Может ли ИИ бороться с увеличением количества атак программ-вымогателей

По мере того, как наш мир становится все более и более взаимосвязанным, ИИ и кибербезопасность стали повсеместными. Однако страх, связанный с кибербезопасностью и искусственным интеллектом, охватывает почти все отрасли, потому что лишь немногие понимают, что это за технология и на что она способна.

Следовательно, чтобы преодолеть эти страхи и понять, что искусственный интеллект может сделать, чтобы защитить нас от угрозы, нам необходимо это понять.

Что такое искусственный интеллект (ИИ)

Для большинства из нас искусственный интеллект (ИИ) означает роботов, потому что это то, что мы видели в таких фильмах, как iRobot, и читали в романах. Но ничего из этого не добавляет к факту.

Искусственный интеллект (ИИ) означает копирование человеческого интеллекта в машинах, чтобы они думали, как люди, и имитировали их действия. Цель искусственного интеллекта включает обучение, рассуждение и восприятие .

Ограничения ИИ

ИИ и машинное обучение идут рука об руку, оба сложны, поэтому люди часто их неправильно понимают. Представьте, что вы видите машину, которая может научиться выполнять задачу, которую может выполнить любой человек. Хотя мы находимся на расстоянии десятилетий от этого, сама мысль очень интересна. Таким образом, мы видим прогресс в области ИИ и машинного обучения, и это сотрудничество человека и ИИ в будущем станет еще более распространенным.

Сегодняшняя интеллектуальная система - Siri , Alexa , поиск Google - является примером развития искусственного интеллекта и того, как он развивается. Как поиск Google узнает, что вы ищете? Google понимает, даже не набирая полного предложения, и дает вам предложение. Это лишь верхушка айсберга. ИИ, и машинное обучение может делать больше подобных вещей. Конечно, способы работы этих интеллектуальных алгоритмов превосходны, но они могут выполнять только те задачи, которым мы их обучаем - поисковая система не может знать, как водить машину. Это когда требуется вмешательство человека, и это делает людей лучше, чем машины.

Но это не значит, что мы лучше. Машины могут выполнять определенные задачи в миллион раз лучше, чем люди. Но когда дело касается людей и машин, взаимодействие между ними очень важно. Каждый божий день на рабочем месте, дома системы киберзащиты скрещивают мечи из-за человеческих противников и средств защиты на основе ИИ, которые выигрывают больше, чем проигрывают.

Итак, борьба за кибербезопасность заключается в том, чтобы люди защищали других людей. И несмотря на то, что злоумышленники пытаются злоупотребить системами ИИ, используемыми для защиты, ИИ, естественно, будет союзником кибербезопасности.

Машины - аналог наших сильных сторон

В области безопасности самым большим достижением ИИ является обработка данных. Где система может анализировать более миллиона событий в день, человеческое лицо затруднительно. Мало того, когда дело доходит до обнаружения аномалий в наборе данных, которые могут привести к потенциальной атаке, это становится слишком сложной задачей. Чтобы преодолеть эту ситуацию, эксперты по кибербезопасности десятилетиями использовали подход «рука в перчатке» и работают с ИИ. В таких задачах, как обнаружение взломов, анализ образцов, классификация вредоносных программ и т. Д., ИИ и машинное обучение оказались полезными и предотвратили бесчисленное количество потенциальных угроз безопасности.

А я добрый самаритянин или нет?

Одна из самых серьезных проблем, связанных с искусственным интеллектом, заключается в том, что хакеры могут использовать ИИ для автоматизации атак в массовом масштабе.

Если вы тоже так думаете и не уверены в том, что ИИ является благом или проклятием, помните, что технологии можно использовать как во благо, так и во зло.

Потенциал ИИ для автоматизации безопасности, безусловно, полезен, но если хакеры узнают, как лучше использовать этот искусственный интеллект, это будет рискованно. Все это делает будущее мрачным, но то, как искусственный интеллект и машинное обучение борются с киберпреступностью, имеет значение .

Когда дело доходит до обнаружения киберугроз на основе анализа данных, часть искусственного интеллекта, связанная с машинным обучением, оказалась полезной. Поскольку он может идентифицировать угрозу до того, как уязвимость будет использована.

Машинное обучение позволяет компьютерам использовать и знакомиться с алгоритмами на основе полученных данных и понимать, какие улучшения необходимы. В контексте кибербезопасности это означает, что машинное обучение позволяет компьютеру предсказывать угрозы и обнаруживать лазейки с точностью, чем это могут сделать люди.

