با یك تكنیك تولید داده؛ پژوهشگر ایرانی با کمک هوش مصنوعی به جنگ بدافزارها می رود لینک بخر دات کام: گروهی از پژوهشگران با همکاری پژوهشگر ایرانی یک تکنیک تولید داده برای سیستم هوش مصنوعی (یادگیری ماشینی) ابداع نموده اند که قادر به ردیابی بدافزار در سیستم های رایانشی است. به گزارش لینک بخر دات کام به نقل از مهر، یکی از تهدیدهای امنیتی مهم در سیستم های رایانشی بدافزارها هستند. بتازگی نوعی از سیستم های هوش مصنوعی به نام یادگیری ماشینی به شکل گسترده برای ردیابی بدافزارها به کار گرفته شده است. هرچند این سیستم کارآمد است اما این روش نیازمند انبوهی از نمونه نرم افزارهای بد و خوب برای آموزش و مدلسازی یک ردیاب بدافزار کارآمد است. علاوه بر آن چنین محدودیت هایی قابلیت ردیابی بدافزارهای جدید را می کاهد برای اینکه نمونه های بد افزاری لازم برای آموزش کافی را در اختیار ندارد. در همین راستا تعدادی از محققان با همکاری هومن همایون پژوهشگر و پروفسور دانشکده مهندسی الکتریک و کامپیوتر دانشگاه کالیفرنیا دیویس، یک تکنیک تولید داده آگاه از کد (code-aware data generation technique)ابداع کرده اند که چند نمونه جهش یافته از بدافزارهای محدودی که در دستگاهها مشاهده شده، تولید می کند. با این روش می توان خسارات را به پایین ترین میزان رساند برای اینکه تضمین می شود نمونه های تولید شده با میزان شباهت زیاد از بدافزارهای محدود رصد شده، تقلید می کنند و تولید نمونه های غیرعملیاتی و ناکارآمد را کم می کنند. نمونه بدافزارهایی که با این روش توسعه می یابند در مجموعه آموزشی گنجانده می شوند تا مدلی طرح ریزی شود که قادر به شناسایی بدافزارهای نوظهور بطور کارآمد باشد. نتایج آزمایش ها نشان میدهد روش مذکور با دقت ۹۰ درصد بدافزارهایی که به ندرت رصد شده اند را ردیابی می کند. چنین رقمی حدود ۳ بار بیش از دقت روش های پیشرفته است. منبع: linkbekhar.com 1403/02/21 14:39:24 5.0 / 5 394 تگهای خبر: آموزش , بدافزار , دستگاه , سیستم این مطلب را می پسندید؟ (1) (0) تازه ترین مطالب مرتبط محکومیت متا برای افشای اطلاعات کاربران آلمانی حمله هکرهای چینی به شرکت ارتباطاتی آمریکایی استفاده از هوش مصنوعی در صنعت فضایی وارد فاز عملیاتی شد مارک زاکربرگ در رابطه با اعتیاد جوانان به اینستاگرام بی گناه نظرات بینندگان در مورد این مطلب نظر شما در مورد این مطلب نام: ایمیل: نظر: سوال: = ۵ بعلاوه ۵