Model AI osiąga 98,53% dokładności w wykrywaniu ransomware na smartfonach

Naukowcy opracowali model SI, który z dużą precyzją wykrywa ransomware w urządzeniach IoT, wykorzystując techniki głębokiego uczenia i optymalizacji dla cyberbezpieczeństwa.

Dzisiaj, zespół badaczy szczegółowo opisał swoje wyniki w artykule w Scientific Reports, publikacji Nature, prezentując zaawansowany model oparty na sztucznej inteligencji, stworzony do wykrywania i zapobiegania atakom ransomware na inteligentne urządzenia.

Wraz z szybkim rozwojem technologii Internetu Rzeczy (IoT) w domach, służbie zdrowia i przemyśle, zagrożenia związane z cyberbezpieczeństwem stały się rosnącym problemem.

Ransomware, jedno z najgroźniejszych zagrożeń cybernetycznych, blokuje użytkownikom dostęp do ich systemów, dopóki nie zapłacą okupu. Badacze wyjaśnili, jak tradycyjne środki bezpieczeństwa często nie są w stanie wykryć i zapobiec tym ewoluującym atakom, co skłoniło naukowców do poszukiwania rozwiązań opartych na sztucznej inteligencji (AI).

Ich nowo opracowany model, nazwany Multi-head Attention-Based Recurrent Neural Network with Enhanced Gorilla Troops Optimization (MHARNN-EGTOCRD), znacznie poprawia dokładność wykrywania ransomware za pomocą technik uczenia maszynowego.

Model najpierw normalizuje nadchodzące dane za pomocą normalizacji min-max, zapewniając efektywne przetwarzanie. Następnie wykorzystuje optymalizację Scarabeuszowej (DBO) – inspirowaną sposobem, w jaki scarabeusze lokalizują jedzenie – do odfiltrowania niepotrzebnych informacji, skupiając się jedynie na najbardziej istotnych zagrożeniach związanych z cyberbezpieczeństwem.

W swojej istocie, system wykorzystuje sieć Multi-head Attention i Long Short-Term Memory (MHA-LSTM), zaawansowane podejście do głębokiego uczenia, które pomaga wykrywać skomplikowane wzorce ataków.

Analizując wcześniejsze zachowania ransomware, AI jest w stanie przewidywać i zasygnalizować potencjalne ataki, zanim zostaną w pełni wykonane. Dodatkowo, system jest precyzyjnie dostrojony za pomocą Enhanced Gorilla Troops Optimization (EGTO), która optymalizuje ustawienia AI dla maksymalnej efektywności.

Podczas testów, model osiągnął imponującą dokładność na poziomie 98,53% w wykrywaniu oprogramowania typu ransomware, przewyższając tradycyjne metody cyberbezpieczeństwa. Ta wysoka precyzja sugeruje, że AI może stać się potężnym narzędziem w walce z cyberprzestępczością, szczególnie w ochronie inteligentnych urządzeń przed zaawansowanymi atakami.

Badacze wierzą, że ich model mógłby być zintegrowany z istniejącymi systemami cyberbezpieczeństwa, dostarczając wczesnego mechanizmu ostrzegawczego przed atakami ransomware.

W miarę jak urządzenia IoT stają się coraz bardziej obecne w codziennym życiu, kluczowe staje się wzmocnienie ich zabezpieczeń, aby zapobiec finansowym i danym stratom. Dzięki połączeniu technik optymalizacji inspirowanych naturą z głębokim uczeniem, ten model AI stanowi znaczący krok naprzód w cyberbezpieczeństwie.