Пароли, еще один важный элемент безопасности, всегда были хрупкими. И только они стоят между вашими аккаунтами и киберпреступниками. Поэтому в качестве альтернативы предлагается биометрическая аутентификация. Но это не очень удобно, и хакеры могут легко это обойти. Чтобы справиться с неадекватностью ИИ, используется для улучшения биометрической аутентификации и повышения ее надежности. Распознавание лиц Apple - один из примеров.

Не все ИИ продвигаются вперед, и останавливаться не собирается. Еще одно многообещающее повышение безопасности с помощью ИИ связано с поведенческой аналитикой. Это означает, что с помощью анализа того, как вы используете устройство, ML может создать шаблон и узнать, когда происходит какое-либо необычное действие. Это поднимет красный флаг, и можно будет принять немедленные меры.

Итак, является ли ИИ ответом на атаку программ-вымогателей, как показал AV-Test, проблемы кибербезопасности?

Мысль о том, что ИИ возьмет на себя кибербезопасность, интересна, но мы не можем забывать, что ИИ можно адаптировать. Хакеры могут использовать его в злонамеренных целях. Если он попадет в чужие руки, он может причинить больше вреда, чем защитить нас. Это палка о двух концах, и нам нужно принимать все меры предосторожности, когда мы на что-то полагаемся. Если в одном месте ИИ поможет обойти атаки программ-вымогателей, это тоже может быть полезно. Подводя итог, можно сказать, что ИИ - это одновременно и благо, и губительно.



Leave a Comment

Изучение 26 методов анализа больших данных: часть 1

Изучение 26 методов анализа больших данных: часть 1

Изучение 26 методов анализа больших данных: часть 1

6 невероятных фактов о Nintendo Switch

6 невероятных фактов о Nintendo Switch

Многие из вас знают Switch, который выйдет в марте 2017 года, и его новые функции. Для тех, кто не знает, мы подготовили список функций, которые делают «Switch» обязательным гаджетом.

Технические обещания, которые все еще не выполнены

Технические обещания, которые все еще не выполнены

Вы ждете, когда технологические гиганты выполнят свои обещания? проверить, что осталось недоставленным.

Функциональные возможности уровней эталонной архитектуры больших данных

Функциональные возможности уровней эталонной архитектуры больших данных

Прочтите блог, чтобы узнать о различных уровнях архитектуры больших данных и их функциях самым простым способом.

Как ИИ может вывести автоматизацию процессов на новый уровень?

Как ИИ может вывести автоматизацию процессов на новый уровень?

Прочтите это, чтобы узнать, как искусственный интеллект становится популярным среди небольших компаний и как он увеличивает вероятность их роста и дает преимущество перед конкурентами.

CAPTCHA: как долго она может оставаться жизнеспособным методом различения между человеком и ИИ?

CAPTCHA: как долго она может оставаться жизнеспособным методом различения между человеком и ИИ?

CAPTCHA стало довольно сложно решать пользователям за последние несколько лет. Сможет ли он оставаться эффективным в обнаружении спама и ботов в ближайшем будущем?

Технологическая сингулярность: далекое будущее человеческой цивилизации?

Технологическая сингулярность: далекое будущее человеческой цивилизации?

По мере того, как наука развивается быстрыми темпами, принимая на себя большую часть наших усилий, также возрастает риск подвергнуться необъяснимой сингулярности. Прочтите, что может значить для нас необычность.

Телемедицина и удаленное здравоохранение: будущее уже здесь

Телемедицина и удаленное здравоохранение: будущее уже здесь

Что такое телемедицина, дистанционное здравоохранение и их влияние на будущее поколение? Это хорошее место или нет в ситуации пандемии? Прочтите блог, чтобы узнать мнение!

Вы когда-нибудь задумывались, как хакеры зарабатывают деньги?

Вы когда-нибудь задумывались, как хакеры зарабатывают деньги?

Возможно, вы слышали, что хакеры зарабатывают много денег, но задумывались ли вы когда-нибудь о том, как они зарабатывают такие деньги? Давайте обсудим.

Обновление дополнения к macOS Catalina 10.15.4 вызывает больше проблем, чем решает

Обновление дополнения к macOS Catalina 10.15.4 вызывает больше проблем, чем решает

Недавно Apple выпустила macOS Catalina 10.15.4, дополнительное обновление для исправления проблем, но похоже, что это обновление вызывает больше проблем, приводящих к поломке компьютеров Mac. Прочтите эту статью, чтобы узнать больше