Κάθε φορά εκεί πιο σπάνιο και πιο εξελιγμένο κακόβουλο λογισμικό, καθώς και νέους τύπους επιθέσεων στον κυβερνοχώρο. Αλλά οι τεχνικές για να σταματήσει αυτός ο τύπος κακόβουλου κώδικα έχουν επίσης κάποιες αλλαγές και περιστροφές, από τη χρήση της τεχνολογίας AI για να κάνουν τα συστήματα ανίχνευσης πιο έξυπνα, έως πολλές άλλες καινοτόμες μεθόδους για την προστασία τους.
Intel και Microsoft έχουν συνεργαστεί για να φέρουν έναν νέο και πρωτότυπο τρόπο για την ανίχνευση κακόβουλου λογισμικού, αναλύοντας τον κώδικα ύποπτων προγραμμάτων με έναν πολύ συγκεκριμένο τρόπο. Αποτελείται από τη δημιουργία μιας εικόνας από τον κώδικα που θα αναλυθεί και την αναζήτηση για απειλές χάρη στη χρήση ενός AI.
Αν και φαίνεται περίεργο, το όνομα αυτού το έργο ονομάζεται STAMINA (Ανάλυση δικτύου STAtic Malware-as-Image). Είναι βασικά μια εφαρμογή μιας τεχνικής που μετατρέπει τον ύποπτο κώδικα σε μια εικόνα σε κλίμακα του γκρι, έτσι ώστε ένα AI να το αναλύσει για παρόμοια μοτίβα για να εντοπίσει κακόβουλο κώδικα συγκρίνοντας μοτίβα.
Η εικόνα μειώνεται επίσης, ώστε το AI να μην χρειάζεται να αναλύσει εκατομμύρια pixel και να το κάνει ελαφρύτερη σάρωση χωρίς να επηρεαστεί το τελικό αποτέλεσμα. Αυτό το AI έχει ήδη εκπαιδευτεί, δεδομένου ότι τροφοδοτεί τον αλγόριθμό του μέσω δειγμάτων κακόβουλου λογισμικού με περισσότερα από 2.2 εκατομμύρια κατακερματισμένα μολυσμένα εκτελέσιμα αρχεία, έτσι ώστε να μαθαίνει από αυτά το κοινό μοτίβο που έχουν και έτσι να τα εντοπίζει.
Un παράξενη μέθοδος που πηγαίνει από δυαδικό κώδικα σε εικονοστοιχεία για μια ανάλυση AI για αυτά τα δεδομένα. Σίγουρα κάτι που δεν είχε δει μέχρι τώρα. Και σύμφωνα με τους ερευνητές που εμπλέκονται, φαίνεται ότι μπορεί να αναγνωρίσει και να ταξινομήσει κακόβουλο λογισμικό με ακρίβεια 99,07%. Με ψευδώς θετικό ποσοστό 2,58% (το οποίο εξακολουθεί να είναι σχετικά υψηλό). Είναι πολλά υποσχόμενο, αλλά πρέπει να βελτιωθεί, εκτός από τη βελτίωση της εργασίας σας με μεγάλα αρχεία, όπου γίνεται ακόμη λιγότερο αποτελεσματική ...
Για περισσότερες πληροφορίες - Λευκό βιβλίο έργου