امنیت سایبری در گرو الگوبرداری از مغز انسان

خبرنامه دانشجویان ایران: تاکنون راهکارهای متنوعی برای افزایش امنیت کاربران و مقابله با بدافزارها ابداع شده است که هر یک از این روش‌ها مزایا و معایب خاص خود را دارند. اما به نظر می‌رسد در این میان راهکار مبتنی بر هوش مصنوعی که بر پایه یادگیری عمیق کار می‌کند از دقت بالایی برخوردار است. در سال جاری میلادی این یادگیری عمیق بود که موفق شد جایزه نوآورانه‌ترین تکنیک‌ در زمینه شناسایی تهدیدات کامپیوتری را در کنفرانس بلک‌هت از آن خود کند. بر همین اساس پژوهش‌گران بر این باور هستند که الگوی یادگیری عمیق اگر با تقلید از مغز انسان طراحی شود، با دقتی نزدیک به صد در صد (99.9) قادر به شناسایی و دفع حملات امنیتی خواهد بود.

به گزارش «خبرنامه دانشجویان ایران» به نقل از شبکه؛ زمانی که از سرکار به خانه باز می‌گردید و تشنه هستید، به محض مشاهده بطری آب آن‌را شناسایی می‌کنید و بدون آن‌که به تحلیل محتوای درون بطری آب بپردازید، برای رفع عطش آن‌را می‌نوشید. اما در مقابل ماژول‌های بینایی ماشین که به طور معمول در کامپیوترهای سنتی مورد استفاده قرار می‌گیرند در شناسایی بطری آب با مشکل روبرو هستند. اما اگر شکل پیشرفته‌ای از هوش مصنوعی که به یادگیری عمیق معروف است را چاشنی این مکانیزم شناسایی کنیم، آن‌گاه با یک تغییر جزیی در اطلاعات، کامپیوتر قادر خواهد بود اطلاعات خود را تعمیم داده و حتا زمانی که تصویری مبهم از بطری به دست می‌آورد آن‌را شناسایی کند. یادگیری عمیق که به نام شبکه‌ عصبی از آن یاد می‌شود با الهام گرفتن از توانایی‌‌های مغز در یادگیری و درک درست اجسام عمل می‌کند.

مغز انسان این توانایی را دارد تا داده‌هایی که از حس‌گرهای بدن به دست می‌آورد را استخراج و تحلیل کرده و مطالب جدیدی را از آن‌ها بیاموزد. در رویکرد یادگیری عمیق، اطلاعات با استفاده از شبکه‌های عصبی دریافت شده و از طریق آموزش قابلیت یادگیری در اختیار آن‌ها قرار می‌گیرد. الگوریتم‌های مورد استفاده در یادگیری عمیق باید به اندازه‌ای دقیق طراحی شده باشند تا ماشین بداند دقیقا از چه داده‌هایی برای نمونه‌‌سازی و کنکاش‌های خود استفاده کند. اگر خطایی در این میان صورت پذیرد، به واسطه اشتباهات انسانی است و همین موضوع باعث می‌شود تا روند پیشرفت با کندی همراه باشد.

آمارها نشان می‌دهند در دنیای امنیت دیجیتال، نزدیک به 99 درصد تهدیدات بدافزاری مبتنی بر الگوهای قدیمی هستند که تغییرات کوچکی در آن‌ها رخ داده است. در مکانیزم مرسوم فعلی ماشین‌‌ها از تکنیک یادگیری ماشین مبتنی بر تحلیل‌های پویا و مرسوم استفاده می‌کنند که در بیشتر موارد کارایی اندکی دارند، به طوری که در دنیای واقعی تنها قادر به شناسایی بدافزارهای خیلی کمی هستند. تکنیک مبتنی بر امضا که در گذشته برای شناسایی بدافزارها مورد استفاده قرار می‌گرفت در دنیای یادگیری ماشین با موانعی روبرو است. این روش‌ها که در دنیای هوش مصنوعی مورد استفاده قرار می‌گیرند به منظور شناسایی رفتار بدافزارها و طبقه‌بندی آن‌ها مورد استفاده قرار می‌گیرند که به طور پیوسته مشکلاتی را به وجود می‌آورند. اما در یادگیری عمیق همه چیز به صورت خودکار از سوی هوش مصنوعی کنترل شده و به دخالت انسانی نیازی نیست. همین موضوع باعث می‌شود تا ضریب اشتباهات به حداقل رسیده و یادگیری عمیق بتواند با دقت 99.9 درصد بدافزارها را شناسایی کند.