Dyb Læring Bruges Til At Narre Hackere

En gruppe computerforskere ved University of Texas at Dallas har udviklet en ny tilgang for at forsvare sig mod cyberangreb. I stedet for at blokere hackere, lokker de dem ind.

Den nyudviklede metode kaldes DEEP-Dig (DEcEPtion DIGging), og den lokker hackere ind i en decoy-side, så computeren kan lære deres taktik. Computeren bliver herefter trænet med informationen for at kunne genkende og stoppe fremtidige angreb.

Forskerne fra UT Dallas præsenterede deres artikel med titlen “Improving Intrusion Detectors by Crook-Sourcing” på den årlige Computer Security Applications Conference i december i Puerto Rico. Gruppen præsenterede også “Automating Cyberdeception Evaluation with Deep Learning” på Hawaii International Conference of System Sciences i januar.

DEEP-Dig er en del af et stigende populært felt inden for cybersikkerhed kaldet deception technology. Som navnet antyder, afhænger dette felt af fælder, der er sat til hackere. Forskerne håber, at dette kan blive brugt effektivt til forsvarsorganisationer.

Dr. Kevin Hamlen er en Eugene McDermott Professor i computervidenskab.

“Der er kriminelle, der prøver at angribe vores netværk hele tiden, og normalt ser vi på det som en negativ ting,” sagde han. “I stedet for at blokere dem, kunne vi måske se på disse angribere som en kilde til gratis arbejdskraft. De giver os data om, hvordan maliciøse angreb ser ud. Det er en gratis kilde til højt værdsat data.”

Denne nye tilgang bruges til at løse nogle af de større problemer, der er forbundet med brugen af kunstig intelligens (AI) til cybersikkerhed. Et af disse problemer er, at der er en mangel på data, der er nødvendig for at træne computere til at genkende hackere, og dette skyldes privatlivsproblemer. Ifølge Gbadebo Ayoade MS’14, PhD’19, betyder bedre data en bedre evne til at genkende angreb. Ayoade præsenterede resultaterne på konferencerne og er nu en datavidenskabsmand hos Procter & Gamble (PG ) Co.

“Vi bruger data fra hackere til at træne maskinen til at identificere et angreb,” sagde Ayoade. “Vi bruger deception til at få bedre data.”

Den mest almindelige metode, der bruges af hackere, er at starte med simple tricks og herefter blive mere sofistikerede, ifølge Hamlen. De fleste cybersikkerhedsprogrammer, der bruges i dag, prøver at afbryde intrudernes angreb med det samme, så intrudernes teknikker aldrig læres. DEEP-Dig prøver at løse dette problem ved at lokke hackere ind i en decoy-side fuld af misinformation, så teknikkerne kan observeres. Ifølge Dr. Latifur Khan, professor i computervidenskab ved UT Dallas, ser decoy-siden ud som en legitim side for hackere.

“Angribere vil føle, de er succesfulde,” sagde Khan.

Cyberangreb er en stor bekymring for regeringsinstitutioner, virksomheder, nonprofit-organisationer og enkeltpersoner. Ifølge en rapport til Det Hvide Hus fra Council of Economic Advisers kostede angrebne den amerikanske økonomi over 57 milliarder dollars i 2016.

DEEP-Dig kan spille en stor rolle i udviklingen af forsvarstaktikker, samtidig med at hackingteknikker udvikles. Intrudere kunne afbryde metoden, hvis de opdager, at de er gået ind i en decoy-side, men Hamlen er ikke overordentligt bekymret.

“Indtil nu har vi fundet ud af, at dette ikke virker. Når en angriber prøver at spille med, lærer forsvarssystemet blot, hvordan hackere prøver at skjule deres spor,” sagde Hamlen. “Det er en situation, hvor vi alle vinder — os, altså.”

Andre forskere, der er involveret i arbejdet, omfatter Frederico Araujo PhD’16, forskningsvidenskabsmand ved IBM’s Thomas J. Watson Research Center; Khaled Al-Naami PhD’17; Yang Gao, en studerende i computervidenskab ved UT Dallas; og Dr. Ahmad Mustafa fra Jordan University of Science and Technology.

Forskningen blev delvist støttet af Office of Naval Research, National Security Agency, National Science Foundation og Air Force Office of Scientific Research.