Vårt avanserte system for kunstig intelligens bruker maskinlæring til automatisk å samle inn og trekke ut data fra hele brukerbasen – og deretter trener den opp alle sikkerhetsmodulene. Når systemet har funnet et nytt eksempel på skadelig programvare, oppdateres produktene våre automatisk med nye modeller som gir viktig og helt oppdatert beskyttelse.

Avasts maskinlæringsmotor

Sofistikert trusselforebygging i dagens verden baserer seg ikke på én enkelt maskinlæringsmotor som på magisk vis avverger alle nettangrep. I stedet kreves det en kombinasjon av flere maskinlæringsmotorer som jobber sammen for å beskytte deg mot angrep. Motorene jobber på alle typer enheter (både i skyen og på PC-er og smarttelefoner), de benytter statiske og dynamiske analyseteknikker, og de er distribuert i mange av lagene i forsvarsmekanismene våre.

For at vi skal kunne evaluere nye og ukjente trusler, har vi bygget en unik og avansert maskinlæringsprosess som gjør at vi raskt kan lære opp og distribuere modeller for oppdaging av skadelig programvare innen 12 timer. Vi bruker også avanserte teknikker som dype, konvolusjonelle nevrale nettverk (Deep CNN) for å forbedre modellene for oppdaging av skadelig programvare. Nye sikkerhetstrusler kan dukke opp plutselig og i nye og ukjente former. I slike situasjoner sikrer evnen vår til å oppdatere modellene raskt at brukerne alltid er beskyttet.

Denne nestegenerasjons-sikkerhetsteknologien og dataene fra den enorme brukerbasen vår gir oss en klar fordel mot hackere – og overfor konkurrentene. Det er denne teknologien som har gjort det mulig for oss å automatisk oppdage og blokkere høyprofilerte trusler som løsepengevirusene WannaCry, BadRabbit og NotPetya, i tillegg til Adylkuzz-angrep fra kryptoutvinning, uten behov for en eneste produktoppdatering.