L'adozione del Machine Learning in contesti aziendali sta registrando enormi progressi anno dopo anno, consolidando quella che può essere considerata a tutti gli effetti una crescita esponenziale. Insieme ai numerosi vantaggi che il Machine Learning può portare, vi sono nuove sfide nel campo della sicurezza informatica, sfide che richiedono una revisione totale dei modelli di sicurezza applicati alle tecnologie di uso quotidiano, come ad esempio le applicazioni web.
La nuova minaccia che le aziende devono essere pronte a contenere ed affrontare si chiama Adversarial Machine Learning (AML).
Il termine AML identifica la disciplina che studia i punti vulnerabili del Machine Learning e, al giorno d’oggi, rappresenta una delle aree di ricerca più attive nel campo della sicurezza informatica. Dall’altra parte, il difensore di un sistema di ML mira ad identificare potenziali situazioni di pericolo che possono compromettere la sicurezza del modello stesso.
Si tratta dello stesso paradigma attacco-difesa di altri approcci classici in materia di sicurezza informatica. A cambiare sono le particolari tecniche utilizzate per attaccare e difendere un modello, in base ad aspetti tecnici e caratteristiche del Machine Learning.
Mettere in sicurezza un sistema IT è sempre stato un argomento degno di attenzione, che spesso diventa però un ostacolo tra cliente e opportunità. Un ostacolo che, nel caso del Machine Learning, si può superare grazie alle più recenti strategie di sicurezza informatica.
Oltre a dedicarsi allo studio e all’analisi dei tool più recenti e innovativi, la mission di Reply è incoraggiare i propri clienti ad utilizzare sistemi di ML nel contesto aziendale, includendo aspetti di sicurezza in tutto il ciclo di vita del sistema, dalla progettazione alla realizzazione e per l’intera durata del servizio. Reply supporta i propri clienti nel raggiungere un livello di sicurezza maggiore, consentendo loro di cogliere le nuove opportunità con maggior fiducia e con uno sguardo sul futuro.