En iyi çabalara ve yeniliklere rağmen, siber suçlar artıyor. MIT bilim adamları ve önde gelen ağ savunucuları, sistemleri güvenli hale getirmek için derin öğrenmeyi keşfetmeye teşvik ediyor.
Yalnızca 2022’nin ilk çeyreğinde, ABD’de kamuya açık olarak bildirilen 404 veri ihlali vardı. Fidye yazılımı ihlalleri tek bir yılda %13 arttı.
MIT Technology Review ile birlikte hazırladığı araştırma makalesinde, “Artan sayıda kuruluşun derin öğrenmenin ve insan beynini taklit etme yeteneğinin dünyanın en hızlı ve en tehlikeli siber tehditlerini nasıl alt edip geride bırakabileceğini keşfetmeye başlamasına şaşmamalı” dedi. siber güvenlik şirketi Deep Instinct.
MIT, fidye yazılımı gruplarına karşı bir inovasyon yarışında kuruluşları destekleyebileceğini, sanal alan algılamasını ve hatta rakip yapay zekayı (AI) kullanarak, kaçış yeteneklerini geliştirebileceğini umarak derin öğrenme odaklı kötü amaçlı yazılım önlemeye bakıyor.
Derin öğrenme, bilinmeyen kötü amaçlı yazılımları ve sıfırıncı gün saldırılarını içgüdüsel ve özerk bir şekilde tahmin etmek ve önlemek için sinir ağlarını kullanan en gelişmiş AI teknolojisidir.
Derin öğrenme ayrıca, son derece yetenekli ve deneyimli veri bilimcilerinin bir çözüm veri setlerini manuel olarak besleme ihtiyacını ortadan kaldırarak makine öğreniminin sınırlamalarını ele aldığı için de övülüyor.
“Siber güvenlik için özel olarak geliştirilmiş bir derin öğrenme modeli, sistemi tam olarak eğitmek için çok büyük miktarda ham veriyi emebilir ve işleyebilir. Bir kez eğitildikten sonra, bu sinir ağları otonom hale gelir ve sürekli insan müdahalesi gerektirmez. Ham veri tabanlı öğrenme metodolojisinin ve daha büyük veri kümelerinin bu birleşimi, derin öğrenmenin sonunda makine öğreniminden çok daha karmaşık kalıpları çok daha hızlı bir şekilde doğru bir şekilde tanımlayabildiği anlamına geliyor.
MIT, derin öğrenmenin Tesla gibi otonom araçlara, konuşma tanıma (SIRI), öneri motorlarına (Netflix) ve dil araçlarına (Google Translate) güç verdiğini hatırlattı.
Honeywell Building Technologies (HBT) başkan yardımcısı ve genel müdürü Mirel Sehic, makalede “Derin öğrenme, herhangi bir reddetme listesini, buluşsal tabanlı veya standart makine öğrenimi yaklaşımını gölgede bırakıyor” diyor. “Derin öğrenmeye dayalı bir yaklaşımın belirli bir tehdidi tespit etmesi için gereken süre, bu unsurların herhangi birinin toplamından çok daha hızlıdır.”
Derin öğrenme, rakip yapay zeka tehdidini tahmin edebilir. Çelişkili makine öğrenimi, yapay zeka modellerini aldatıcı verilerle besleyerek kandırır.
“Aslında, düşmanlar, algılama yeteneklerini atlayacak ve aldatacak bir önyargı bularak geleneksel makine öğrenimi tabanlı çözümlerin çalışma biçiminden kasıtlı olarak yararlanır.
kötü niyetli dosyaları iyi huylu olarak kabul etmelerini sağlar. Bununla birlikte, bir derin öğrenme ağı özellik mühendisliğine dayanmadığından, tehdit aktörlerinin sistemin nasıl çalıştığını anlayabilecek ve bunlardan yararlanabilecek kötü amaçlı yazılımlar oluşturması daha zordur” dedi. okur.
Derin öğrenme, insan beyninin işlevselliğini taklit eder ve bu nedenle “eşsiz hız ve doğruluk” ile tehdit aktörlerinin veya kötü amaçlı yazılımların izinsiz girişini gösterebilir.
Raporda, “Bunu yapmak, kuruluşların bir markanın itibarını zedeleme, hisse fiyatını düşürme veya gelir kayıplarına yol açma şansı bulamadan saldırıları daha iyi tahmin etmelerine ve önlemelerine yardımcı oluyor” deniyor.
Derin öğrenme 1940’lardan beri var olmuştur, ancak grafik işleme birimlerinin (GPU’lar) yüksek maliyeti ve karmaşıklığı nedeniyle birçok kuruluş için erişilemezdi.
“>
Cybernews’den daha fazlası:
Play Store uygulamalarının Android cihazlar için kötü amaçlı yazılım dağıttığı tespit edildi
Netflix, şifre paylaşımıyla mücadele etmek için “ev ekle” özelliğini başlattı
Hacker, çevrimiçi Roblox çalışan verilerinin 4 GB arşivini yayınladı
Metaverse korkuları: dolandırıcılık ve gerçeklikten kopma
Sahte kripto uygulamaları yatırımcıları 42.7 milyon dolar dolandırıyor
Abone olmak bültenimize