Saltar a contenido

AI Engine

El AI Engine genera resúmenes de escaneos y proporciona recomendaciones adaptadas con los cambios exactos para las vulnerabilidades identificadas.

Recomendación de vulnerabilidad

El AI Engine puede examinar las vulnerabilidades descubiertas en una aplicación, comprender sus tipos, grados de severidad y los efectos potenciales sobre la seguridad de la aplicación, para luego ofrecer sugerencias útiles sobre cómo abordarlos.

Resumen de escaneo

El AI Engine también puede generar un resumen del escaneo conciso e informativo. Este resumen proporciona una descripción general de las vulnerabilidades encontradas, destacando su criticidad y proporcionando una comprensión de alto nivel de la postura de seguridad de la aplicación.

Los resúmenes se pueden personalizar agregando más contexto para que el AI Engine actualice su recomendación.

Para habilitar el motor de IA:

  • Navegue hasta el menú "Settings", haga clic en "Organisation".
  • Desplácese hacia abajo hasta "Features", haga clic en "Enable AI Engine", luego presione "Save".

FAQ

A continuación, encontrará respuestas a preguntas comunes sobre el uso de las funciones de IA dentro de Ostorlab:

  1. What is the primary function of AI in Ostorlab? La IA se emplea para varias funciones, incluida la detección de vulnerabilidades, la mejora de los procesos de rastreo de aplicaciones y la generación de recomendaciones perspicaces.

  2. Does Ostorlab use AI to improve over time? Sí, Ostorlab mejora continuamente sus capacidades aprovechando los comentarios sobre los beneficios y la precisión de funciones específicas, como la reducción de falsos positivos y la mejora de la cobertura de la aplicación.

  3. Is user data utilized in training Ostorlab's AI models? No, los datos de los usuarios de planes gratuitos y de pago nunca se utilizan para entrenar los modelos de IA, lo que garantiza una total privacidad y seguridad.

  4. Does Ostorlab share AI model insights or data with third parties? No, Ostorlab no comparte ningún dato ni información de modelos de IA con terceros de ninguna forma.

  5. How accurate are the AI-driven analyses compared to manual assessments? La precisión de los modelos de IA varía según el caso de uso. En escenarios habilitados para producción, se ha verificado que los sistemas impulsados ​​por IA superan el análisis humano en rendimiento.

  6. How frequently are the AI models updated or reviewed? Los modelos de IA y sus integraciones se actualizan de manera periódica, con mejoras continuas destinadas a aumentar su eficacia.

  7. Are there any known limitations or challenges with using AI in Ostorlab? Aunque ciertos modelos tienen limitaciones según casos de uso específicos, se realizan mejoras de forma constante. Por ejemplo, los desafíos iniciales de admitir múltiples idiomas durante el rastreo de aplicaciones móviles se han resuelto.

  8. Can AI recommendations be overridden or manually adjusted? Actualmente, Ostorlab no proporciona opciones directas para modificar los resultados impulsados ​​por IA, aunque ofrece formas de mejorar aún más estos sistemas.

  9. How does Ostorlab approach ethical considerations in AI deployment? Las consideraciones éticas, incluidas la privacidad y la seguridad, se evalúan durante la fase de diseño de las funciones de IA para garantizar una implementación responsable.

  10. What steps does Ostorlab take to comply with data protection regulations (like GDPR)? Ostorlab incorpora el cumplimiento de la privacidad como parte del proceso de diseño de funciones y revisa sus prácticas mediante auditorías SOC2. El equipo también recibe capacitación para respetar los principios en los que la privacidad es prioritaria.

  11. How transparent is the AI's decision-making process to end-users? Ostorlab tiene como objetivo garantizar la transparencia en los procesos impulsados por IA distinguiendo claramente las características que operan con IA dentro de la plataforma. Se informa a los usuarios sobre el papel de la IA en la generación de resultados específicos cuando corresponde. Además, se realizan esfuerzos continuos para proporcionar información adicional sobre el proceso de toma de decisiones en análisis complejos, lo que permite a los usuarios comprender mejor cómo se alcanzan las conclusiones. Esta transparencia ayuda a los usuarios a confiar e interactuar de manera efectiva con las funcionalidades mejoradas por IA.