Sena Sezer
Intérêts de recherche
Les recherches de Sena portent sur les architectures d'IA émergentes et l'infrastructure d'IA d'entreprise, notamment dans les domaines suivants :
Architectures Web agentiques
systèmes de mémoire IA
MCP
Chatbots et ChatGPT
Authentification multifactorielle (MFA)
Ses travaux portent sur l'interaction des agents d'IA autonomes avec les environnements web, l'amélioration du raisonnement contextuel grâce aux couches de mémoire, et le déploiement et la gouvernance sécurisés des systèmes d'IA en entreprise. Elle s'intéresse particulièrement à l'intersection entre l'orchestration de l'IA, le contrôle des systèmes et les cadres de sécurité.
Sena fait partie de l'équipe d'analyse comparative d'AIMultiple. Elle collabore avec l'équipe technique d'AIMultiple à l'élaboration d'une analyse comparative MFT et IGA incluant les principaux fournisseurs de logiciels MFT.Expérience professionnelle
Sena possède plus de trois ans d'expérience en marketing technique dans le secteur du e-commerce, où elle s'est spécialisée en stratégie SEO, positionnement produit et optimisation de contenu basée sur les données. Elle a une expérience pratique avérée en matière d'amélioration du référencement, d'optimisation des performances des sites web et d'alignement des spécifications techniques des produits avec les attentes des clients.
Outre son expérience en marketing, elle possède une expertise en développement logiciel et en conception web, alliant compétences techniques et approche centrée sur l'utilisateur. Son parcours pluridisciplinaire lui permet de faire le lien entre l'analyse technique et son impact commercial.
Éducation
Derniers articles de Sena
Les 16 principaux cas d'utilisation de l'UEBA pour les SOC actuels en
Les mesures de sécurité traditionnelles, telles que les passerelles web, les pare-feu, les systèmes de prévention d'intrusion (IPS) et les VPN, ne suffisent plus à se défendre contre les cyberattaques modernes. Les attaquants utilisent couramment des identifiants valides que les outils basés sur des règles ne détectent jamais. Les systèmes UEBA comblent cette lacune en surveillant les entités non-utilisateurs parallèlement aux utilisateurs humains, grâce à l'apprentissage automatique qui permet d'établir des comportements de référence et de détecter les anomalies.
Les 6 principales méthodes de collecte de données pour l'IA et l'apprentissage automatique
Alors que certaines entreprises s'appuient sur des services de collecte de données IA, d'autres utilisent des outils d'extraction de données ou d'autres méthodes. Découvrez les 6 principales méthodes et techniques de collecte de données IA pour alimenter vos projets d'IA avec des données précises : Aperçu des méthodes de collecte de données IA 1.
10 cas d'utilisation de SOAR avec des exemples de flux de travail concrets
Les cas d'utilisation SOAR génériques sont rarement adaptés à la pratique ; l'automatisation appropriée dépend entièrement de votre environnement, du volume d'alertes et de la structure de votre SOC. Les cas d'utilisation ci-dessous sont conçus pour des scénarios spécifiques et incluent une description détaillée des flux de travail.
Outils et cas d'utilisation de la collecte automatisée de données en
La collecte automatisée de données utilise des systèmes pour recueillir, traiter et analyser efficacement les informations. Puisque les données automatisées proviennent de sources multiples et de formats variés, il est essentiel de comprendre leurs différents types et leurs origines pour une mise en œuvre efficace. Qu'est-ce que l'automatisation de la collecte de données ? L'automatisation de la collecte de données utilise des technologies telles que des scripts logiciels, des bots, des API ou des plateformes dédiées pour recueillir, organiser et analyser les données.
Les 6 meilleurs outils d'analyse de logs open source : Wazuh, Graylog et bien d'autres en
En tant que RSSI dans un secteur hautement réglementé et fort d'une expertise de près de 20 ans en cybersécurité, j'ai travaillé avec de nombreuses plateformes d'analyse de logs de type SIEM. Parmi celles-ci, j'ai sélectionné les 6 meilleurs outils d'analyse de logs open source.
Les 6 meilleurs outils open source de découverte de données sensibles
Les outils suivants sont sélectionnés en fonction de leur activité sur GitHub et classés par nombre d'étoiles GitHub, par ordre décroissant. Ils couvrent les principaux cas d'utilisation pour la découverte de données sensibles : catalogage des métadonnées avec traçabilité, analyse sans agent et détection, via API, des données PII, PCI et des identifiants au repos. En savoir plus : Outils de découverte et de classification des données sensibles, logiciels DLP.
Les 10 meilleurs outils d'observabilité réseau
L'observabilité du réseau offre aux organisations une visibilité sur les performances de leur réseau, permettant une identification et une résolution plus rapides des problèmes d'infrastructure. Les outils de cette catégorie utilisent de plus en plus l'IA pour automatiser la détection des anomalies dans le trafic et l'état des équipements. Top 8 des outils d'observabilité réseau * Les évaluations sont basées sur Capterra et G2.
Top 5 IBM Concurrents de Watsonx
Les entreprises utilisent l'IA conversationnelle pour traiter les questions des clients à grande échelle et réduire les temps d'attente. Bien que Watsonx Assistant de IBM soit l'une des solutions les plus établies dans ce domaine, elle n'est pas toujours la plus adaptée à toutes les équipes. Des facteurs tels que la taille de l'entreprise, les contraintes budgétaires et les ressources techniques peuvent influencer le choix de cette solution.
Les 5 meilleurs outils SOAR open source
J'ai passé près de vingt ans comme RSSI dans des secteurs fortement réglementés, ce qui m'a permis de tester, déployer et abandonner un nombre incalculable d'outils SOAR. La plupart des solutions open source semblent prometteuses sur le papier, mais s'avèrent défaillantes en production.
Exécution de code avec MCP : une nouvelle approche de l'efficacité des agents d'IA
Le document Anthropic a introduit une méthode dans laquelle les agents d'IA interagissent avec les serveurs MCP (Model Context Protocol) en écrivant du code exécutable plutôt qu'en appelant directement les outils. L'agent traite les outils comme des fichiers sur un ordinateur, trouve ce dont il a besoin et les utilise directement dans son code, évitant ainsi que les données intermédiaires ne transitent par la mémoire du modèle.
Newsletter AIMultiple
Un e-mail gratuit par semaine contenant les dernières actualités technologiques B2B et des analyses d'experts pour accélérer la croissance de votre entreprise.