキテクチャの変更なしに、MetaDefender Core、Cloud、Multiscanのワークフローに導入できます。
Predictive Alin AIは、コンシューマー向けのテレメトリではなく、実際のファイル移動パターンを反映した、精選済みでプライバシーに配慮したエンタープライズデータセットで学習しています。
どんな環境にもシームレスに組み込め、ファイルがどこへ移動しても保護し続ける、拡張性の高い包括的なファイルセキュリティソリューションです。
Windows環境またはLinux環境向けのMetaDefender Coreを通じて導入します。ローカルでの処理と検知インフラの完全な制御が求められる、規制対象の企業・団体やエアギャップネットワークに最適です。
MetaDefender Cloud環境を通じて利用できます。クラウドベースのファイル検査ワークフローや企業・団体向けアプリケーション全体に、拡張性のある予測型検知を提供します。
オンプレミスとクラウドを併用する導入形態です。機密性の高いシステムはローカルで検査を維持しながら、クラウドインフラを活用して検知能力を拡張できます。
