Introduzione
In Libraesva adottiamo un approccio decentralizzato all'AI, integrando la sicurezza dei dati nell'architettura del nostro sistema fin dall'inizio. Questo garantisce che la nostra resilienza aziendale sia rafforzata dall'indipendenza da fornitori di servizi AI di terze parti.
Progettiamo e sviluppiamo internamente i nostri sistemi di AI, il che ci garantisce il pieno controllo della nostra tecnologia e previene la dipendenza da servizi cloud esterni o fornitori terzi. I nostri modelli di AI operano direttamente sul dispositivo, eliminando qualsiasi rischio di esfiltrazione dei dati.
Sviluppando soluzioni di AI ottimizzate e specializzate specificamente per architetture distribuite, riusciamo a mantenere la massima sicurezza, flessibilità e resilienza nei nostri sistemi.
Implementazione tecnica
Il nostro Libraesva AI Engine, integrato nelle nostre soluzioni di Email Security, sfrutta un modello multilingue basato su tensori che si basa sulla tecnologia AI generativa di base. Progettato specificamente per attività di classificazione, fornisce un'intelligenza su misura per architetture distribuite, garantendo elevata accuratezza e prestazioni.
Il Libraesva AI Engine è ottimizzato per elaborare in modo efficiente la semantica dei messaggi email, senza richiedere hardware specializzato per l'implementazione. Sebbene l'addestramento richieda hardware specifico, il nostro motore può essere distribuito su hardware standard, garantendo flessibilità e accessibilità nel rilevamento delle minacce in tempo reale.
Distribuendo il Libraesva AI Engine direttamente sulla nostra appliance di Email Security, garantiamo che nessun dato del cliente venga esfiltrato ed eliminiamo la dipendenza da fornitori terzi. Questo assicura la massima sicurezza, controllo e resilienza per le esigenze di sicurezza email dei nostri clienti.
Vantaggi del nostro approccio
Nessuna dipendenza da terze parti: garantisce la completa indipendenza da fornitori esterni Garanzia di completa privacy dei dati: previene l'esposizione dei dati evitando dipendenze da terze parti Elevata resilienza contro l'instabilità geopolitica: mantiene la stabilità del sistema nonostante le tensioni internazionali e i conflitti commerciali Indipendenza dalle catene di approvvigionamento globali: riduce il rischio non affidandosi a componenti approvvigionati a livello internazionale Prestazioni prevedibili nel tempo: evita potenziali incoerenze associate ai servizi AI cloud Uso esclusivo di modelli distribuiti e specializzati: impiega modelli di AI ottimizzati esclusivamente per l'attività specificaPrivacy e conformità
Il nostro modello Libraesva è progettato specificamente per evitare di utilizzare i dati dei clienti nel processo di addestramento, garantendo che nessuna informazione sensibile venga mai utilizzata. Grazie alla sua architettura dedicata esclusivamente alla classificazione, il modello non può accedere o trasferire inavvertitamente i dati di addestramento, fornendo un ulteriore livello di sicurezza e conformità.
Il modello viene addestrato nei nostri laboratori con sede nell'UE utilizzando un dataset curato di email dannose reali, sotto la stretta supervisione dei nostri analisti esperti. Questo rigoroso processo di controllo qualità garantisce che vengano sempre utilizzati dati di alta qualità e un'etichettatura accurata per sviluppare modelli di AI efficienti.
Libraesva agisce tempestivamente per mantenere le proprie appliance sicure e aggiornate. Distribuiamo gli aggiornamenti a tutte le appliance in tutto il mondo entro cinque minuti dalla loro pubblicazione, garantendo che la sicurezza email dei nostri clienti sia sempre protetta contro le minacce più recenti.
Oltre a rilasci frequenti, monitoriamo anche continuamente gli schemi di minacce emergenti e aggiorniamo il nostro modello secondo necessità. In genere, una nuova versione viene rilasciata una volta alla settimana o anche due volte al giorno, permettendoci di restare al passo con l'evoluzione delle attività dannose.
