Terug naar Nieuws
ProductAI Understanding-briefing

Bell en Cohere zetten een AI-model in voor cyberveiligheidsonderzoeken

Bell Canada en Cohere hebben een op maat gemaakt groottaalmodel geïmplementeerd dat is getraind op Bell Cyber-gegevens om te helpen bij het analyseren en samenvatten van complexe beveiligingsinformatie binnen een autonoom Security Operations Centre.

4 min readRead the linked source
Source-provided image accompanying Bell and Cohere deploy AI model for cybersecurity investigations
BronreferentieBron opgenomen
Uitgever
theglobeandmail.com
Bronlink
theglobeandmail.comhttps://www.theglobeandmail.com/business/article-bell-cohere-ai-model-cybersecurity-investigations/
Brontype
Gekoppelde bron: de status van de primaire bron is niet vastgesteld.
ContextBegrijp dit in 60 seconden

Begin hier

Sleuteltermen

Groot taalmodel (LLM)
Een taalmodel dat is getraind op enorme tekstcorpora om tekst te genereren en te analyseren.
Test jezelfAI-agentenquiz

Wat is er gebeurd

Bell Canada en Cohere hebben de inzet aangekondigd van een op maat gemaakt groottaalmodel dat is ontworpen om cyberveiligheidsonderzoeken te ondersteunen. Het model, gebouwd op de technologie van Cohere en getraind met behulp van bijna tien jaar aan gegevens van Bell Cyber, is geïntegreerd in Bell's autonome Security Operations Center (SOC). Het analyseert en vat complexe beveiligingsinformatie samen om context te bieden voor onderzoeken, waardoor menselijke analisten zich kunnen concentreren op het valideren van bedreigingen en het bepalen van de impact. Het systeem draait op Bell AI Fabric-datacenters in British Columbia en bewaart gevoelige gegevens binnen Canada.

Bell Canada en Cohere Inc. implementeren een nieuw kunstmatige-intelligentiemodel dat is ontworpen om te helpen bij cyberveiligheidsonderzoeken. Het op maat gemaakte grote taalmodel is gebouwd met de technologie van Cohere en getraind met behulp van gegevens en expertise van Bell Cyber, een eenheid die beveiligingsdiensten levert aan klanten variërend van kleine bedrijven tot grote entiteiten zoals de Canadian Imperial Bank of Commerce en de overheden van Canada en Ontario.

Bell besteedde zeven maanden aan het trainen van het model en voedde het met bijna tien jaar aan gegevens. Het systeem is ontworpen om complexe beveiligingsinformatie te analyseren en samen te vatten, waardoor de context wordt geboden die nodig is voor onderzoeken. Deze automatisering geeft analisten de tijd om zich te concentreren op taken op een hoger niveau, zoals het valideren van bedreigingen, het bepalen van de impact ervan en het reageren daarop.

Het model is geïntegreerd in Bell’s autonome Security Operations Center (SOC), dat gebruik maakt van AI en automatisering om cyberdreigingen te detecteren, te beoordelen en te beheersen. De implementatie maakt deel uit van een voortdurende samenwerking tussen Bell en Cohere, die eerder plannen aankondigden om AI-tools aan overheden en bedrijven te verkopen, inclusief toegang tot Cohere’s North-platform voor het bouwen van aangepaste AI-agenten.

Het nieuwe cybersecuritymodel draait op Bell AI Fabric-datacenters in British Columbia. Deze infrastructuurkeuze zorgt ervoor dat gevoelige beveiligingsinformatie binnen Canada blijft, een besluit dat Bell aanhaalt als reactie op de risico's die gepaard gaan met het vertrouwen op Amerikaanse technologie, zoals de recente richtlijn van de Amerikaanse overheid om de toegang tot bepaalde Anthropic-modellen voor buitenlanders op te schorten.

