Ons geavanceerde systeem op basis van kunstmatige intelligentie (AI) maakt gebruik van zelflerende systemen om automatisch gegevens te extraheren en te verzamelen uit ons hele gebruikersbestand en vervolgens elke beveiligingsmodule afzonderlijk te trainen. Wanneer er nieuwe malware opduikt, worden er binnen een paar seconden automatisch nieuwe modellen opgenomen in al onze producten. Zo blijft de essentiële bescherming gewaarborgd.

De zelflerende engine van Avast trainen

Geavanceerde dreigingspreventie berust tegenwoordig niet op één zelflerende engine die als bij toverslag alle cyberaanvallen een halt toe kan roepen. In plaats daarvan werken meerdere zelflerende engines samen om aanvallen af te slaan. De engines zijn actief op alle apparaten (zowel in de cloud als op pc's en smartphones), maken gebruik van statische en dynamische analysetechnieken en worden ingezet op tal van niveaus in onze verdedigingsengine.

Voor het evalueren van nieuwe en onbekende dreigingen hebben wij een unieke, geavanceerde pijplijn voor geautomatiseerd leren opgezet. Daarmee kunnen wij malwaredetectiemodellen binnen 12 uur trainen en implementeren. Daarnaast maken wij gebruik van geavanceerde technieken, zoals zelflerende convolutionele neurale netwerken (Deep CNN), om onze malwaredetectiemodellen te verbeteren. Nieuwe beveiligingsdreigingen kunnen plotseling de kop opsteken en nieuwe, onbekende vormen aannemen. In dat geval kunnen wij onze modellen snel actualiseren en ervoor zorgen dat onze gebruikers beschermd blijven.

Deze beveiligingstechnologieën van de volgende generatie en de gegevens uit ons reusachtige gebruikersbestand bezorgen ons een duidelijke voorsprong op hackers én concurrenten. Dankzij deze technologieën waren wij in staat beruchte dreigingen automatisch te detecteren en te blokkeren, zoals de ransomwareprogramma's WannaCry, BadRabbit en NotPetya en cryptomining-aanvallen met Adylkuzz. Daarvoor was niet één productupdate nodig.