VentureBeat ارائه می دهد: AI Unleashed – یک رویداد اجرایی انحصاری برای رهبران داده های سازمانی. شبکه و یادگیری با همتایان صنعت. بیشتر بدانید
VentureBeat اخیراً (به طور مجازی) با Assaf Keren، CISO و معاون امنیت سایبری سازمانی در پی پال. کار کرن در پی پال هشت سال طول می کشد و شامل تجربه گسترده ای در ساخت محصولات امنیتی، مدیریت زیرساخت های امنیتی و ایجاد و پیشروی خدمات امنیتی است.
قبل از پی پال، کرن دو استارت آپ امنیت سایبری را تأسیس کرد، به عنوان رئیس مدیریت محصولات امنیتی در Verint خدمت کرد و CISO برای بخش دولت الکترونیک اسرائیل (وزارت دارایی) بود.
استراتژی امنیت سایبری مبتنی بر هوش مصنوعی پی پال نتیجه می دهد
برای آخرین سه ماهه آنها (سه ماهه دوم مالی ۲۰۲۳)، پی پال درآمد ۷٫۳ میلیارد دلاری را گزارش کرد که ۷ درصد نسبت به سال قبل یا ۸ درصد بر اساس ارز خارجی خنثی (FXN) افزایش داشت. سودهای پایدار در رشد معاملات ۵ درصدی و افزایش ۳۷ درصدی در درآمد خدمات با ارزش افزوده به یک سه ماهه قوی کمک کردند. پی پال سال تقویمی ۲۰۲۲ را با ۲۷٫۵ میلیارد دلار درآمد به پایان رساند و نرخ درآمد ۱۲ ماهه (TTM) 28.5 میلیارد دلاری دارد.
حجم کل پرداخت پی پال ۱۱ درصد رشد کرد، با حمایت ۱۰ درصدی رشد تراکنش، در حالی که کنترل شدید هزینه باعث کاهش ۱۱ درصدی هزینه های غیرمعامله شد. علی‌رغم تأثیر ۱٫۲ میلیارد دلاری وام‌های منشأ برای فروش معلق BNPL، PayPal جریان نقدی آزاد قوی ایجاد کرد و ۱٫۵ میلیارد دلار را به سهامداران بازگرداند. به طور کلی، پی پال رشد مناسبی از حجم و تعامل کاربر، بهبود قابل توجه سودآوری و پیشرفت در ابتکارات استراتژیک را نشان داد.
به دلیل عمق تخصص خود در استفاده از هوش مصنوعی، یادگیری ماشینی (ML) و سرعت آموزش و استقرار مدل‌های یادگیری عمیق برای تقویت امنیت سایبری و کاهش تقلب شناخته شده‌اند. پی پال کاهش ۱۱ درصدی زیان در سه ماهه اخیر در میان حجم رو به رشد نشان می دهد که هوش مصنوعی ارزشی را در مقیاس ارائه می دهد. دستیابی به کاهش دو رقمی زیان از طریق بهبود مدیریت ریسک نشان می‌دهد که سیستم‌های دفاعی امنیت سایبری مبتنی بر هوش مصنوعی، مدل‌های تشخیص تقلب و مدیریت ریسک مبتنی بر هوش مصنوعی باعث کاهش ضرر تراکنش‌ها می‌شوند.
متن زیر گزیده ای از مصاحبه VentureBeat با کرن است.
VB: هوش مصنوعی مولد چگونه می تواند امنیت را بدون تأثیر منفی بر تجربه مشتری تقویت کند؟
کارن: در حالی که نسل هوش مصنوعی ممکن است توسط مهاجمان برای مقاصد مخرب مانند تولید هویت‌های جعلی یا ایجاد انواع بدافزارهایی که از اقدامات امنیتی سنتی فرار می‌کنند استفاده شود، همچنین به سازمان‌های پیشرو امنیتی مانند PayPal برای کشف مکانیسم‌های دفاعی مبتنی بر هوش مصنوعی، مانند شناسایی خودکار تهدیدات نسل بعدی، قدرت می‌دهد. سیستم ها و قابلیت های پاسخگویی ما همیشه امنیت را در مرکز کاری که انجام می‌دهیم قرار داده‌ایم و با طراحی محصولاتی را با در نظر گرفتن امنیت می‌سازیم. با ژنرال هوش مصنوعی، فرصت‌هایی برای تقویت قابلیت‌هایمان، حذف اصطکاک و افزایش ارزش مشتری وجود خواهد داشت.
