Ginagamit ng aming progresibong na system ng Artificial Intelligence (AI) ang machine learning para awtomatikong mangolekta at kumuha ng data mula sa aming buong user base – pagkatapos ay sinasanay ang bawat module ng seguridad. Pagkatapos makahanap ng bagong sample ng malware, awtomatikong ina-update ang mga produkto namin sa mga bagong modelo, na nagbibigay ng mahalagang proteksyon hanggang sa pinakahuling segundo.

Pagsasanay sa engine ng machine learning ng Avast

Ang sopistikadong pamigil sa banta sa mundo ngayon ay hindi umaasa sa iisang engine ng machine learning na nagbibigay ng pag-asa sa lahat ng cyberattack. Sa halip, isa itong kombinasyon ng maraming engine ng ML na nagtutulungan para lumaban sa mga pag-atake. Gumagana ang mga engine sa lahat ng device (sa cloud at sa mga PC at smartphone), gumagamit ang mga ito ng static at dynamic na diskarte sa pagsusuri, at dine-deploy ang mga ito sa maraming layer ng aming engine sa pagdepensa.

Para masuri ang bago at mga hindi kilalang banta, bumuo kami ng natatangi at sopistikadong pipeline ng machine learning na nagbibigay-daan sa aming magsanay nang mabilis at mag-deploy ng mga modelo ng pagtukoy ng malware sa loob ng 12 oras. Gumagamit kami ng mga advanced na diskarte tulad ng deep convolutional neural network (Deep CNN) para pahusayin ang aming mga modelo ng pagtukoy ng malware. Maaaring bigla-biglang lumabas ang mga bagong banta sa seguridad, at magkaroon ng mga bago at hindi kilalang anyo; sa gayong mga sitwasyon, ang aming kakayahang i-update ang aming mga modelo nang mabilis ay tumitiyak na nananatiling protektado ang aming mga user.

Ang makabagong teknolohiya sa seguridad na ito at ang data mula sa aming napakalaking user base ay nagbibigay sa amin ng malinaw na bentaha laban sa mga hacker – at kakumpitensya. At ito ang teknolohiyang nagbigay-daan sa aming awtomatikong matukoy at ma-block ang mga kilalang banta tulad ng WannaCry, BadRabbit, NotPetya ransomware, at ang mga crypto-mining na pag-atake ng Adylkuzz, nang hindi nangangailangan ng kahit isang update ng produkto.