Acronis SCS และนักวิชาการชั้นนำร่วมมือกันพัฒนาโมเดลการให้คะแนนความเสี่ยงโดยใช้ AI

บริษัท คยเบอร์ โพรเทคชั่น ของสหรัฐฯ Acronis SCS ได้ร่วมมือกับนักวิชาการชั้นนำเพื่อปรับปรุงซอฟต์แวร์โดยใช้ปัญญาประดิษฐ์ (AI) การร่วมมือนี้ได้พัฒนาโมเดลการให้คะแนนความเสี่ยงโดยใช้ AI ที่สามารถประเมินความเสี่ยงของโค้ดซอฟต์แวร์ได้อย่างมีปริมาณ

โมเดลใหม่นี้แสดงให้เห็นถึงการปรับปรุง 41% ในการตรวจจับช่องโหว่และความเสี่ยงในการใช้งาน (CVEs) ในระหว่างขั้นตอนแรกของการวิเคราะห์ ผลการทดสอบที่ตามมาได้ให้ผลลัพธ์ที่น่าประทับใจเช่นกัน และ Acronis SCS มีแผนจะแบ่งปันโมเดลเมื่อเสร็จสิ้น

ซอฟต์แวร์เวนเดอร์และภาครัฐ

หนึ่งในด้านที่ดีที่สุดของเทคโนโลยีนี้คือสามารถใช้ได้โดยซอฟต์แวร์เวนเดอร์และองค์กรภาครัฐอื่นๆ ได้ โดยการปรับปรุงการตรวจสอบซอฟต์แวร์โดยไม่ส่งผลกระทบต่อนวัตกรรมหรือโอกาสของธุรกิจขนาดเล็ก และเป็นเครื่องมือที่มีประสิทธิภาพและราคาไม่แพงสำหรับองค์กรเหล่านี้

โมเดล AI ของ Acronis SCS ขึ้นอยู่กับเครือข่ายประสาทเทียมที่ลึกซึ่งสแกนโค้ดทั้งแบบโอเพ่นซอร์สและแบบโพรไพร์เตอรี่ สามารถให้คะแนนความเสี่ยงโดยไม่มีอคติที่ IT ผู้ดูแลระบบสามารถใช้ในการตัดสินใจเกี่ยวกับการใช้งานแพ็คเกจซอฟต์แวร์ใหม่และการอัปเดตแพ็คเกจที่มีอยู่

บริษัทใช้โมเดลภาษาเพื่อฝังโค้ด โมเดลภาษาเป็นรูปแบบหนึ่งของการเรียนรู้ลึกที่รวมเลเยอร์ฝังเข้ากับเครือข่ายประสาทเทียมที่เกิดซ้ำ (RNN) เทคนิคการอัปซัมพลิงและอัลกอริทึมการจำแนกประเภท เช่น บูสทิง ฟอเรสต์ และเครือข่ายประสาทเทียมใช้เพื่อวัดโมเดล

ดร. โจ บาร์ เป็นรองผู้อำนวยการด้านการวิจัยของ Acronis SCS

“เราใช้โมเดลภาษาเพื่อฝังโค้ด โมเดลภาษาเป็นรูปแบบหนึ่งของการเรียนรู้ลึกที่รวมเลเยอร์ฝังเข้ากับเครือข่ายประสาทเทียมที่เกิดซ้ำ (RNN)” ดร. บาร์กล่าวแก่ Unite.AI

“อินพุตประกอบด้วยคู่ฟังก์ชัน (ฟังก์ชัน, แท็ก) และเอาต์พุตคือความน่าจะเป็น P(y=1 | x) ที่ฟังก์ชันเสี่ยงต่อการแฮก (บั๊ก) เนื่องจากแท็กบวกหายาก เราใช้เทคนิคการอัปซัมพลิงและอัลกอริทึมการจำแนกประเภทต่างๆ (เช่น บูสทิง ฟอเรสต์ และเครือข่ายประสาทเทียม) เราวัด ‘คุณภาพ’ โดย ROC/AUC และการเพิ่มขึ้นของเปอร์เซ็นต์ (จำนวน ‘ไม่ดี’ ในเปอร์เซ็นต์ที่สูง nhất k=1,2,3,4,5)”

การตรวจสอบที่มีประสิทธิภาพ

โอกาสที่ดีอีกอย่างหนึ่งสำหรับเทคโนโลยีนี้คือความสามารถในการทำให้กระบวนการตรวจสอบมีประสิทธิภาพมากขึ้น

“การตรวจสอบโซฟต์แวร์ซัพพลายเชน ซึ่งอยู่ในกระบวนการตรวจสอบ จะช่วยระบุโค้ดที่มีบั๊ก/เสี่ยงและจะทำให้กระบวนการตรวจสอบมีประสิทธิภาพมากขึ้นหลายเท่า” เขายังคงกล่าว

เช่นเดียวกับ AI และซอฟต์แวร์ทั้งหมด มันจำเป็นต้องเข้าใจและจัดการความเสี่ยงที่อาจเกิดขึ้น เมื่อถูกถามว่ามีความเสี่ยงที่ไม่เหมือนใครกับซอฟต์แวร์โอเพ่นซอร์ส (OSS) หรือไม่ ดร. บาร์กล่าวว่ามีทั้งความเสี่ยงทั่วไปและเฉพาะ

“มีความเสี่ยงทั่วไปและความเสี่ยงที่เฉพาะเจาะจง” เขากล่าว “ความเสี่ยงทั่วไปรวมถึง ‘บั๊กที่บริสุทธิ์’ ในโค้ดซึ่งอาจถูกใช้โดยผู้กระทำที่ไม่ดี ความเสี่ยงที่เฉพาะเจาะจงเกี่ยวข้องกับผู้กระทำที่เป็นปฏิปักษ์ (เช่น หน่วยงานที่ได้รับการสนับสนุนจากประเทศ) ที่จงใจใส่บั๊กลงในโอเพ่นซอร์สเพื่อใช้ประโยชน์ในอนาคต”

ผลลัพธ์เบื้องต้นของการวิเคราะห์ได้รับการตีพิมพ์ใน IEEE โดยมีชื่อเรื่องว่า “การจำแนกประเภทโค้ดแบบผสมและความเสี่ยง”