VB: خطرات مرتبط با استفاده از هوش مصنوعی ژنرال چیست و چگونه می توان آن را برای پلتفرم هایی که حجم زیادی از داده های خصوصی را مدیریت می کنند کاهش داد؟
کارن: ژنرال هوش مصنوعیمانند هر فناوری جدید، باید به دقت ارزیابی و با ایمنی و مسئولیت به عنوان اولویت های اصلی مورد استفاده قرار گیرد. عوامل مهمی مانند کیفیت داده ها، مالکیت معنوی، امنیت، حریم خصوصی و انطباق ملاحظات کلیدی هستند. برای کاهش خطرات، برای رهبران فناوری مهم است که قبل از استقرار ژن AI برای محافظت از مشتریان و حفظ اعتماد آنها، این ابعاد را با دقت بررسی کنند. تغییر روش‌هایی که در مورد تست و امنیت تهاجمی فکر می‌کنیم تا شامل الگوهای حمله مانند تزریق سریع، بررسی سوگیری و شناسایی مکان‌هایی که مدل‌ها توهم دارند، به هوش مصنوعی ژنرال اجازه می‌دهد تا به روشی سودمند برای مشتریان مستقر شود.
VB: آیا هوش مصنوعی ژنرال می تواند به کشف تقلب کمک کند؟ اگر چنین است، چگونه می توانید صحت آن را تأیید کنید؟
کارن: بله، و به تعبیری، همین الان هم هست. پی پال اولین پذیرنده هوش مصنوعی بوده است و ما بیش از یک دهه است که توانایی ها و تخصص های هوش مصنوعی خود را ایجاد کرده ایم. ما سال‌هاست که از یادگیری عمیق مبتنی بر ترانسفورماتور استفاده می‌کنیم که فناوری کلیدی پشت آن است مدل های زبان بزرگ (LLM) مانند ChatGPT. امروزه، ما از هوش مصنوعی و ML در دامنه های گسترده ای در تجارت خود استفاده می کنیم، از جمله کاهش تقلب، حفاظت از مشتری، خدمات شخصی، مدیریت ریسک و توانمندسازی تجارت جهانی.
VB: آیا می توانید نتایجی را که PayPal با استفاده از هوش مصنوعی برای تشخیص تقلب به دست می آورد به اشتراک بگذارید؟
کارن: این منجر به تأثیر فوق‌العاده‌ای شد: از سال ۲۰۱۹ تا ۲۰۲۲، در زمانی که حجم پرداخت‌های سالانه ما تقریباً دو برابر شد از ۷۱۲ میلیارد دلار به ۱٫۳۶ تریلیون دلار، نرخ ضرر خود را تقریباً به نصف کاهش دادیم که بخشی از آن به لطف پیشرفت‌هایمان در الگوریتم‌های هوش مصنوعی و فناوری است. .
امروزه، با پیشرفت‌های خود در هوش مصنوعی، می‌توانیم به سرعت خود را با الگوهای کلاهبرداری در حال تغییر وفق دهیم تا از مشتریان خود محافظت کنیم. پی پال یادگیری عمیق مدل ها را می توان در عرض ۲ تا ۳ هفته آموزش داد و به تولید رساند و حتی برای الگوریتم های ساده تر، سریع تر. این به ما امکان می‌دهد مدل‌هایی را با جدیدترین داده‌های تولید آموزش دهیم، الگوهای جدید تقلب را در خود بگنجانیم و بازخوردهای نمایندگان داخلی و مشتریان PayPal را یکپارچه کنیم.
VB: تغییر سریع چشم انداز فناوری مالی چگونه بر اتخاذ استراتژی هوش مصنوعی ژنرال تأثیر می گذارد؟
کارن: به عنوان یک شرکت با نزدیک به ۴۳۰ میلیون حساب فعال و ۳۵ میلیون بازرگان در شبکه دو طرفه ما، پتانسیل فوق العاده ای را در قدرت هوش مصنوعی برای ایجاد نسل بعدی پرداخت و تجارت می بینیم. امروزه، PayPal بیش از ۲۰۰ پتابایت داده پرداخت را در خود جای داده است – داده‌هایی که کلید مزیت رقابتی ما است که دارای بینش و پتانسیل فوق‌العاده‌ای برای تقویت تجربیات تجاری بهتر برای مصرف‌کنندگان و بازرگانان است.
ما به طور فعال در حال ارزیابی هوش مصنوعی ژنرال و تأثیر بالقوه آن بر تجارت و چشم انداز رقابتی خود هستیم و به تیم های داخلی این امکان را می دهیم که در نظر بگیرند که در کجا هوش مصنوعی ژنرال می تواند کارایی را افزایش دهد، امنیت ما را افزایش دهد، تجربه مشتری را بهبود بخشد، از مشتریان ما محافظت کند و تجارت ما را توسعه دهد.
ماموریت VentureBeat این است که یک میدان شهر دیجیتال برای تصمیم گیرندگان فنی باشد تا دانشی در مورد فناوری سازمانی متحول کننده کسب کنند و معامله کنند. جلسات توجیهی ما را کشف کنید.
منبع: https://venturebeat.com/security/paypals-ciso-on-how-generative-ai-can-improve-cybersecurity/