Sem a ajuda de inteligência artificial (IA) e aprendizado de máquina (ML), menos organizações são capazes de proteger seus backups no caso de uma emergência de dados – por exemplo, um ataque cibernético e um desastre natural que desliga um Data Center.
A IA e ML já são tecnologias indispensáveis. Permitem avaliar os dados do histórico de backup, derivar modelos para backup e recuperação mais eficientes e, assim, ajudar as organizações a fazer melhores previsões de eventos de segurança de dados, de falhas de hardware e desastres naturais até um ataque cibernético de backup bem-sucedido. Em caso de emergência, a IA e o ML também contribuem para a restauração mais rápida e eficiente da infraestrutura de trabalho e dos dados para que voltem ao normal.
A Commvault descreve cinco maneiras pelas quais as equipes de TI podem se beneficiar da IA quando se trata de seus backups.
1 - Programação de tarefas rotineiras automatizada. O planejamento de backup tradicional depende de regras e agendamentos estáticos, o que geralmente resulta em configurações complexas e ineficiências, como tempos de execução medíocres, tempos limite excessivos e uma janela de backup atrasada.
Usando o ML baseado em séries temporais para prever os tempos de execução do trabalho, as plataformas de gerenciamento de dados alimentadas por IA e ML melhoram constantemente o cronograma de trabalhos por meio do sequenciamento ideal. As plataformas de proteção de dados ciberresilientes calculam os melhores RPOs (Recovery Point Objectives, objetivos de ponto de recuperação) possíveis para proteção de dados e priorizam cargas de trabalho de recuperação com base nos objetivos de disponibilidade. Ao mesmo tempo, a IA minimiza as janelas de tempo necessárias para o backup de dados. Se desejar, tudo isso pode ser feito de forma totalmente autônoma, sem que os gerentes de TI precisem intervir manualmente.
2 - Gestão e supervisão racionalizadas. A IA coleta continuamente dados de desempenho de várias operações de backup para analisar detalhadamente a integridade de milhares de trabalhos diariamente. Identifica anomalias que se desviam do processo normal de segurança e pode classificá-las de acordo com seu tipo, frequência e gravidade. Alguns erros podem ser temporários e rotineiros e resolvidos sem intervenção humana imediata. No entanto, outros eventos requerem a atenção da equipe de TI. Sem filtrar esses erros críticos, eles geralmente permanecem ocultos por mais tempo do que o desejado. Para eventos que requerem intervenção humana, a equipe de TI recebe os alarmes filtrados relevantes para que possam agir rapidamente.
3 - Classificação dos dados e análise de risco. A IA e o ML também ajudam a definir e classificar informações e determinar quais dados precisam ser restaurados como prioridade no caso de um desastre. Os modelos de classificação são treinados usando dados da própria empresa e identificam os tipos de documentos que são particularmente relevantes em uma área de negócio devido à frequência de acesso, por exemplo. Para acelerar esse aprendizado, as equipes de TI também podem fornecer à IA dados especialmente representativos como exemplo para que possam derivar modelos relevantes a partir deles. O aprendizado profundo e a análise de texto classificam de forma confiável até mesmo os dados mais complexos e não estruturados.
Informações pessoais confidenciais também podem ser pesquisadas usando termos-chave e categorizadas em diferentes níveis de segurança. Isso leva à análise de risco, que determina o nível de ameaça das informações com base no contexto e nos metadados.
4 - Detecção de ataques. O backup simplesmente não funciona sem cibersegurança. Os atores profissionais de ransomware não visam apenas dados produtivos, mas também arquivos de backup. Portanto, a IA deve ser capaz de interpretar anomalias nos dados como indicadores de um ataque. Por exemplo, analisar a entropia de um arquivo. Em caso de emergência, é importante detectar essas anomalias imediatamente no momento da criptografia. Isso não é possível para um observador humano, dado o número de eventos em um conjunto de dados, mas a IA pode fazer isso sem esforço.
5 - Recuperação de dados e infraestrutura. Finalmente, com IA e ML, as equipes de TI podem definir objetivos de tempo de recuperação (RTOs) e RPOs ideais com perda mínima de informações e nova disponibilidade rápida, e ser alertadas quando SLAs predefinidos sobre disponibilidade de dados podem não ser mais atendidos. A IA também ajuda a definir as etapas de recuperação necessárias antes de um desastre.
O que antes era um sonho distante agora é uma realidade: as organizações podem fazer mais do que nunca com IA e ML. Essas tecnologias são divisores de águas quando se trata de backup: protegem contra ataques cibernéticos, ajudam a automatizar tarefas rotineiras, melhoram a eficiência dos sistemas e, por fim, reduzem a dívida técnica de uma empresa.