Analisi semantica
Il nostro modello è in grado di cogliere non solo il significato letterale dei messaggi ma anche la loro intenzione sottostante, tenendo conto di fattori come sfumature linguistiche, errori di ortografia e persino la lingua utilizzata. Questa comprensione avanzata gli consente di astrarre il significato dal testo, permettendogli di riconoscere schemi e rilevare tipologie simili di attacchi in oltre 100 lingue supportate.Modelli centralizzati di grandi dimensioni rispetto a modelli distribuiti di piccole dimensioni
I modelli di piccole dimensioni eccellono in efficienza e accuratezza all'interno dei loro contesti specializzati rispetto a quelli più grandi. Tuttavia, richiedono un'ottimizzazione attenta e competenze specifiche per massimizzare le loro capacità con risorse minime. Il Libraesva Adaptive Trust Engine elabora i messaggi email estraendo solo le informazioni rilevanti per l'analisi. Questi dati vengono poi inseriti in una rete neurale, che restituisce una classificazione (ad esempio, phishing, business email compromise, transazionale, newsletter, ecc.) insieme a un livello di confidenza (che va dallo 0% al 100%).Questa analisi semantica è integrata con altre fonti di intelligence, tra cui:
- Modelli locali di machine learning.
- Controlli di reputazione.
- Verifica dell'autenticazione.
- Valutazioni basate su regole.
- Ispezione degli allegati.
- Analisi degli URL.
Il risultato è una soluzione di sicurezza olistica ed efficiente che combina comprensione semantica e rilevamento robusto delle minacce.
Il nuovo modello di AI non richiede alcuna configurazione, rendendo il suo contributo facilmente osservabile attraverso due canali principali:
- Caratteristiche del messaggio estratte e visualizzate come "indicatori del messaggio" nell'interfaccia utente (UI) di ESG.
- Un report tecnico dettagliato che accompagna ogni messaggio analizzato, fornendo ulteriori approfondimenti sulle prestazioni del modello.
Finalità e proporzionalità
L'obiettivo principale dell'analisi semantica è affinare l'accuratezza della classificazione del contenuto dei messaggi.
L'utilizzo di un modello di AI per questo scopo è pienamente giustificabile e privo di rischi, poiché sfrutta tecnologie all'avanguardia per rilevare e classificare i messaggi con la massima affidabilità.
Protezione dei dati
La nostra appliance di Email Security garantisce che i dati dei clienti rimangano isolati e sicuri, poiché elabora e analizza i messaggi interamente on-premise senza trasmettere alcuna informazione sensibile al di fuori dell'appliance.
Per mantenere il massimo livello di riservatezza, non utilizziamo i dati dei clienti per addestrare o aggiornare il nostro modello di AI. Questo approccio elimina qualsiasi rischio di esfiltrazione o sfruttamento dei dati.
La nostra organizzazione aderisce a un rigoroso framework di governance dell'AI, che comprende la gestione del rischio e la conformità normativa. Il Libraesva AI Governance Committee supervisiona la distribuzione e l'utilizzo delle soluzioni di AI all'interno dell'azienda.
Nonostante il nostro utilizzo della tecnologia AI generativa, i nostri modelli sono progettati come classificatori e non come estrattori. Questo approccio distintivo garantisce che le informazioni sensibili restino inaccessibili al modello, prevenendo così potenziali violazioni dei dati o divulgazioni non autorizzate.
Adottando questa metodologia strutturata, restiamo in linea con gli standard normativi internazionali sull'AI, inclusi quelli stabiliti dall'Artificial Intelligence Act dell'UE.
La soluzione di AI della nostra organizzazione è classificata come 'AI a rischio minimo' ai sensi dell'Artificial Intelligence Act dell'UE, il che significa che non rientra nell'ambito dei requisiti e delle normative specifiche previste dall'Act.
Pertanto, il nostro approccio all'AI non comporta alcun obbligo vincolante o requisito di segnalazione definito dall'EU AI Act.