De pop-up die je 4,2 miljoen euro bespaart

In de vorige blogs lieten we zien hoe Artificial Intelligence en Machine Learning slechts zo goed zijn als de persoon die ze gebruikt en dat cybercriminelen moderne technologie voor hun eigen doeleinden inzetten.

De conclusie die we daaruit trokken was dat we AI en ML moeten benutten, niet alleen om betere, snellere computers te produceren, maar om ons als mensen te verbeteren.

Alleen, wat betekent dat precies? Hoe kunnen we het leervermogen van een computer gebruiken om zelf te leren?

Alles wat je moet weten over hoe je met AI en ML je data kan beschermen: "Good cop, bot cop - De stand van zaken rondom A.I., Machine Learning en je Privacy"


Om erachter te komen wat we van Machine Learning kunnen leren, moeten we onze relatie met computers onder de loep nemen. In wezen is deze erg simpel: machines maken fouten die mensen niet maken en andersom.

Zo is een computer heel goed in staat om de wortel van 4871 te berekenen, terwijl wij mensen de unieke gave hebben ons af te vragen waarom de lucht blauw is en broccoli groen.

Ergens halverwege komen beide talenten elkaar tegen, op het punt waar de saaie rekenvaardigheden van een computer onze prachtige tekortkomingen kruisen. Weet je dit kruispunt te vinden, dan weet je waar je Machine Learning kan gebruiken om datalekken te voorkomen.

Menselijke fouten voorkomen met Machine Learning

De grootste oorzaak van datalekken is menselijke fouten: per ongeluk een e-mail naar de verkeerde persoon sturen, bcc voor cc verwarren, het verkeerde attachment uploaden… dit zijn de manieren waarop onze vertrouwelijke gegevens in verkeerde handen vallen.

Mensen zijn zich vaak simpelweg niet bewust van de fouten die ze maken als ze een e-mail sturen. Gelukkig is Machine Learning uitstekend in staat deze fouten wel te spotten, en te voorkomen.

Hieronder leggen we uit hoe een complexe en geavanceerde technologie als Machine Learning ons kan helpen te verbeteren, door in actie te komen op het punt waar mens en machine elkaar perfect aanvullen:

Stel je voor dat je op een drukke dag even snel een e-mail wil sturen. Tijd om goed op te letten heb je niet, maar dat is geen probleem: je hebt een computer die constant voor je oplet, checkt of de e-mail die je schrijft gevoelige informatie bevat en indien nodig je e-mail van de nodige beveiliging voorziet.

Het effect van deze vorm van Machine Learning is dat je als eindgebruiker niet constant bewust hoeft te zijn van e-mailbeveiliging. Iedere keer als je computer vermoedt dat er sprake is van een risico krijg je een notificatie en wordt je e-mail beveiligd verstuurd.

Het mooie hiervan is dat je zelf steeds meer bewust wordt van best practices die datalekken voorkomen. Gebruik je Machine Learning op deze manier vaak genoeg, dan word je uiteindelijk zelf een cybersecurity expert!

Datalekken voorkomen met Smartlockr

Als je al bekend bent met Smartlockr, dan weet je dat je er gewoon e-mails mee kan versturen zoals iedereen dat gewend is. Alleen wanneer het algoritme content detecteert dat mogelijk gevoelig is, of als je een e-mail naar een onbekend e-mailadres wil sturen, komt Smartlockr in actie.

Het gemiddelde datalek kost 4,2 miljoen euro, dus het belang van de eenvoudige pop-up die je hierboven ziet is moeilijk te overschatten.

Een bijkomend voordeel is dat, hoe meer mensen Machine Learning gebruiken om menselijke fouten te voorkomen, hoe beter het algoritme deze fouten kan ontdekken. Bij Smartlockr gebruiken we Machine Learning om mensen beter te maken in cybersecurity, maar tegelijkertijd verhogen we hiermee de effectiviteit van Machine Learning.

En als kers op de taart: cybercriminelen staan bij dit alles geheel buitenspel!

Wil je meer weten over hoe je Artificial Intelligence en Machine Learning kan gebruiken om datalekken te voorkomen? Gebruik dan de link hieronder om de gratis whitepaper "Good cop, bot cop - De stand van zaken rondom A.I., Machine Learning en je Privacy" te downloaden.