{"id":26435,"date":"2024-04-10T10:31:34","date_gmt":"2024-04-10T08:31:34","guid":{"rendered":"https:\/\/www.sysbus.eu\/?p=26435"},"modified":"2024-04-03T10:38:06","modified_gmt":"2024-04-03T08:38:06","slug":"cyberresiliente-datensicherheit-und-datensicherung-durch-ki","status":"publish","type":"post","link":"https:\/\/www.sysbus.eu\/?p=26435","title":{"rendered":"Cyberresiliente Datensicherheit und Datensicherung durch KI"},"content":{"rendered":"\n

Autor\/Redakteur: Uli Simon, Director Sales Engineering bei Commvault<\/a>\/gg<\/p>\n\n\n\n

Um insbesondere in hybriden Umgebungen eine cyberresiliente Datenverf\u00fcgbarkeit sicherzustellen, ben\u00f6tigen IT-Verantwortliche moderne Technologien. Bereits jetzt unterst\u00fctzen K\u00fcnstliche Intelligenz und Machine Learning ma\u00dfgeblich dabei, Backup- und Recovery-Prozesse mittels der Auswertung historischer Daten zu optimieren sowie zuk\u00fcnftige Datensicherheitsereignisse besser vorherzusehen und zu bew\u00e4ltigen.<\/p>\n\n\n\n

\"\"
Durch Auswertung gro\u00dfer Mengen an Informationen zu den Daten-Assets eines Unternehmens f\u00fchrt KI Risikoanalysen durch und klassifiziert Daten hinsichtlich ihrer Sensibilit\u00e4t und Relevanz im Desaster-Recovery-Fall. (Quelle: Commvault)<\/figcaption><\/figure>\n\n\n\n\n\n\n\n

So bieten KI- und ML-unterst\u00fctzte Datensicherungsplattformen IT-Verantwortlichen in zentralen Bereichen deutliche Vorteile. Hierzu geh\u00f6ren:<\/p>\n\n\n\n

    \n
  • Instandhalten der IT-Hardware: <\/strong>Durch die Analyse historischer Daten zur IT-Hardware k\u00f6nnen Vorhersagen getroffen werden, welche Medien aufgrund ihrer Nutzung anf\u00e4lliger f\u00fcr Ausf\u00e4lle sind. Dadurch k\u00f6nnen IT-Teams diese Komponenten im Vorfeld g\u00fcnstig einkaufen und im Ernstfall sofort austauschen.<\/li>\n\n\n\n
  • Speicherplatzbedarf optimieren:<\/strong> Mittels historischer Daten berechnet KI die ben\u00f6tigten Rechenressourcen, um festgelegte Service Level Agreements (SLAs) f\u00fcr die Verf\u00fcgbarkeit von Daten zu erf\u00fcllen.  Die Plattform gibt Empfehlungen, um Kapazit\u00e4ten je nach Bedarf zu skalieren. Zudem kann sie automatisch Speicherplatz und Hardwarekapazit\u00e4ten zuweisen sowie die Auswahl von Rechenressourcen individuell f\u00fcr verschiedene Unternehmensstandorte in einer geographisch verteilten Umgebung optimieren.<\/li>\n\n\n\n
  • Planen automatisierter Routine-Aufgaben: <\/strong>Datenmanagement-Plattformen unterst\u00fctzen IT-Verantwortliche zudem beim Optimieren des Backup-Jobkalenders, indem durch zeitserienbasiertes Machine Learning eine Vorhersage zu den jeweiligen Joblaufzeiten getroffen wird. F\u00fcr ein cyberresilientes Backup kalkuliert das System die optimalen Recovery Point Objectives (RPO) und priorisiert Recovery Workloads hinsichtlich der Verf\u00fcgbarkeitsvorgaben.<\/li>\n\n\n\n
  • Management und Monitoring:<\/strong> Durch eine granulare Status-Analyse tausender Jobs t\u00e4glich kann K\u00fcnstliche Intelligenz Anomalien \u2013 wie etwa ungew\u00f6hnlich lange Joblaufzeiten \u2013 erkennen und diese Vorf\u00e4lle gefiltert an das IT-Team melden, wenn bei einem kritischen Fehler das Eingreifen durch einen Menschen notwendig ist.<\/li>\n\n\n\n
  • Datenklassifikation und Risikoanalyse:<\/strong> KI und ML ermitteln die Daten, die im Desaster-Fall mit Priorit\u00e4t wiederherzustellen sind. Anhand von Unternehmensdaten werden die entsprechenden Klassifikationsmodelle trainiert. Besonders relevante Dokument-Arten, auf die zum Beispiel ein bestimmter Gesch\u00e4ftsbereich h\u00e4ufig zugreift, werden identifiziert.<\/li>\n\n\n\n
  • Recovery im Fall eines Angriffs: <\/strong>Mittels KI lassen sich Angriffe erkennen und im Ernstfall direkt Gegenma\u00dfnahmen einleiten. Anomalien wie beispielsweise eine ver\u00e4nderte Entropie weisen auf die Verschl\u00fcsselung eines Backups hin. Eine KI-gest\u00fctzte Datensicherungsplattform kann als Reaktion einen Failover-Betrieb starten oder im Recovery-Prozess dank kontinuierlicher Backups die letzte saubere Sicherheitskopie der betroffenen Daten wiederherstellen. Zudem erm\u00f6glicht der Einsatz von KI und ML die Definition bestm\u00f6glicher Recovery Time Objectives sowie Recovery Point Objectives, um den Informationsverlust zu minimieren und eine schnelle Wiederverf\u00fcgbarkeit sicherzustellen.<\/li>\n<\/ul>\n\n\n\n

