Модель штучного інтелекту досягла точності 98,53% у виявленні шкідливого ПЗ на розумних пристроях

Вчені розробили модель штучного інтелекту, яка виявляє рансомвар в пристроях Інтернету речей з високою точністю, використовуючи методи глибокого навчання та оптимізації для кібербезпеки.

Команда дослідників сьогодні опублікувала свої висновки в науковій статті Scientific Reports, виданій Nature, представивши передову модель, підкріплену штучним інтелектом, розроблену для виявлення та запобігання атакам вимогового ПЗ на розумні пристрої.

З швидким розширенням технології Інтернету речей (IoT) у домівках, охороні здоров’я та промисловості, питання кіберзагроз стає все більш актуальним.

Рансомвар, одна з найнебезпечніших кіберзагроз, блокує користувачам доступ до їхніх систем, поки вони не заплатять викуп. Дослідники пояснюють, як традиційні заходи безпеки часто неспроможні виявити та запобігти цим розвиваючимся атакам, що спонукає дослідників досліджувати рішення на основі штучного інтелекту.

Їх новорозроблена модель, яка називається Multi-head Attention-Based Recurrent Neural Network with Enhanced Gorilla Troops Optimization (MHARNN-EGTOCRD), значно покращує точність виявлення ransomware за допомогою методів машинного навчання.

Спочатку модель нормалізує вхідні дані за допомогою мінімаксної нормалізації, що забезпечує ефективну обробку. Потім вона використовує оптимізацію жука-гнійника (DBO) — натхненну тим, як жуки-гнійники знаходять їжу — для відфільтровування непотрібної інформації, зосереджуючись лише на найбільш актуальних загрозах кібербезпеки.

У своїй основі, система використовує мережу Multi-head Attention та Long Short-Term Memory (MHA-LSTM), просунутий підхід глибокого навчання, що допомагає виявляти складні шаблони атак.

Аналізуючи попередні поведінки рансомвірусів, AI може передбачати та позначати потенційні атаки, перш ніж вони повністю виконуються. Крім того, систему точно налаштовують за допомогою оптимізації Enhanced Gorilla Troops (EGTO), яка оптимізує налаштування AI для максимальної ефективності.

У процесі тестування, модель продемонструвала вражаючу точність 98,53% у виявленні шкідливого ПЗ, що перевершило традиційні методи кібербезпеки. Ця висока точність свідчить про те, що штучний інтелект може стати потужним інструментом у боротьбі проти кіберзлочинності, особливо у захисті розумних пристроїв від складних атак.

Науковці вірять, що їх модель може бути інтегрована в існуючі системи кібербезпеки, забезпечуючи раннє попередження про атаки шкідливого ПЗ.

Оскільки пристрої IoT продовжують розширюватися в повсякденному житті, посилення їхньої безпеки є вирішальним для запобігання фінансовим та даним втратам. Поєднуючи техніки оптимізації, натхненні природою, з глибоким навчанням, ця модель AI становить значний крок вперед у кібербезпеці.