国土安全部的AI旅程开始于信任它的数据

计算机推理可以使屏障和洞察网络解决更快、更快速书写选择国家和网络安全,然而组织首先需要信任他们的信息和他们的客户。

美国国土安全部的主要目标并没有改变,但有一个上升的要求的设备,可以帮助不可避免的测量信息。

“从知识的角度来看,任务一直踏实,我想踏实,传达我们的客户最好的数据访问,”大卫说,老板办公室的情报和分析数据官国土安全部。他说在6月27日Splunk人工智能和机器学习在华盛顿,华盛顿特区

国土安全部客户从审查员和管理员安排生产商延伸,有利于个人和法律要求警察,他们需要这些数据来解决最理想的选择,按底部。

“测试,我们有更多的信息比其他任何时间在最近的记忆中,“底说。

同时,国土安全部的欲望来自客户使用的大部分信息可访问,得到数据完美的个体,在正确的时间,正确的安全级别,所有正确的保护和普通自由规则中礼貌。

通过这种方式,测试的愿望,由底表示,国土安全部征服测试将使用设备。在任何情况下,与一个特定的最终目标,因此,国土安全部需要认为多样化,使程序和改变政府不管你如何看待它传达的能力。虽然任务的任务或者收益率并没有改变,国土安全部的方式将到达。

推动人工智能网络安全是什么?

从网络安全的角度来看,人工智能和机器学习可以帮助了解网络逐步应对危险。根据吉姆·特拉维斯网络态势感知和CyberNetOps解决方案部门主管国防信息系统局,中国目前在接受模式,现在和审查员再次将信息从月前发现他们没有足够的精力去应对危险。

“未来,希望我们会不断做出反应的能力,和我们不知道的东西都来了,因此从一个机器learning-man-made智力的观点,我将提供我们需要的地方,”特拉维斯表示,董事会与底部。

然而,人工智能和机器学习解决选择针对他们鼓励的信息,所以这就需要考虑选择标准,什么样的问题来解释,哪些信息可以教育这些选择。在这一点上,“你有机会发现框架,可以摄取的时间分配,会附着在一个可用的选择,”特拉维斯说,最后(特别是利用神经系统),“你怎么证明这是正确的选择吗?”

你信任你的数据吗?

开放的工人负责澄清为什么他们决定他们的选择一般人群和国会,尤其是数字框架赋予汽车组织反应采取行动(在部门范围内)。

“我们做出最好的选择,当我们这样做?“特拉维斯问道。

安排的一部分是要求行业安排,可以澄清基本的领导下,和增强政府目标的获取过程,当组织需要人工智能和机器学习安排,他们可以得到他们。

在任何情况下,底澄清另一种测试与人工智能和机器学习——信任。以何种方式cio能假设地球将反应的方式给办公室希望实现的结果,或者相关的潜在危险的安排是合理的,尽管所有的麻烦?

基本有两个边界到达说:正直人格管理和信息。

角色管理

国土安全部,底部的暗指客户的特点,调查和客户端。

区分客户,不管他们是否审查员或管理员,意味着确保它们适当地描述的框架来制造信任的因素。识别客户,无论它的声音承认要求一个政府,意味着了解客户的性格。这可能意味着声音设计或生物信息后,与保护。

尽管如此,发放字符计算,逻辑,一个代码或编程是国土安全部还没有结论。例如,在自动驾驶汽车,汽车的编程是一个人格。同时,根据产品或代码,这是利用机器学习,思维没有编程和在选择,人格应该描绘。

“此外,我们需要理解当代码决定选择,选择是开给客户,”说。

信息的完整性

应该有信息可信度和固体的性质的建议。基地使用的建议来表达人们值得信任地将流血的边缘在一个最终的选择,然而会有次,特别是在数字域,电算化会移动。因此,一个人将利用这一事实,建议解决的选择,应该有信任的信息。

例如,除了很难欺骗象征承认编程通过改变像素的照片,但这不会欺骗人。

“所以我们如何防范确保信息可信度得到预期的结果的诊断?”底问。也许是一个确定性的评估,选择降落在如何帮助。

底,这是两个基本的困难国土安全部正在射杀的部门,与洞察网络及其同伙横向政府。

容忍的风险

在任何情况下,现在,区分危险过于不可思议的可怕,从而无法暂停,机器学习和人工智能计算是适当的响应。

“紧急太棒的数量今天奇怪的场合,人们就说,“我们没有在这个没有把这个东西,”“特拉维斯说。同时,在数字域,只是有很多的信息过滤。

操作绝望会使担风险的能力,和特拉维斯信托,一起为立法机构在它们应该在的地方,组织应该是更多的风险容忍。另外,同样的私人部门的结果或惩罚来短的是现金,政府需要理解它的动力是什么。

因为最终,推动实现精明的安排是一个聚合。“(DISA)和国土安全,特别是在数字世界中,在现实中管理部分的潜在危险指数。。更重要的是,完全我们试图保持在工作层面上连接在一起的。。与我们合作,获得,以及这些安排预示着美国政府和个人。”

提供的http://todaykos.com/