Deep-Brand-Clustering zur fortschrittlichen Abwehr von Marken-Piraterie

Phishing ist nach wie vor eine große Bedrohung in der Cyberlandschaft, und die Zahl der Vorfälle mit gefälschten Marken nimmt deutlich zu. Um dem entgegenzuwirken, stellt Check Point Software Technologies nun „DeepBrand Clustering“ vor. Diese Technologie verhindert Marken-Spoofing. Diese Technologie verhindert Marken-Spoofing und baut auf dem bestehenden Brand-Spoofing-Prevention-System von Check Point auf. Die neue Funktion erweitert dessen Fähigkeiten, ausgeklügelte Angriffe von Markenimitatoren zu erkennen und zu verhindern.

Die in die „Check Point ThreatCloud AI“ integrierte Technologie zielt darauf ab, globale und lokale Brand-Spoofing-Angriffe mithilfe von KI, Natural-Language-Processing (NLP), Bildverarbeitung und Heuristiken zu erkennen und zu verhindern.

 

Echtzeit-Untersuchung von Websites in zwei Phasen

Phishing stellt nach wie vor eine große Bedrohung in der Cyberlandschaft dar, wobei betrügerische Praktiken eingesetzt werden, um an sensible Informationen von Einzelpersonen zu gelangen. Die Einfachheit, die Kosteneffizienz und die hohe Erfolgsquote von Phishing, insbesondere angesichts der zunehmenden digitalen Kommunikation, tragen zu seiner rasanten Verbreitung bei. Die wachsende Anzahl fingierter Seiten und Websites macht die Erkennung von Marken-Spoofing zu einer Herausforderung, die Verbraucher und Unternehmen Betrug und Cyber-Angriffen aussetzt. Es werden automatisierte, intelligente Systeme benötigt, die sich an das wachsende digitale Marken-Ökosystem anpassen und mit ihm skalieren können.

Deep-Brand-Clustering verwendet ein unüberwachtes Lernmodell, das die Abhängigkeit von arbeitsintensivem Data-Tagging reduziert. Durch die automatische Zuordnung von Webseitenmerkmalen zu bestimmten Marken spart dieser Ansatz Zeit und minimiert Fehler. Das neuronale Netzwerk, das auf Attributen von beobachteten Webseiten basiert, wird mit ungelabeltem Datenverkehr trainiert, um Marken anhand gemeinsamer Merkmale wie Domain, Favicon und Titel zu identifizieren. Die Lösung arbeitet in zwei Phasen: Lernen und Erkennen. In der Lernphase baut Deep-Brand Clustering ein neuronales Netz aus Daten auf, die aus Webseiten extrahiert wurden. Dieses Modell ordnet Webseiten in Cluster ein, die mit bestimmten Marken assoziiert sind. In der Unterscheidungsphase analysiert die Engine Webseiten in Echtzeit, um mögliche böswillige Versuche des Marken-Spoofings zu erkennen. Ist dies der Fall, bewertet die Engine, ob die Aktivität einen potenziellen bösartigen Marken-Spoofing-Versuch darstellt.

 

Fast 1.000 Fälle von Spoofing in 30 Tagen entdeckt

Deep-Brand-Clustering stellt einen bedeutenden Fortschritt beim Schutz vor Marken-Spoofing dar. Die Technologie kombiniert die Leistungsfähigkeit von Deep-Neural-Networks (DNNs) mit traditionellen Modellen des maschinellen Lernens (ML). Durch die Integration von fortschrittlichen Ansätzen aus den Bereichen künstliche Intelligenz und Cybersicherheit hat Deep-Brand-Clustering bereits innerhalb weniger Stunden über 4000 verschiedene Marken indiziert und in den letzten 30 Tagen 975 Fälle von Spoofing bei 101 lokalen Marken aufgedeckt.

Die neue Deep-Brand-Clustering-Engine hat bereits mehr als 210 Kunden in über 190 Ländern geschützt. Da sich die Landschaft der Spoofing-Angriffe auf Marken ständig weiterentwickelt, ist Deep-Brand-Clustering mit seinen verbesserten Erkennungsfunktionen ein Vorreiter in Sachen Cybersicherheit und identifiziert Bedrohungen oft, bevor sie in Datenbanken wie Virus-Total bekannt werden.

#CheckPoint