AI model postiže 98,53% točnosti u otkrivanju ransomwarea na pametnim uređajima

Znanstvenici su razvili AI model koji detektira ransomware u IoT uređajima s visokom točnošću, koristeći duboko učenje i tehnike optimizacije za kibernetičku sigurnost.

Tim istraživača danas je detaljno opisao svoje nalaze u radu objavljenom u Scientific Reports izdanom od strane Nature, predstavljajući napredni model pokretan umjetnom inteligencijom dizajniran za otkrivanje i sprječavanje ransomware napada na pametne uređaje.

Uz brzu ekspanziju tehnologije Interneta stvari (IoT) u domovima, zdravstvu i industrijama, prijetnje vezane uz kibernetičku sigurnost postaju sve veća briga.

Ransomware, jedna od najopasnijih kibernetičkih prijetnji, zaključava korisnike iz svojih sustava dok ne plate otkupninu. Istraživači su objasnili kako tradicionalne mjere sigurnosti često ne uspijevaju otkriti i spriječiti ove evoluirajuće napade, potičući istraživače da istraže AI rješenja.

Njihov novorazvijeni model, nazvan Multi-head Attention-Based Recurrent Neural Network with Enhanced Gorilla Troops Optimization (MHARNN-EGTOCRD), značajno poboljšava točnost detekcije ransomwarea koristeći tehnike strojnog učenja.

Model prvo normalizira dolazne podatke koristeći min-max normalizaciju, osiguravajući efikasnu obradu. Zatim koristi optimizaciju Dung Beetle (DBO) – inspiriranu načinom na koji bube gnoja pronalaze hranu – kako bi isfiltrirao nepotrebne informacije, fokusirajući se samo na najrelevantnije prijetnje iz područja kibernetičke sigurnosti.

U svojoj osnovi, sustav koristi Multi-head Attention i Long Short-Term Memory (MHA-LSTM) mrežu, napredni pristup dubokog učenja koji pomaže u otkrivanju složenih obradaca napada.

Analizirajući prošla ponašanja ransomwarea, AI može predvidjeti i označiti potencijalne napade prije nego što se u potpunosti izvrše. Osim toga, sustav se fino podešava koristeći Enhanced Gorilla Troops Optimization (EGTO), što optimizira postavke AI-a za maksimalnu učinkovitost.

U testiranju, model je postigao impresivnu točnost od 98,53% u otkrivanju ransomwarea, nadmašivši tradicionalne metode kibernetičke sigurnosti. Ova visoka preciznost sugerira da bi AI mogao postati moćan alat u borbi protiv kibernetičkog kriminala, posebno u zaštiti pametnih uređaja od sofisticiranih napada.

Istraživači vjeruju da bi njihov model mogao biti integriran u postojeće sustave kibernetičke sigurnosti, pružajući rani mehanizam upozorenja za napade ransomwarea.

Dok se IoT uređaji nastavljaju širiti u svakodnevnom životu, jačanje njihove sigurnosti ključno je za sprječavanje financijskih i gubitaka podataka. Kombiniranjem tehnika optimizacije inspiriranih prirodom s dubokim učenjem, ovaj AI model predstavlja značajan korak naprijed u kibernetičkoj sigurnosti.