AI-mallit ja alustat
Syvän oppiminen käytetään huijaamaan hakkereita
Tietokoneen tutkijaryhmä Texasin yliopistossa Dallasissa on kehittänyt uuden lähestymistavan kyberTurvallisuuden puolustamiseksi. Sen sijaan, että estäisivät hakkereita, he houkuttelevat heitä.
Uusi menetelmä on nimeltään DEEP-Dig (DEcEPtion DIGging), ja se houkuttelee hakkereita väärään sivustoon, jotta tietokone voisi oppia heidän taktiikoitaan. Tietokone on sitten koulutettu tiedoilla, jotta se voisi tunnistaa ja estää tulevat hyökkäykset.
UT Dallasin tutkijat esittivät tutkimuksensa otsikolla “Parantamalla tunkeutumisen havaitsemista huijaamalla”, joulukuussa Puerto Ricossa järjestetyssä vuosittaisessa tietokoneen turvallisuuden soveltamisen konferenssissa. Ryhmä esitti myös “Automaattinen kyberhuijausarviointi syvällä oppimisella” tammikuussa Havaijin kansainvälisessä järjestelmätieteellisessä konferenssissa.
DEEP-Dig on osa yhä suositumpaa kyberturvallisuuden alaa, jota kutsutaan huijausteknologiaksi. Kuten nimestä voidaan päätellä, tämä ala perustuu ansaan, joka on asetettu hakkereille. Tutkijat toivovat, että tämä voidaan käyttää tehokkaasti puolustusjärjestelmissä.
Tohtori Kevin Hamlen on Eugene McDermottin professori tietokoneen tietojenkäsittelytieteessä.
“On rikollisia, jotka yrittävät hyökätä verkkoihimme koko ajan, ja yleensä me näemme tämän negatiivisena asiiana”, hän sanoi. “Sen sijaan, että estäisimme heidät, mitä me voimme tehdä, on nähdä nämä hyökkääjät ilmaiseksi työvoimaksi. He antavat meille tietoa siitä, miltä vaaralliset hyökkäykset näyttävät. Se on ilmaiseksi saatu arvokas tieto.”
Tämä uusi lähestymistapa on tarkoitettu ratkaisemaan joitakin suuria ongelmia, jotka liittyvät tekoälyä (AI) käytettäessä kyberturvallisuudessa. Yksi näistä ongelmista on, että on puute tarvittavasta tiedosta, jotta tietokoneet voivat oppia tunnistamaan hakkereita, ja tämä johtuu yksityisyyden suojelusta. Gbadebo Ayoade MS’14, PhD’19, esitti tutkimuksen tulokset konferensseissa, ja hän on nyt data-tieteilijä Procter & Gamble (PG ) Co.: ssä.
“Käytämme hakkereiden tietoja kouluttamaan konetta tunnistamaan hyökkäyksen”, Ayoade sanoi. “Käytämme huijausta saadaksemme paremman tiedon.”
Yleisin menetelmä, jota hakkereiden käytetään, on aloittaa yksinkertaisemmilla temppuilla ja vähitellen tulla monimutkaisemmaksi, Hamlenin mukaan. Useimmat tällä hetkellä käytössä olevat kyberturvallisuusohjelmat yrittävät keskeyttää tunkeilijat välittömästi, joten tunkeilijoiden tekniikoita ei opi. DEEP-Dig yrittää ratkaista tämän ongelman työntämällä hakkereita väärään sivustoon, joka on täynnä virheellistä tietoa, jotta tekniikat voidaan havaita. UT Dallasin tietokoneen tietojenkäsittelytieteen professori Latifur Khanin mukaan väärä sivusto näyttää hakkereille aidoilta.
“Hyökkääjät tuntevat olonsa onnistuneiksi”, Khan sanoi.
Kyberhyökkäykset ovat suuri huolenaihe hallituksille, yrityksille, voittoa tavoittelemattomille organisaatioille ja yksityishenkilöille. Valkoisen talon raportin mukaan, jonka Taloudellisen neuvonantajien neuvosto on laatinut, hyökkäykset maksoivat Yhdysvaltain taloudelle yli 57 miljardia dollaria vuonna 2016.
DEEP-Dig voi pelata tärkeää roolia kehittymässä puolustustaktiikoissa samalla, kun hakkerien tekniikat kehittyvät. Tunkeilijat voivat keskeyttää menetelmän, jos he tajuvat, että he ovat menneet väärään sivustoon, mutta Hamlen ei ole liian huolissaan.
“Toistaiseksi olemme havainneet, että tämä ei toimi. Kun hyökkääjä yrittää mukautua, puolustusjärjestelmä oppii, miten hakkereiden yrittävät piilottaa jälkensä. Se on voitto-voitto-tilanne – meidän kannaltamme.”
Muita tutkijoita, jotka osallistuivat tutkimukseen, ovat Frederico Araujo PhD’16, tutkimustieteilijä IBM:n Thomas J. Watsonin tutkimuskeskuksessa; Khaled Al-Naami PhD’17; Yang Gao, UT Dallasin tietokoneen tietojenkäsittelytieteen jatko-opiskelija; ja tohtori Ahmad Mustafa Jordanian tiede- ja teknologian yliopistosta.
Tutkimus oli osittain tuettu laivaston tutkimustoimistosta, kansallisen turvallisuusvirastosta, kansallisesta tiedesäätiöstä ja ilmavoimien tieteellisen tutkimuksen toimistosta.












