Yolo DLP: um sistema de prevenção de vazamento de dados de imagens baseado em aprendizado de máquina

O avanço tecnológico colabora com o aumento do risco de perda de dados sensíveis de empresas e residências.

Apesar da evolução e vasta disponibilidade de ferramentas de proteção, nos atuais sistemas de prevenção de vazamento de dados, como os Data Leak Prevent (DLP), a falta de flexibilidade, clareza e limitações funcionais dificultam a escolha.

Existem diversas soluções comerciais que muitas vezes apresentam um alto custo de licenciamento, implantação, além de limitações de recursos de prevenção.

O objetivo deste trabalho é validar a aplicação de uma rede neural na potencialização de um proxy DLP para impedir o envio não autorizado de dados sensíveis armazenados ou capturados por câmeras de vídeo.

Neste trabalho é proposta uma arquitetura de DLP, que passa por treinamentos e pela implantação de uma ferramenta de reconhecimento de objetos em documentos de imagens e vídeos ? funcionalidade não presente nos DLP comerciais pesquisados.

A partir de um experimento, com base nos índices de Verdadeiro Positivos, Falso Positivos e Verdadeiro Negativos, é possível observar a acurácia e a eficácia do uso de uma rede neural em um ambiente de DLP.

E mostrar que tal integração protege com transparência sem ocultar limitações, e atende características de proteção que as principais soluções comerciais como Triton Websense, Check Point, Varonis e AirWatch não abordam.