A zsarolóvírusok felismerése elérte a 99,96%-os pontosságot az új AI modell segítségével

A tudósok olyan mesterséges intelligencia rendszert fejlesztettek ki, amely 99,96%-os pontossággal észleli a zsarolóvírusokat, a rosszindulatú viselkedést képekbe konvertálva, hogy erősítse a kiberbiztonsági védelmet.

Ez az új AI eszköz, amelyről a Scientific Reports cikk részletesen beszámol, egy “viselkedéstől képig” technikát alkalmaz, amely a szoftverakciókat olyan képekké alakítja át, amelyeket az AI képes elemezni.

A kutatók elmagyarázzák, hogy a zsarolóvírus támadások egyre gyakoribbá és költségesebbé válnak, az átlagos váltságdíj pedig a csillagászati 2,73 millió dollárra emelkedett.

Az új rendszer először futtatja a szoftvert egy elszigetelt homokozó környezetben, biztonságosan lehetővé téve annak viselkedésének megfigyelését. A rendszer felismeri a fájltitkosítás specifikus viselkedését, amely a zsarolóvírus műveletek jellemző sajátossága. Ezeket a viselkedéseket aztán kétdimenziós szürkeárnyalatos vagy színes képpé alakítja át.

Ez a képalapú formátum lehetővé teszi a kutatók számára, hogy olyan technikát alkalmazzanak, amit ‘áthelyezett tanulásnak’ neveznek, előzetesen kiképzett AI modellekkel. A kutatók magyarázzák, hogy ez a lépés létfontosságú, mivel legyőzi a kiberbiztonsághoz kapcsolódó fő akadályt, ami a nagy, naprakész ransomware mintákból álló adatbázisok hiánya a képzéshez.

“A korlátozott adatok növelik a túlilleszkedés kockázatát, csökkentik a diverzifikált viselkedés azonosítását és aláássák a megbízhatóságot az új fenyegetések észlelésében,” magyarázzák a szerzők.

A transzfer tanulás lehetővé teszi az AI számára, hogy alkalmazza azt a tudást, amit milliók általános képeinek elemzéséből szerzett, a zsarolóvírusok felismerésének speciális feladatára, mindezt anélkül, hogy hatalmas adathalmazra lenne szükség a kártékony programok mintáiból.

A kutatócsapat azt találta, hogy egy ‘ResNet50’ nevű modell kivételesen jó volt ezeknek a viselkedési képeknek az elemzésében.

Jelentős, hogy a modell 99,96%-os pontosságot ért el, ami rendkívül hatékonnyá tette a zsarolóprogramok észlelésében, annak ellenére, hogy kis adathalmazzal dolgozott.

Annak biztosítása érdekében, hogy az AI döntései megbízhatóak voltak és nem véletlenszerű zajon alapultak, a csapat fejlett vizualizációs eszközöket használt. Generáltak kiemelő térképeket, amelyek megerősítették, hogy “a modell a strukturált viselkedéskódolt területekre összpontosít és megerősíti az osztályspecifikus mintatanulást.”

Ez a közel tökéletes pontosság, a kis adathalmazokkal való munkavégzés képessége és az átlátható döntéshozatali folyamat kiemeli a modell gyakorlati alkalmazásának potenciálját.