MITS AI kann vorhersagen, 85 Prozent der Cyber-Attacken
Ein Cyberangriff wird auftreten, bevor es tatsächlich passiert ist sehr nützlich zu wissen – aber es ist schwierig, in der Praxis zu erreichen. MITS gebaut nun eine System mit künstlicher Intelligenz, die Angriffe 85 Prozent der Zeit vorhersagen kann.
Cyberangriff Spotter arbeiten in zweifacher Hinsicht. Einige sind AI, der schaut einfach nach Anomalien im Internet-Verkehr. Sie arbeiten, aber häufig Fehlalarme werfen – Warnungen über eine Bedrohung, wenn eigentlich nichts falsch ist. Andere Software-Systeme basieren auf Regeln, die von Menschen entwickelt, aber es ist schwer, Systeme wie das erstellen, die jeden Angriff erwischt.
Forscher vom MIT Computer Science and Artificial Intelligence Lab baute stattdessen eine neue Ki — kreativ namens AI2—, verbindet die beiden Ansätze.
AI2 verwendet drei verschiedene Machine Learning-Algorithmen, um verdächtige Ereignisse zu erkennen. Wie alle KI-System allerdings braucht es ein Feedback von einem Menschen, es zu sagen, ob diese Ereignisse tatsächlich verdächtig sind. Aber die meisten von uns wäre nicht in der Lage, den Unterschied zwischen, zum Beispiel ein DDoS aus einem legitimen Anstieg der Verkehr – so es seinen ersten Satz der Ergebnisse an einem Experten zeigt.
Mit diesem Feedback es berücksichtigt, unabhängig davon, ob es die Ereignisse als Angriffe oder nicht klassifizieren sein sollte, dann verfeinert seine interne Modelle. Im Laufe der Zeit wird es besser Signal vom Lärm, weniger falsche Resultate und wiederum der Experte Zeitersparnis zu unterscheiden.
In Tests mit 3,6 Milliarden Protokollzeilen des Internet-Aktivitäten durchgeführt war AI2 85 Prozent aller Angriffe frühzeitig zu erkennen. Es erstellt auch fünfmal weniger Fehlalarme als bestehende Cyberangriff Schmierblutungen AIs. Die Arbeit wurde letzte Woche auf der IEEE International Conference on große Datensicherheit in New York City vorgestellt.
Im Laufe der Zeit die Forscher erklären, es wird nur eine wirksamere. "Die weitere Angriffe, die mehr Analyst Feedback erhält, das System erkennt, die wiederum verbessert die Genauigkeit der Zukunftsprognosen," erklärte Kalyan Veeramachaneni in einer Pressemitteilung. "Die Mensch-Maschine-Interaktion schafft eine schöne, kaskadierende Wirkung."