F-Secure tar artificiell intelligens till en ny nivå

Security

Det här är ett gästinlägg från en av våra medarbetare på F-Secure.

Hej, mitt namn är Matti Aksela och jag är chef för F-Secures Artificial Intelligence Centre of Excellence. Jag anslöt mig nyligen till teamet för att tillsammans med mina kollegor arbeta för att med hjälp av artificiell intelligens se till att något väldigt spännande ska hända inom internetsäkerhet. När jag fick frågan om jag ville skriva några rader om vad vi gör så tänkte jag först ta tillfället i akt och presentera mig själv för läsarna här på bloggen.

Min bakgrund ligger i maskininlärning, jag doktorerade inom informationsteknologi vid Helsingfors Tekniska Universitet. Under min tid vid universitetet och Neural Networks Research Centre gjorde vi stora framsteg i själva grundforskningen och vad gäller att utveckla en metodologi för det här fältet. Men vi fokuserade även på att tillämpa dessa teknologier på scenarier ur det verkliga livet, där vi exempelvis arbetade med samarbetspartners i olika branscher och med riktiga data.

Sedan dess har jag lagt det mesta av min tid på att utveckla lösningar som kombinerar det allra senaste inom maskininlärning, artificiell intelligens och avancerade analysverktyg och applicera det på avgränsade och praktiska användningsområden. I scenarier hämtade från verkliga livet tvingas vi att överväga sådant som pålitlighet och stabilitet även om det dyker upp oväntade data, vi behöver ta hänsyn till den faktiska kostnaden av falska positiva resultat.

Jag måste erkänna att jag under åren rört mig mer och mer bort från den praktiserande forskarrollen jag en gång hade, då jag haft chefsroller inom dataforskning och teknik på flera företag av olika storlekar. Men jag har alltid prioriterat att hålla kvar en nära koppling till vad vi faktiskt gör med data och vilka metoder vi använder för att uppnå bästa möjliga resultat. Några av de branscher jag arbetat i är telekom, media, handel, försäkring och IoT – om man nu kan kalla det för en bransch, det kanske snarare är en teknologi… Men hur som helst – jag har jobbat med lösningar som inkluderar marknadssegmentering, bedrägerispårning, kundbortfallsförutsägelse, merförsäljningsmodeller, feldetektering, och en hel del andra saker jag inte vill tråka ut er med. Huvudpoängen är att även om det handlar om ett brett spektra av olika områden och lösningar så finns det saker som är lika, konstanter som breder ut sig oberoende av bransch. Jag tror att jag har samlat på mig tillräcklig erfarenhet för att kunna konstatera att det finns ett mycket stort värde i att utnyttja – eller återanvända om man vill – lösningar på olika problem i andra branscher. Och att samarbete i de mest oväntade av områden kan ge fantastiska resultat.

Jag känner att det finns ett stort värde i att skapa lösningar baserade på artificiell intelligens som är både robusta och skalbara. Efter att ha arbetat med ramverk utvecklade för molnet så har jag även börjat tänka mer på effektiv och skalbar insamling av data, lagring och bearbetning av stora datamängder. Det har skett en hel del fantastiska teknologiska framsteg på den fronten. Men det betyder inte att den gamla sanningen om ”skit in, skit ut” inte gäller. Den är snarare mer sann idag än någonsin tidigare. Mängden av data är så stor idag att det blivit mycket svårare att utvärdera kvalitén av den data som matas in, speciellt med system som i princip körs i realtid. En annan sak jag kommit till insikt om är att arbetet med att se till att rätt sorts data matas in brukar ta OFANTLIGT LÅNG TID. Många brukar säga att det handlar om 80 procent, men jag skulle kunna gå så långt som att säga att 90 procent av tiden spenderas på förarbete, och alltså sker innan den faktiska dataforskningen kan börja. Det är just därför jag vill standardisera den processen så långt det går. Det är otroligt kul när du arbetar som en del av ett större team som inte bara arbetar med utformningen, utan även datainsamlingen. Det här gör det möjligt att tillsammans leverera den bästa lösningen.

