هوش داده های تولیدی

فایل منبع باز گوگل شناسایی مدل هوش مصنوعی Magika

تاریخ:

گوگل به عنوان بخشی از ابتکار دفاع سایبری هوش مصنوعی خود، Magika منبع باز، یک شناسه فایل داخلی مبتنی بر یادگیری ماشینی را با هدف ارائه ابزارهای خودکار بهتر به مدافعان شبکه فناوری اطلاعات و سایرین، ارائه کرده است.

کار کردن با محتوای واقعی یک فایل ارسالی توسط کاربر شاید سخت تر از آن چیزی باشد که به نظر می رسد. نمی‌توان نوع فایل را مثلاً از پسوند آن و با تکیه بر قوانین اکتشافی و ساخته‌شده توسط انسان – مانند مواردی که به طور گسترده استفاده می‌شود، فرض کرد. لیبمیک - از نظر گوگل، شناسایی ماهیت واقعی یک سند از روی داده‌های آن، «زمان‌گیر و مستعد خطا» است.

اساساً، اگر شخصی یک JPG. را در سرویس آنلاین شما آپلود کند، می‌خواهید مطمئن شوید که این یک تصویر JPEG است و نه یک اسکریپت که بعداً ممکن است شما را گاز بگیرد. Magika را وارد کنید، که از یک مدل آموزش‌دیده برای شناسایی سریع انواع فایل از داده‌های فایل استفاده می‌کند، و این رویکردی است که Big G فکر می‌کند به اندازه کافی برای استفاده در تولید کار می‌کند. به ما گفته می شود که Magika توسط Gmail، Google Drive، مرور ایمن کروم و VirusTotal برای شناسایی و مسیریابی صحیح داده ها برای پردازش بیشتر استفاده می شود.

مسافت پیموده شده شما ممکن است متفاوت باشد. به عنوان مثال، Libmagic ممکن است به اندازه کافی برای شما کار کند. در هر صورت، Magika نمونه‌ای از گوگل است که در داخل از هوش مصنوعی برای تقویت امنیت خود استفاده می‌کند و امیدوار است دیگران نیز بتوانند از این فناوری بهره ببرند. مثال دیگر می تواند باشد RETVec، که یک مدل پردازش متن چند زبانه است که برای شناسایی هرزنامه استفاده می شود. این در زمانی اتفاق می‌افتد که به همه ما هشدار داده می‌شود که افراد نابکار ظاهراً از نرم‌افزار یادگیری ماشینی برای خودکارسازی نفوذها و تحقیقات آسیب‌پذیری بیشتر استفاده می‌کنند.

سیاستگذاران، متخصصان امنیتی و جامعه مدنی این شانس را دارند که در نهایت تعادل امنیت سایبری را از مهاجمان به مدافعان سایبری تغییر دهند.

فیل ونبلز، افسر ارشد امنیت اطلاعات در Google Cloud، و رویال هانسن، اظهار داشتند: «هوش مصنوعی در یک تقاطع قطعی قرار دارد – جایی که سیاست گذاران، متخصصان امنیتی و جامعه مدنی این شانس را دارند که در نهایت تعادل امنیت سایبری را از مهاجمان به مدافعان سایبری تغییر دهند. مهندسی برای حفظ حریم خصوصی، ایمنی و امنیت، گفت: در روز جمعه. 

در لحظه‌ای که بازیگران مخرب هوش مصنوعی را آزمایش می‌کنند، ما نیاز به اقدام جسورانه و به موقع برای شکل دادن به جهت این فناوری داریم.»

جفت معتقدند ماگیکا می تواند توسط مدافعان شبکه برای شناسایی، سریع و در مقیاس، محتوای واقعی فایل ها استفاده شود، که اولین گام در تجزیه و تحلیل بدافزار و تشخیص نفوذ است. صادقانه بگویم، این مدل یادگیری عمیق می تواند برای هر کسی که نیاز به اسکن اسناد ارائه شده توسط کاربر دارد مفید باشد: به عنوان مثال، ویدیوهایی که واقعاً قابل اجرا هستند، باید زنگ هشداری را ایجاد کنند و نیاز به بازرسی دقیق تری دارند. پیوست‌های ایمیلی که آنطور که می‌گویند نیستند، باید قرنطینه شوند. شما ایده را دریافت می کنید.

به‌طور کلی‌تر، در زمینه امنیت سایبری، مدل‌های هوش مصنوعی نه تنها می‌توانند فایل‌ها را از نظر محتوای مشکوک و کد منبع آسیب‌پذیری بررسی کنند، بلکه می‌توانند وصله‌هایی برای رفع اشکالات ایجاد کنند. مهندسان این شرکت بزرگ در حال آزمایش بوده اند برج جوزا برای بهبود فازبندی خودکار پروژه های منبع باز نیز.

گوگل ادعا می‌کند که Magika در شناسایی انواع فایل‌ها 50 درصد دقیق‌تر از سیستم قوانین دست ساز قبلی biz است، برای شناسایی یک نوع فایل میلی‌ثانیه طول می‌کشد و گفته می‌شود که حداقل 99 درصد دقت در تست‌ها دارد. با این حال، کامل نیست و در حدود سه درصد از مواقع انواع فایل ها را طبقه بندی نمی کند. تحت مجوز آپاچی 2.0 است، کد آن است اینجا کلیک نماییدو وزن مدل آن 1 مگابایت است.

با دور شدن از Magika، کارخانه شکلات سازی همچنین به عنوان بخشی از این طرح جدید دفاع سایبری هوش مصنوعی، با 17 استارت آپ در بریتانیا، ایالات متحده و اروپا همکاری خواهد کرد و آنها را آموزش می دهد تا از این نوع ابزارهای خودکار برای بهبود امنیت خود استفاده کنند. 

همچنین برنامه 15 میلیون دلاری سمینارهای امنیت سایبری خود را گسترش خواهد داد تا به دانشگاه ها کمک کند دانشجویان اروپایی بیشتری را در زمینه امنیت آموزش دهند. نزدیکتر به خانه، متعهد شد 2 میلیون دلار کمک مالی برای تأمین مالی تحقیقات در مورد تخلفات سایبری و همچنین مدل های زبان بزرگ برای حمایت از دانشگاهیان در دانشگاه شیکاگو، کارنگی ملون و استنفورد اختصاص دهد.

"انقلاب هوش مصنوعی در حال حاضر در حال انجام است. ونبلز و هانسن نتیجه گرفتند که در حالی که مردم به درستی وعده داروهای جدید و پیشرفت های علمی را تحسین می کنند، ما همچنین از پتانسیل هوش مصنوعی برای حل چالش های امنیتی نسلی و در عین حال نزدیک کردن ما به دنیای دیجیتال امن، مطمئن و قابل اعتمادی که شایسته آن هستیم، هیجان زده هستیم. ®

نقطه_img

جدیدترین اطلاعات

نقطه_img