Assemblyline — la Plateforme Canadienne de Tri des Logiciels Malveillants par Apprentissage Automatique au Service de la Défense des Réseaux Gouvernementaux

Le Centre canadien pour la cybersécurité, qui fait partie du Centre de la sécurité des télécommunications (CST), exploite des capteurs sur l'ensemble du réseau du gouvernement du Canada et a mis en libre accès Assemblyline en 2017, une plateforme d'analyse des logiciels malveillants basée sur l'apprentissage automatique, utilisée pour trier à grande échelle les fichiers suspects pour les organismes gouvernementaux et les partenaires des infrastructures essentielles.

Parallèlement à Assemblyline, les data scientists du CST ont conçu un modèle distinct de classification des logiciels malveillants par apprentissage automatique, spécifiquement destiné à détecter les logiciels malveillants personnalisés d'origine étatique que les antivirus commerciaux (conçus pour des menaces génériques) ne détectent pas.

Les fichiers signalés par le classificateur d'apprentissage automatique sont mis en quarantaine, et le modèle est affiné une fois que les fournisseurs d'antivirus commerciaux rattrapent les mêmes menaces, selon la propre stratégie d'IA du CST.

Le rapport annuel 2023-2024 du CST indique qu'Assemblyline a analysé plus d'un milliard de fichiers suspects cette année-là, avec 308 organisations partenaires (58 gouvernementales, 250 d'infrastructures essentielles) — en hausse de 35 % sur un an — et des capteurs couvrant environ 900 000 appareils dans 167 institutions fédérales et sociétés d'État. Le Centre pour la cybersécurité indique bloquer en moyenne 6,6 milliards d'actions potentiellement malveillantes par jour, contre 6,3 milliards en 2022-23. Des reportages indépendants de l'institut de politiques ICTC-CTIC et du magazine canadien The Walrus corroborent l'ordre de grandeur de l'activité bloquée et du déploiement des capteurs, en s'appuyant sur les mêmes rapports annuels et un entretien direct avec le chef du CST.

Le CST n'a pas publié de taux de faux positifs ou de précision spécifique au classificateur d'apprentissage automatique, ni de ventilation de la part de l'activité bloquée spécifiquement due à l'apprentissage automatique par rapport à la détection basée sur des signatures ou des règles. Aucun audit indépendant de la précision de détection n'existe ; la corroboration médiatique confirme l'ampleur, pas les affirmations de performance spécifiques à l'apprentissage automatique.