La technologie du moteur d’analyse comportementale s'appuie sur des algorithmes de machine learning pour analyser les comportements anormaux et assurer une protection contre les attaques DDoS au niveau de la couche applicative. Il utilise des données provenant de la plateforme d'Akamai et des analyses comportementales pour identifier les anomalies dans le trafic et adapter automatiquement les mesures de protection en fonction des risques identifiés.
Un moteur qui s’adapte grâce au ML
Grâce à l'intégration du machine learning, le système est à même d'ajuster sa réponse en temps réel, limitant ainsi la nécessité d'interventions manuelles et réduisant les faux positifs. Le moteur utilise des algorithmes d'analyse comportementale pour examiner le trafic réseau en temps réel. Il s'agit de surveiller les modèles et les flux de trafic vers les applications et les API afin d'identifier les anomalies qui pourraientindiquer une attaque DDoS.
L'intelligence artificielle, via le machine learning, permet au moteur de s'adapter en permanence aux nouveaux types de menaces. Grâce à l'apprentissage automatique, le moteur affine constamment sa compréhension des modèles de trafic normal et anormal. Il attribue des scores basés sur des analyses complexes des flux de données, ce qui lui permet d’ajuster automatiquement les niveaux de protection. Ce processus réduit la nécessité d’intervention humaine tout en limitant les faux positifs.
Cette mise à jour introduit également plusieurs autres améliorations, notamment des règles de sécurité personnalisables, une protection accrue contre les vulnérabilités CVE (Common Vulnerabilities and Exposures) et les attaques Zero Day. Akamai a également mis à jour son moteur de sécurité adaptatif pour améliorer la précision des détections, en particulier grâce à des modèles avancés d'apprentissage automatique et heuristique. Akamai dispose d'un vaste réseau de serveurs qui est réparti dans plus de 135 pays et comprend des milliers de points de présence (PoP) à travers le monde.
