Vårt avancerade system för artificiell intelligens (AI) använder maskininlärning för att automatiskt samla in och extrahera data från hela vår användarbas. Uppgifterna används sedan för att lära upp respektive säkerhetsmodul. När exempel på ny skadlig kod hittas uppdateras våra produkter automatiskt med nya modeller, vilket snabbt ger det skydd som behövs.

Träna Avasts maskininlärningsmotor

Dagens avancerade hotskydd förlitar sig inte på en enda maskininlärningsmotor mot alla cyberattacker. Istället behövs en kombination av flera maskininlärningsmotorer som arbetar tillsammans mot attacker. Motorerna fungerar på alla enheter (i molnet, på datorer och smartphones), de använder statiska och dynamiska analystekniker och körs på flera nivåer i skyddsmotorn.

För att utvärdera nya och okända hot har vi byggt en unik och sofistikerad maskininlärningspipeline med vilken vi snabbt kan träna och distribuera modeller för identifiering av skadlig programvara inom 12 timmar. Vi använder även tekniker som djupa faltningsnätverk (Deep CNN) för att förbättra våra modeller för identifiering av skadlig kod. Nya säkerhetshot kan plötsligt dyka upp i nya och okända former. Då uppdateras våra modeller snabbt och våra användare förblir skyddade.

Nästa generations säkerhetsteknik och data från vår enorma användarbas gör att vi ligger i framkant när det gäller skydd mot hackare och jämfört med våra konkurrenter. Och det var den här tekniken som gjorde att vi automatiskt kunde upptäcka och blockera stora hot som utpressningstrojanerna WannaCry, BadRabbit och NotPetya, utan att en enda produktuppdatering krävdes.