Brongegevens: theglobeandmail.com

Waarom het ertoe doet

Deze implementatie vertegenwoordigt een concrete stap in de richting van een soevereine AI-infrastructuur op het gebied van cyberbeveiliging, waarmee de zorgen over de afhankelijkheid van Amerikaanse cloudproviders en de mogelijkheid van plotselinge intrekking van toegang worden weggenomen. Door een op maat gemaakt model te gebruiken dat is getraind op specifieke defensieve gegevens, wil Bell de snelheid en context van de triage van bedreigingen verbeteren in een omgeving waarin AI-gestuurde aanvallen steeds vaker voorkomen. Het initiatief benadrukt de groeiende trend van het integreren van gespecialiseerde AI-modellen in bedrijfsbeveiligingsoperaties om het volume en de complexiteit van moderne cyberdreigingen het hoofd te bieden.

De implementatie komt tegemoet aan de groeiende bezorgdheid dat AI-aangedreven aanvallen een AI-aangedreven verdediging vereisen. John Menezes, CEO van Bell Cyber, stelde dat organisaties zonder AI voor defensie een aanzienlijk nadeel zouden ondervinden ten aanzien van snel voortschrijdende, door AI aangestuurde bedreigingen.

Dit initiatief ondersteunt de Canadese strategie om soevereine AI-capaciteiten te ontwikkelen, de afhankelijkheid van Amerikaanse cloud computing-giganten te verminderen en ervoor te zorgen dat kritieke beveiligingsgegevens onder de binnenlandse jurisdictie blijven. Het biedt een praktisch alternatief voor ondernemingen die de datalocatie willen behouden en tegelijkertijd geavanceerde AI willen inzetten voor beveiligingsactiviteiten.

De integratie van het model in een autonoom SOC vertegenwoordigt een verschuiving van reactieve beveiligingsmaatregelen naar proactieve, AI-ondersteunde triage en containment. Dit zou een precedent kunnen scheppen voor de manier waarop grote ondernemingen en overheidsinstanties hun cyberbeveiligingsoperaties structureren in het licht van steeds geavanceerdere AI-aanvallen.

Interactive Mechanism

Interactief mechanisme: hoe het eigenlijk werkt

Ontdek interactief de onderliggende technologie achter deze ontwikkeling.

Agent Lifecycle Stage:
1
User Intent & Planning: "Audit customer refund request #4092 and settle payment."
2
Tool Calling: Emits structured JSON call crm_get_transaction(id='4092').
3
Guardrail & Verification:🛡️ Paused: High-value action requires human operator sign-off.
4
Final Settlement: Refund recorded, email receipt dispatched, and audit log stored.
Core takeaway: An AI agent is not just a language model—it is a closed loop of planning, tool invocation, and environment feedback. Production systems require self-healing retries and strict human approval guardrails.
Interactieve conceptcheck+10 Points
AI Agents Quiz

What most distinguishes an AI agent from a basic chatbot?

Wat je nu moet bekijken

Bewaak de praktische prestatiestatistieken van het model om de werklast van analisten te verminderen en de nauwkeurigheid van de detectie van bedreigingen te verbeteren. Kijk uit naar een bredere adoptie van vergelijkbare soevereine AI-beveiligingsoplossingen door andere Canadese of Noord-Amerikaanse ondernemingen. Bekijk bovendien hoe deze implementatie de regelgevingsdiscussies over datalocatie en het gebruik van AI bij de beveiliging van kritieke infrastructuur beïnvloedt.

Onafhankelijke verificatie van de effectiviteit van het model in praktijkscenario's, inclusief de nauwkeurigheid bij het samenvatten van beveiligingsincidenten en de impact ervan op de reactietijden van analisten.

Potentiële uitbreiding van deze samenwerking naar andere sectoren of regio’s, en of andere telecom- of technologiebedrijven vergelijkbare soevereine AI-beveiligingsmodellen adopteren.

Regelgevingsontwikkelingen in Canada en de VS met betrekking tot het gebruik van AI in kritieke infrastructuur en de implicaties van vereisten voor datalocatie voor AI-implementaties.

Gerelateerde gidsen en quizzen

AI-agentenAI-ethiekAI-modellen uitgelegdTest wat je weet: probeer een gratis AI-quizZoek een AI-term op in onze woordenlijst
Vond je dit nuttig?