АНАЛІЗ КОМП’ЮТЕРНИХ ВІРУСІВ, СТВОРЕНИХ ЗА ДОПОМОГОЮ ШТУЧНОГО ІНТЕЛЕКТУ
DOI:
https://doi.org/10.18372/2225-5036.30.19237Ключові слова:
штучний інтелект, комп’ютерні віруси, кіберзагрози, самонавчання вірусів, адаптивні віруси, динамічне шифрування, генеративно-змагальні мережі (GAN), фішинг, обробка природної мови (NLP), поліморфні віруси, метаморфні віруси, соціальний інжиніринг, ботнети, антивірусні системи на базі ШІ, поведінковий аналіз, пісочниці, двофакторна автентифікація, хмарна безпекаАнотація
Штучний інтелект (ШІ) покращує сучасний світ, відкриваючи нові можливості в різних сферах, але водночас створює нові виклики, особливо у сфері кібербезпеки. Однією із найсерйозніших загроз є використання ШІ для створення комп’ютерних вірусів, які мають здатність до самонавчання, адаптації до захисних систем і автоматичної зміни коду. Це робить їх значно складнішими для виявлення та нейтралізації порівняно з традиційними вірусами. В цій статті аналізуються різноманітні методи створення вірусів за допомогою ШІ та методи захисту від них. Першим з них є адаптивні віруси, що самонавчаються, які використовують алгоритми машинного навчання для аналізу поведінки цілей і адаптації своїх атак. Також віруси зі змінним шифруванням, що використовують штучні нейронні мережі для уникнення виявлення. Генеративно-змагальні мережі (GAN) теж активно використовуються для створення нових варіантів шкідливого коду, що ускладнює традиційні методи виявлення. Використовуються фішингові атаки на основі обробки природної мови (NLP). Ботнети з автономним управлінням на базі ШІ представляють ще одну серйозну загрозу, оскільки дозволяють здійснювати масштабні атаки без людського втручання. У відповідь на це аналізуються та впроваджуються нові методи протидії. До них відносяться антивірусні системи на базі ШІ, які можуть виявляти аномалії в поведінці програм, поведінковий аналіз, який дозволяє блокувати підозрілі програми, а також динамічний аналіз у пісочницях, що дозволяє тестувати підозрілі файли в ізольованому середовищі. Використання хмарних платформ для зберігання та аналізу даних про загрози дозволяє швидко оновлювати захисні механізми.
Посилання
Cybersecurity challenges in the age of AI: Theoretical approaches and practical solutions Електронний ресурс]. – Режим доступу: https://fepbl.com/index.php/csitrj/article/view/930/1144
О.С. Саприкін, Models and methods for diagnosing Zero-Day threats in cyberspace, Вісник Сучасних Інформаційних Технологій. 4 (2021) [Електронний ресурс]. – Режим доступу: https://hait.od.ua/index.php/journal/article/download/107/160/95
Generative Adversarial Nets. Advances in Neural Information Processing Systems (2014) [Електронний ресурс]. – Режим доступу: https://proceedings.neurips.cc/paper/2014/file/5ca3e9b122f61f8f06494c97b1afccf3-Paper.pdf.
Analysis of identification of cybercrimes using cyber security analytics powered by artificial intelligence [Електронний ресурс]. – Режим доступу: https://www.researchgate.net/publication/383601718_ANALYSIS_OF_IDENTIFICATION_OF_CYBERCRIMES_USING_CYBER_SECURITY_ANALYTICS_POWERED_BY_ARTIFICIAL_INTELLIGENCE
Machine learning in cybersecurity: A review of threat detection and defense mechanisms [Електронний ресурс]. – Режим доступу: https://www.researchgate.net/publication/378208150_Machine_learning_in_cybersecurity_A_review_of_threat_detection_and_defense_mechanisms.
AI Regulatory Sandboxes between the AI Act and the GDPR: the role of Data Protection as a Corporate Social Responsibility [Електронний ресурс]. – Режим доступу: https://www.researchgate.net/publication/382496563_AI_Regulatory_Sandboxes_between_the_AI_Act_and_the_GDPR_the_role_of_Data_Protection_as_a_Corporate_Social_Responsibility