Det finns ett stort antal olika metoder och modeller som passar in under paraplytermen artificiell intelligens. Övervakat/kontrollerat och okontrollerat lärande, klassifikation, klustring, prediktiva modeller, generativa modeller…jag brukar tänka på den här verktygslådan med tillgängliga modeller som just det – en verktygslåda. Det finns ingen universell lösning som går att applicera på alla sorters problem. Den bästa lösningen beror helt enkelt på vad du behöver, vilket typ av problem du står inför och vilken typ av data du har till ditt förfogande. Idag finns det ett antal verktyg som blivit mogna nog att de är förvånansvärt enkla att använda, vilket är både positivt och negativt. Det är utmärkt med tanke på att det är enkelt att använda verktygen, men det lockar även till användning av verktygen för fler problem än man kanske borde. Rätt verktyg ska användas för tätt typ av uppgift – oavsett om det handlar om att bygga ett hus eller applicera en prediktiv modell. För mig är det en viktig nyckel i datavetenskap – och för alla som vill vara verksam inom det– attityden, viljan att förstå varför, vad och i vilket sammanhang saker fungerar. För vilken typ av data lämpar sig den här metoden? Varför gör den här metoden som den gör? Vad är det som får den att fungera? Vilka är de underliggande antagandena? Hur kan jag garantera att det kommer att fungera även på data som inte ingår i de datauppsättningar som vi använt när vi tagit fram lösningen?

Att förstå varför och hur dina modeller fungerar – eller där de inte gör det – blir extra viktigt i scenarier som hela tiden förändras, som exempelvis cyberhot. En väldigt viktig fråga att ställa sig är ”Hur bra skulle min modell fungera för något jag aldrig haft i åtanke när jag byggde den?”, eller ”Hur enkelt är det att utnyttja modellens karaktäristik för att sedan ”lura” den?” Om jag ska vara ärlig var det just de här frågorna som lockade in mig på cybersäkerhetsspåret. Det här jobbet handlar inte bara om att göra gott genom att skydda människor och företag. Det handlar även om spännande utmaningar där du inte bara arbetar för att förstå ett fenomen, utan även ställs mot duktiga och välfinansierade motståndare som gör sitt bästa för att inte bli upptäckta och hindrade av dina modeller och metoder. Det här innebär att din inställning måste utvecklas över tid. Och du behöver kunna göra det utan någon som håller dig i handen. Det är vad jag kallar ett utmanande och fascinerande problem att lösa!

Och för att vara extra tydlig, det är inte som att F-Secure börjar från noll i sitt arbete med AI.

Mycket bra jobb har gjorts, och vi har redan flera system i skarp drift som konstant drar nytta av artificiell intelligens som en central del av sin funktion. Det finns så många smarta personer i teamet, och vi har en enastående ämneskunskap när det gäller cybersäkerhet. Men nu tänker vi ta det här till nästa nivå. Vi planerar att bygga ut teamet med ännu fler personer som har precis den erfarenhet, kunskap och talang som vi behöver för att komplettera den expertis vi redan har. Detta för att bygga ett större team, redo att möta våra kunders snabbt växande behov. Och vi kommer arbeta tillsammans, mellan avdelningar på företaget, för att göra F-Secure ännu bättre än vi redan är på att ligga steget före alla tänkbara hot som våra kunder möter.

En sak är säker: vi har viljan och vi har den kunskap och det driv som krävs för att se till att det här sker. Och om den här typen av utmaningar låter intressant för dig, tveka inte att höra av dig till mig – och kolla in våra lediga tjänster.

 

Matti Aksela

Vice President, Artificial Intelligence

F-Secure Corporation

matti.aksela@f-secure.com

Betygsätt den här artikeln

0 röster

0 kommentarer

Fyll i dina uppgifter nedan eller klicka på en ikon för att logga in:

WordPress.com Logo

Du kommenterar med ditt WordPress.com-konto. Logga ut / Ändra )

Twitter-bild

Du kommenterar med ditt Twitter-konto. Logga ut / Ändra )

Facebook-foto

Du kommenterar med ditt Facebook-konto. Logga ut / Ändra )

Google+ photo

Du kommenterar med ditt Google+-konto. Logga ut / Ändra )

Ansluter till %s

Du kanske också gillar

%d bloggare gillar detta: