Getur gervigreind barist með auknum fjölda árása á lausnarhugbúnað

Eftir því sem heimurinn okkar verður sífellt tengdari hafa bæði gervigreind og netöryggi orðið alls staðar nálægur. Hins vegar fer óttinn í kringum netöryggi og gervigreind í gegnum næstum allar atvinnugreinar vegna þess að aðeins fáir skilja hvað tæknin er og hvað hún getur gert.

Þess vegna, til að sigrast á þessum ótta og skilja hvað gervigreind getur gert til að verja okkur fyrir ógn þurfum við að skilja það.

Hvað er gervigreind (AI)

Fyrir flest okkar þýðir gervigreind (AI) vélmenni vegna þess að þetta er það sem við höfum séð í kvikmyndum eins og iRobot og lesið í skáldsögum. En ekkert af þessu bætir við staðreyndina.

Gervigreind (AI) vísar til þess að afrita mannlega greind í vélar til að hugsa eins og menn og líkja eftir gjörðum þeirra. Markmið gervigreindar felur í sér nám, rökhugsun og skynjun .

Takmarkanir gervigreindar

Gervigreind og vélanám haldast í hendur, hvort tveggja er flókið og þess vegna misskilur fólk þau oft. Ímyndaðu þér að sjá vél sem getur lært að gera verkefni sem hver maður getur gert. Þótt við séum áratugum frá þessu er hugsunin sjálf mjög áhugaverð. Þess vegna sjáum við framfarir í gervigreind og vélanámi og þetta samstarf manna og gervigreindar mun verða enn útbreiddara í framtíðinni.

Snjallt kerfi nútímansSiri , Alexa , Google leit – er dæmi um þróun gervigreindar og hvernig henni fleygir fram. Hvernig veit Google leit hvað þú ert að leita að? Án þess að slá inn heila setningu skilur Google og gefur þér tillöguna. Þetta er bara toppurinn á ísjakanum gervigreind og vélanám getur gert fleiri hluti eins og þetta. Vissulega eru vinnubrögðin sem þessi greindu reiknirit virka framúrskarandi, en þau geta aðeins gert þau verkefni sem við þjálfum þau í - leitarkerfi getur ekki vitað hvernig á að keyra bíl. Þetta er þegar mannleg íhlutun er nauðsynleg og það sem gerir menn betri en vélar.

En þetta þýðir ekki að við séum æðri. Vélar geta unnið ákveðin verkefni milljón sinnum betur en menn. En þegar kemur að fólki á móti vélum er samspilið þar á milli mjög mikilvægt. Á hverjum einasta degi á vinnustaðnum, heimilinu, fara netvarnarkerfi yfir sverð vegna mannlegra áskorenda og gervigreindarvarnir vinna meira en tapar.

Svo, netöryggisbaráttan snýst um að menn verji aðra menn. Og þrátt fyrir að árásarmenn reyndu að misnota gervigreindarkerfi sem notuð eru til verndar, þá væri gervigreind náttúrulega bandamaður netöryggis.

Vélar hliðstæða vígi okkar

Á sviði öryggis er stærsta afrek gervigreindar í meðhöndlun gagnagreiningar. Þar sem kerfi getur greint meira en milljón atburði á dag mannlegt andlit erfitt. Ekki nóg með þetta, þegar kemur að því að finna frávik úr safni gagna sem gætu leitt til hugsanlegrar árásar verður það allt of krefjandi. Til að vinna bug á þessu ástandi hafa netöryggissérfræðingar notað hand-í-hanska nálgun í áratugi og vinna með gervigreind. Í verkefnum eins og brotauppgötvun, sýnishornsgreiningu, flokkun spilliforrita o.s.frv., gervigreind og vélanám hefur reynst gagnleg og hefur stöðvað ótal mögulegar öryggisógnir.

AI miskunnsamur Samverji eða ekki?

Ein af stærstu áhyggjum atvinnugreina af gervigreind er að tölvuþrjótar geta notað gervigreind til að gera árásir sjálfvirkar í stórum stíl.

Ef þú heldur það sama og ert óviss um að gervigreind sé blessun eða bann, mundu að tækni er hægt að nota bæði til góðs og ills.

Möguleikar gervigreindar til að gera öryggi sjálfvirkt eru vissulega gagnlegir en ef tölvuþrjótar læra hvernig á að nýta þessa gervigreind betur mun það vera áhætta. Allt þetta gerir framtíðina dökka, en hvernig gervigreind og vélanám berjast gegn netglæpum skiptir máli .

Þegar það kemur að því að finna Cyber ógnir byggt á greiningu gagna, vél nám hluti gervigreind hefur reynst gagnlegt. Þar sem það getur greint ógnina áður en varnarleysið er nýtt.

Machine Learning gerir tölvum kleift að nota og kynnast reikniritum sem byggjast á gögnum sem berast og skilja þær umbætur sem þarf. Í samhengi við netöryggi þýðir það að vélanám gerir tölvunni kleift að spá fyrir um ógnir og fylgjast með glufum af nákvæmni en menn geta.

