211service.com
Un antivirus che imita il cervello potrebbe catturare più malware
Il malware informatico può spesso eludere il software di sicurezza antivirus se l'autore modifica alcune righe di codice o progetta il programma in modo che muti automaticamente prima di ogni nuova infezione.
Le reti neurali artificiali, addestrate a riconoscere le caratteristiche del codice dannoso esaminando milioni di esempi di file malware e non, potrebbero forse offrire un modo molto migliore per catturare un codice così nefasto. Diverse aziende stanno testando un approccio noto come deep learning, che prevede l'addestramento di una rete con molti strati di neuroni simulati utilizzando enormi quantità di dati.
Ha chiamato una startup israeliana Istinto profondo prevede di lanciare un servizio di sicurezza basato sull'approccio la prossima settimana. La società afferma che il suo software è significativamente migliore nel rilevare le versioni modificate del malware esistente rispetto agli attuali software antivirus. Tali affermazioni devono ancora essere verificate in modo indipendente, ma altri stanno esplorando l'uso del deep learning per il software antivirus e i risultati pubblicati suggeriscono che potrebbe aiutare a invertire la rotta nella battaglia contro le infezioni da malware.
Il deep learning implica l'addestramento di un'ampia rete di neuroni e sinapsi simulati per riconoscere modelli astratti o complessi da dati di esempio. Se alimentata con un numero sufficientemente ampio di esempi, tale rete identificherà correttamente nuovi esempi che sembrano diversi a livello di base. Un sistema di deep learning può, ad esempio, essere addestrato a riconoscere il volto di una determinata persona utilizzando migliaia di immagini e quindi individuare quella persona in nuove foto, anche quelle scattate in condizioni di scarsa illuminazione o da un'angolazione strana.
Eli David, cofondatore e chief technology officer di Deep Instinct e docente di machine learning presso la Bar-Ilan University in Israele, afferma che la sua azienda addestra la sua rete di deep learning utilizzando migliaia di parametri diversi di file diversi. Questo processo dispendioso in termini di tempo e dal punto di vista computazionale, che viene eseguito su un cluster di GPU, viene utilizzato per generare una rete neurale statica che viene quindi distribuita agli utenti finali, afferma David. La rete inviata agli utenti non può essere aggiornata, il che significa che non richiede la stessa potenza del computer per funzionare; ma può riconoscere e segnalare nuovi malware.
Secondo il Bollettino sui virus , un'organizzazione indipendente che testa il software di sicurezza, il miglior antivirus commerciale è in grado di rilevare circa l'87% di tutte le nuove minacce diversi mesi dopo l'ultimo aggiornamento del software.
David afferma che nei test dell'azienda, il suo software è stato in grado di rilevare il 20% in più di nuovo malware rispetto al software antivirus esistente. Essenzialmente può dire se un file è abbastanza simile a un malware esistente da renderlo sospetto. Il software antivirus esistente può essere ingannato se la particolare stringa di codice utilizzata per il rilevamento è stata modificata. Il deep learning è estremamente resistente al rumore, dice. Questa è l'idea anche qui.
Una rete di deep learning per il rilevamento di malware simile è stata sviluppata da tre ricercatori di Microsoft, insieme a George Dahl , che all'epoca era uno studente di uno dei laboratori di deep learning più importanti al mondo presso l'Università di Toronto, e ora è ricercatore presso Google.
A carta pubblicato dai ricercatori descrive come hanno inserito funzionalità tra cui stringhe di file e parametri dell'interfaccia di programmazione dell'applicazione in diverse reti di deep learning personalizzate. Dopo aver addestrato la rete utilizzando 2,6 milioni di esempi, scrivono i ricercatori, il sistema è stato in grado di rilevare nuove istanze di malware con prestazioni all'avanguardia.
Altro carta , pubblicato online da due ricercatori della società di sicurezza Invincea , descrive uno sforzo diverso per creare un sistema di deep learning per il rilevamento di malware. La coppia afferma che il loro sistema di deep learning è stato in grado di rilevare nuovi malware con un'affidabilità del 95% e un tasso di errore dello 0,01%.
Non sorprende che il deep learning venga preso in considerazione per migliorare il software di sicurezza. Molte grandi aziende tecnologiche e startup stanno ora perseguendo in modo aggressivo il deep learning. L'approccio ha già migliorato le prestazioni del software di riconoscimento della grafia e riconoscimento vocale; e viene sempre più applicato a compiti molto più complessi come la comprensione del linguaggio naturale (vedi Macchine didattici per capirci).
Giorgio Cybenko , un professore del Dartmouth College che studia l'uso dell'apprendimento automatico nella sicurezza informatica, afferma che l'idea di utilizzare le reti neurali per scansionare il malware risale a più di un decennio fa. Ma afferma che l'emergere del deep learning probabilmente indurrà le aziende a dare un'occhiata più da vicino all'approccio.
Cybenko afferma che le prestazioni dichiarate per i sistemi di rilevamento dei virus del deep learning sarebbero una svolta, anche se i risultati dovranno essere testati scientificamente. Nota anche che gli autori di virus sono notoriamente persistenti. Se c'è una svolta, faranno un po' di ricerca e sviluppo e inventeranno un nuovo approccio.