    Unternehmenskritische Daten resilient absichern und verf\u00fcgbar halten<\/strong><\/p>\n\n\n\n

    Der Einsatz von KI und ML erm\u00f6glicht eine st\u00e4rkere Cyberresilienz in Bezug auf Datensicherheit sowie der Backup- und Recovery-Prozesse. Die Investition in mehr Speicher- und Rechenressourcen k\u00f6nnen dabei durch die Einsparungen bei der Infrastruktur ausgeglichen werden. Denn Unternehmen, die eine Plattform oder Dienste eines Cloud-Providers in Anspruch nehmen, profitieren nicht nur von den geb\u00fcndelten KI-Erkenntnissen auf Basis der gesammelten Informationen anderer Cloud-Service-Provider-Kunden. Der Einsatz von Data-Protection-as-a-Service reduziert auch die Kosten der Backup-Recovery-Infrastruktur. Gelder, die in den optimierten Schutz unternehmenskritischer Daten und einer robusten Datenverf\u00fcgbarkeit gut reinvestiert sind.<\/p>\n","protected":false},"excerpt":{"rendered":"

    Um insbesondere in hybriden Umgebungen eine cyberresiliente Datenverf\u00fcgbarkeit sicherzustellen, ben\u00f6tigen IT-Verantwortliche moderne Technologien. Bereits jetzt unterst\u00fctzen K\u00fcnstliche Intelligenz und Machine Learning ma\u00dfgeblich dabei, Backup- und Recovery-Prozesse mittels der Auswertung historischer Daten zu optimieren sowie zuk\u00fcnftige Datensicherheitsereignisse besser vorherzusehen und zu bew\u00e4ltigen.<\/p>\n","protected":false},"author":81,"featured_media":26437,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[8,10036],"tags":[6263,5722,10986,1464,61],"class_list":["post-26435","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artikel","category-kuenstliche-intelligenz","tag-backup","tag-commvault","tag-ml","tag-recovery","tag-speicher"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/26435","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/users\/81"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=26435"}],"version-history":[{"count":1,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/26435\/revisions"}],"predecessor-version":[{"id":26438,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/26435\/revisions\/26438"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/media\/26437"}],"wp:attachment":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=26435"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=26435"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=26435"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}