مقاله

هوش مصنوعی و یادگیری ماشین در خدمت هکرها

هر چیزی که کمترین ارتباطی با هوش مصنوعی (AI) و یادگیری ماشین (ML) دارد، می‌تواند موجی در جو جامعه ایجاد کند. اما برای امنیت سایبری، تقریباً چیزی جز دردسر نیست. در واقع گستردگی کاربرد هوش مصنوعی و یادگیری ماشین در هر قسمتی از بیزنس یا تکنولوژی آنقدر برجسته شده است که نمی‌توان بخشی را یافت که این مزیت‌ها خودی نشان ندهند. پس مسلماً سایبرسکیوریتی به دنبال این‌هاست و بنابراین در تمامی این حوزه‌ها ردی از خود بر جا گذاشته است.

با توجه به مزیت‌های داده شده در حوزه تکنولوژی و ضرورت بند آوردن جریان خودروی تهدیدات اینترنتی، انفجار تب جدید «پدیده بزرگ بعدی» در این موارد مذکور، حقیقتاً قابل درک است. مثل همیشه، هر جا چیز نوینی وارد تکنولوژی می‌شود، نیاز به یک امنیت درست و حسابی را نیز ایجاد می‌کند؛ چه برسد به اینکه این تغییر نو، بزرگ و مهم نیز باشد.

در واقع مسئله این است که نباید خیلی هم نگران این ریسک‌ها بود. اگر کمی کلی‌تر بنگریم، در تکنولوژی قوانین و محدودیت‌های کمی وجود ندارد. به جای نگرانی بابت مسائلی که از احتمال رخ دادن پایینی برخوردارند، باید به ریسک‌های کلی‌تر و مرتبط با تهدیدات این روزها توجه کرد. در واقع سوال اصلی این است که آیا هوش مصنوعی به آینده‌ی بدافزارها و پیشرفت آنان کمک خواهد کرد یا نه؟

یادگیری ماشین کمک‌های خیلی زیادی به متخصصان امنیت سایبری کرده است؛ مثل بهبود اسکن کردن، تشخیص سریع‌تر و پیشرفت در قابلیت پیدا کردن ناهنجاری‌ها. پس تا اینجا می‌توان گفت که هوش مصنوعی کمک بسیار زیادی به تقویت امنیت خصوصاً در سازمان‌ها کرده است.

از طرفی، هوش مصنوعی دارای پتانسیل پیشرفت مهاجمان نیز می‌باشد. اینطور که با مهار کردن اثرگذاری آن، به تقویت حملات کمک می‌کنند. خصوصاً بخش‌های پرکار و بیشتر استفاده شده‌شان. بنابراین این نیز به پیشرفته‌تر شدن حملات سایبری کمک می‌کند و تشخیص و جلوگیری از آن توسط متخصصین امنیت را، سخت‌تر می‌نماید.

کمپانی ESET از لحاظ ارائه‌ی داده‌های آماری درباره‌ی چالش‌های پیش رو قابل اعتماد و شناخته شده است و بیش از سه دهه موفق به حمله به مهاجمان خاص و ماهر شده است.

اوراق سفید نشان می‌دهند که هوش مصنوعی یا یادگیری ماشین چگونه و تا چه حد می‌توانند به مهاجمان کمک کنند؛ مثل پنهان‌سازی زیربنای کاری، ایجاد و توزیع بدافزار جدید، پیدا کردن اهداف نو و شناسایی نقاط ضعف سیستم برای حمله به آن‌ها.

در حقیقت، مرزها و محدودیت‌های تکنولوژی در اعتیاد به روبه‌‌رو شدن با دنیای جدید (که آن را هوش مصنوعی و یادگیری ماشین به همه می‌دهند)، از بین می‌رود.

با این حال، با تحقیقات گسترده روی امنیت اندپوینت‌ها و آزمایش کردن چندین رویکرد هوش مصنوعی، مشخص شده که راه‌های متعددی وجود دارد که در آن الگوریتم‌های یادگیری ماشین به طور کلی ممکن است ناموفق یا مستعد تبدیل به موردی مخرب باشند.

ادعاهای مربوط به راهکارهای دفاعی مبتنی بر هوش مصنوعی و مطمئن از جهت موفق بودن، واقعی اما چالش برانگیز هستند. به جای این، یک رویکرد حفاظتی چند لایه‌ای که هوش مصنوعی فقط قسمتی نه چندان بزرگ از آن باشد، برای امنیت بسیار مناسب و قابل اطمینان است.

برای اطلاعات بیشتر درباره‌ی ابعاد مختلف هوش مصنوعی و یادگیری ماشین که تا حدی هم در این مقاله به آنان اشاره شد، همچنین پیاده‌سازی‌های امنیتی در ایمنی چند لایه‌ای قابل اعتماد و با استفاده از یادگیری ماشین – چه خانگی و شخصی و چه سازمانی – باید به اوراق سفید شرکت ESET سری بزنید.

 

بیشتر بخوانید:

 

پانته‌آ ستوده

دیدگاهتان را بنویسید