Aller au contenu

Moteur d'IA

L'AI Engine génère des résumés de scans et fournit des recommandations personnalisées avec les changements exacts pour les vulnérabilités identifiées.

Recommandation de vulnérabilité

L'AI Engine peut examiner les vulnérabilités découvertes dans une application, comprendre leurs types, leurs degrés de sévérité, et leurs effets potentiels sur la sécurité de l'application, pour ensuite offrir des suggestions utiles sur la façon de les traiter.

Résumé du scan

L'AI Engine peut également générer un résumé de scan concis et informatif. Ce résumé fournit un aperçu des vulnérabilités trouvées, soulignant leur criticité et offrant une compréhension de haut niveau de la posture de sécurité de l'application.

Les résumés peuvent être personnalisés en ajoutant davantage de contexte pour que l'AI Engine mette à jour sa recommandation.

Pour activer le AI Pentest Engine :

  • Accédez au menu "Settings", cliquez sur "Organisation".
  • Faites défiler jusqu'à "Features", cliquez sur "Enable AI Engine", puis appuyez sur "Save".

FAQ

Ci-dessous se trouvent les réponses aux questions courantes concernant l'utilisation des fonctionnalités d'IA au sein d'Ostorlab :

  1. What is the primary function of AI in Ostorlab? L'IA est employée pour diverses fonctions, y compris la détection des vulnérabilités, l'amélioration des processus d'exploration des applications et la génération de recommandations pertinentes.

  2. Does Ostorlab use AI to improve over time? Oui, Ostorlab améliore continuellement ses capacités en s'appuyant sur les retours concernant les avantages et la précision de fonctionnalités spécifiques, comme la réduction des faux positifs et l'amélioration de la couverture des applications.

  3. Is user data utilized in training Ostorlab's AI models? Non, les données des utilisateurs, issues des plans gratuits ou payants, ne sont jamais utilisées pour entraîner les modèles d'IA, garantissant ainsi une confidentialité et une sécurité complètes.

  4. Does Ostorlab share AI model insights or data with third parties? Non, Ostorlab ne partage en aucune forme de données ou de retours sur les modèles d'IA avec des tiers.

  5. How accurate are the AI-driven analyses compared to manual assessments? La précision des modèles d'IA varie selon les cas d'usage. Dans les scénarios en production, il a été vérifié que les systèmes basés sur l'IA surpassent l'analyse humaine en termes de performance.

  6. How frequently are the AI models updated or reviewed? Les modèles d'IA et leurs intégrations sont régulièrement mis à jour, avec des améliorations continues visant à accroître leur efficacité.

  7. Are there any known limitations or challenges with using AI in Ostorlab? Bien que certains modèles aient des limites basées sur des cas d'usage spécifiques, des améliorations continues sont apportées. Par exemple, les défis initiaux de support multilingue lors de l'exploration des applications mobiles ont désormais été résolus.

  8. Can AI recommendations be overridden or manually adjusted? Actuellement, Ostorlab ne fournit pas d'options directes pour modifier les résultats générés par l'IA, bien qu'il propose des moyens d'améliorer encore davantage ces systèmes.

  9. How does Ostorlab approach ethical considerations in AI deployment? Les considérations éthiques, y compris la confidentialité et la sécurité, sont évaluées lors de la phase de conception des fonctionnalités d'IA pour assurer un déploiement responsable.

  10. What steps does Ostorlab take to comply with data protection regulations (like GDPR)? Ostorlab intègre la conformité à la confidentialité dans son processus de conception de fonctionnalités et révise ses pratiques lors d'audits SOC2. L'équipe est également formée au respect des principes axés sur la confidentialité.

  11. How transparent is the AI's decision-making process to end-users? Ostorlab vise à assurer la transparence des processus pilotés par l'IA en distinguant clairement les fonctionnalités alimentées par l'IA au sein de la plateforme. Les utilisateurs sont informés du rôle de l'IA dans la génération de résultats spécifiques lorsque cela s'applique. De plus, des efforts continus sont déployés pour fournir davantage de détails sur le processus de prise de décision lors d'analyses complexes, permettant aux utilisateurs de mieux comprendre comment les conclusions sont atteintes. Cette transparence aide les utilisateurs à faire confiance et à interagir efficacement avec les fonctionnalités améliorées par l'IA.