2025.3 中的新增功能:通过机器学习减少误报
长期以来,误报一直是行为恶意软件检测中的一个挑战。监控计算机上的进程是否存在恶意意图有时会导致将合法软件(如软件更新或未签名的应用程序)误认为恶意软件,从而导致不必要的警报和中断。
为了解决这个问题,Emsisoft 已将机器学习模型集成到我们的行为拦截器 (BB) 中,以显着减少误报,同时保持 0% 的假阴性率。这可确保在不影响安全性的情况下减少误报。 与传统的基于签名的检测不同,行为恶意软件检测可以实时监控系统活动,根据威胁的行为方式而不是外观来识别威胁。这种方法在捕获新的和不断发展的恶意软件方面非常有效,但也带来了挑战。某些合法软件,尤其是那些在安装或更新期间修改系统文件的软件,可能会对行为阻止程序产生怀疑。为了避免错过真正的威胁,安全软件通常会谨慎行事,将这些程序标记为潜在风险。 随着时间的推移,我们引入了多层来不断提高行为拦截器的有效性。现在,随着机器学习的加入,我们将误报减少提升到一个新的水平。 通过此增强功能,Emsisoft 用户将体验到: - 软件更新的误报更少 – 修改文件的程序(如游戏启动器和驱动程序)不太可能被错误标记。
- 更精确的恶意软件检测 – AI 驱动的分析增强了良性和恶意行为之间的区别。
- 高效的性能 – 该模型针对最低的资源使用进行了优化,确保在不降低系统速度的情况下提供保护。
这个机器学习模型充当我们行为阻止器中的智能过滤器,补充现有的误报减少层。通过将 AI 驱动的洞察力与 Emsisoft 经过验证的安全技术相结合,我们正在提供更智能、更精确的恶意软件防护。 设备保护(桌面)管理控制台 (Web 应用程序)2025.3 中的新增功能:通过机器学习减少误报
|