Lykilorð, annar mikilvægur þáttur þegar kemur að öryggi, hafa alltaf verið viðkvæm. Og þeir eru þeir einu sem standa á milli reikninga þinna og netglæpamanna. Því er lagt til að líffræðileg tölfræði auðkenning sé valkostur við hana. En það er ekki mjög þægilegt og tölvuþrjótar geta auðveldlega sniðgengið það. Til að takast á við ófullnægjandi gervigreind er verið að nota til að auka líffræðileg tölfræði auðkenningu og gera hana áreiðanlegri. Andlitsgreining Apple er eitt dæmið.

Þetta er ekki allt gervigreind fleygir fram og það mun ekki hætta. Önnur efnileg aukning á öryggi með gervigreind kemur frá hegðunargreiningum. Þetta þýðir að með því að greina hvernig þú notar tæki getur ML búið til mynstur og getur vitað hvenær óvenjuleg athöfn á sér stað. Þetta mun draga upp rauðan fána og hægt er að grípa til ráðstafana strax

Svo, er gervigreind svarið við lausnarhugbúnaðarárás eins og AV-Test sýnir, netöryggisvandamál?

Tilhugsunin um að gervigreind taki yfir netöryggi er áhugaverð, en við getum ekki gleymt að gervigreind er aðlögunarhæf. Tölvuþrjótar geta notað það í illgjarn tilgangi. Ef það fellur í rangar hendur getur það valdið meiri skaða en að vernda okkur. Það er tvíeggjað sverð sem við þurfum að gera allar þær varúðarráðstafanir sem við getum þegar við treystum á hvað sem er. Þar sem gervigreind á einum stað mun hjálpa til við að sniðganga lausnarhugbúnaðarárásir getur það líka verið gagnlegt. Til að draga saman, gervigreind er bæði blessun og banabiti.


The Rise of Machines: Real World Applications of AI

The Rise of Machines: Real World Applications of AI

Gervigreind er ekki í framtíðinni, hún er hér í nútímanum Í þessu bloggi Lestu hvernig gervigreindarforrit hafa haft áhrif á ýmsa geira.

DDOS árásir: Stutt yfirlit

DDOS árásir: Stutt yfirlit

Ertu líka fórnarlamb DDOS árása og ruglaður með forvarnaraðferðirnar? Lestu þessa grein til að leysa spurningar þínar.

Hefur þú einhvern tíma velt því fyrir þér hvernig tölvuþrjótar græða peninga?

Hefur þú einhvern tíma velt því fyrir þér hvernig tölvuþrjótar græða peninga?

Þú gætir hafa heyrt að tölvuþrjótar græða mikið af peningum, en hefur þú einhvern tíma velt því fyrir þér hvernig þeir vinna sér inn svona peninga? við skulum ræða.

Byltingarkenndar uppfinningar frá Google sem munu auðvelda lífi þínu.

Byltingarkenndar uppfinningar frá Google sem munu auðvelda lífi þínu.

Viltu sjá byltingarkenndar uppfinningar frá Google og hvernig þessar uppfinningar breyttu lífi hvers manns í dag? Lestu síðan til að blogga til að sjá uppfinningar frá Google.

Föstudagur Nauðsynlegur: Hvað varð um gervigreindardrifna bíla?

Föstudagur Nauðsynlegur: Hvað varð um gervigreindardrifna bíla?

Hugmyndin um að sjálfkeyrandi bílar fari á göturnar með hjálp gervigreindar er draumur sem við höfum átt um tíma núna. En þrátt fyrir nokkur loforð eru þau hvergi sjáanleg. Lestu þetta blogg til að læra meira…

Tæknileg sérkenni: Fjarlæg framtíð mannlegrar siðmenningar?

Tæknileg sérkenni: Fjarlæg framtíð mannlegrar siðmenningar?

Þar sem vísindin þróast hratt og taka yfir mikið af viðleitni okkar, eykst hættan á því að verða fyrir óútskýranlegri einstæðu. Lestu, hvað sérkenni gæti þýtt fyrir okkur.

Þróun gagnageymslu – Infographic

Þróun gagnageymslu – Infographic

Geymsluaðferðir gagna hafa verið að þróast gæti verið frá fæðingu gagna. Þetta blogg fjallar um þróun gagnageymslu á grundvelli upplýsingamynda.

Virkni Big Data Reference Architecture Layers

Virkni Big Data Reference Architecture Layers

Lestu bloggið til að þekkja mismunandi lög í Big Data Architecture og virkni þeirra á einfaldasta hátt.

6 ótrúlegir kostir þess að hafa snjall heimilistæki í lífi okkar

6 ótrúlegir kostir þess að hafa snjall heimilistæki í lífi okkar

Í þessum stafræna heimi hafa snjallheimilistæki orðið afgerandi hluti af lífi. Hér eru nokkrir ótrúlegir kostir snjallheimatækja um hvernig þau gera líf okkar þess virði að lifa því og einfaldara.

macOS Catalina 10.15.4 viðbót uppfærsla veldur fleiri vandamálum en að leysa

macOS Catalina 10.15.4 viðbót uppfærsla veldur fleiri vandamálum en að leysa

Nýlega gaf Apple út macOS Catalina 10.15.4 viðbótaruppfærslu til að laga vandamál en svo virðist sem uppfærslan sé að valda fleiri vandamálum sem leiða til múrsteins á Mac vélum. Lestu þessa grein til að læra meira