ورود به سایت ثبت نام در سایت فراموشی کلمه عبور
نام کاربری در این سایت می تواند هم فارسی باشد و هم انگلیسی





اگر فرم ثبت نام برای شما نمایش داده نمی‌شود، اینجا را کلیک کنید.









اگر فرم بازیابی کلمه عبور برای شما نمایش داده نمی‌شود، اینجا را کلیک کنید.





پاسخ به موضوع

ارسال پاسخ به این موضوع :: ۱۰ کاربرد مهم هوش مصنوعی _ امنیت داده‌ها

پیام شما

 

Send Trackbacks to (Separate multiple URLs with spaces)

شما میتوانید برای پیغام خود یک آیکون از لیست زیر انتخاب کنید

امکانات اضافی این بخش

  • تبدیل از www.example.com به [URL]http://www.example.com[/URL].

نمایش پست ها (ابتدا جدیدترین)

  • 2018/04/29, 22:37
    Sina homaei
    هوش مصنوعی: آینده دنیای امنیت را به دستان پرتوان هوش مصنوعی بسپاریم

    وش مصنوعی؛ آینده دنیای امنیت


    این‌ گونه به نظر می رسد که هیچ گاه روزی عاری از بدافزارها را تجربه نخواهیم کرد. نقص داده ای که یک میلیارد کاربر یاهو را در معرض خطر قرار داد، ایمیل های جعلی بانکی با هدف گمراه کردن کاربران، به روزرسانی جعلی فونت ها در مرورگر کروم تنها چند نمونه کوچک از تهدیداتی هستند که پیرامون ما قرار دارند. همین موضوع باعث شده است تا شرکت ها به دنبال راه‌ حل های مختلف برای این مشکلات باشند. اما این هوش مصنوعی است که در میان راهکارهای ارائه شده به عنوان برترین تکنیک مورد استقبال شرکت ها قرار گرفته است.
    الگوریتم های هوشمند نه تنها این توانایی را دارند تا الگوهای رفتاری کاربران را تحلیل کنند، بلکه قادر هستند سامانه های بزرگ و کوچک را زیر نظر بگیرند و هر زمان الگوی رفتاری مشکوکی را تشخیص دادند، کاربران را در جریان این اتفاقات قرار دهند.
    بی شک هوشمندی تطبیقی، الگوریتم های یادگیری ماشینی و حتی شبکه های عمیق عصبی خیلی سریع تر از کارشناسان امنیتی قادر هستند اطلاعات را تحلیل و نارسایی‌ها را شناسایی کنند. جورج آوتیوسو مدیرعامل و بنیان گذار شرکت HYPR در این ارتباط می گوید: «یک سری از ایده ها و راهکارهای خلاقانه در عرضه هوش مصنوعی وجود دارد که در زمینه تجزیه و تحلیل داده های حوزه امنیت قابل استفاده هستند. امروزه این عامل انسانی است که در وهله اول فرآیند تشخیص و شناسایی تهدیدات را مدیریت می‌کند. اما عامل انسانی در شناسایی تهدیدات همواره کند هستند. اما در مقابل هوش مصنوعی این قابلیت را دارند تا به شکل تصورناپذیری این حملات را شناسایی کنند و از بروز آن ها ممانعت به عمل آورند.»
    آوتیوسو بر این باور است که نخستین گام برای بهره‌مندی از قابلیت های هوش مصنوعی این است که قوانین حاکم بر سیستم های شناسایی فعلی را کنار بگذاریم. سیستم های سنتی بیش از یک دهه است که از سوی شرکت ها و سازمان های بزرگ مورد استفاده قرار می گیرند. مهم ترین مزیتی که هوش مصنوعی دارد این است که به سرعت با تهدیدات هماهنگ و با انواع مختلفی از مکانیسم های حمله آشنا می شود. این رویکرد به هوش مصنوعی اجازه می دهد در سریع ترین زمان ممکن حجم بسیار عظیمی از اطلاعات یکسان که در بسیاری از موارد با یکدیگر هم پوشانی دارند را مورد پردازش قرار دهد. در این رویکرد یک کارشناس امنیتی تنها به منظور تشخیص ورودی های معتبر از نامعتبر مورد استفاده قرار می گیرد. این کارشناس داده هایی که به عنوان ورودی یک سامانه هوشمند مورد استفاده قرار می گیرند را ارزیابی و اطمینان حاصل می کند که این داده ها معتبر هستند. نمونه هایی که تا به امروز به صورت محدود مورد آزمایش قرار گرفته اند نشان داده اند بر مبنای داده های ورودی معتبر موفق شده اند رفتا‌رهایی که یک فرد مشکوک ممکن است در آینده از خود نشان دهد را پیش بینی کنند.
    سازگاری با سیستم های سنتی از شاخص ترین مزایای هوش مصنوعی است. در مقطع فعلی، الگوریتم های هوشمند در ارتباط با تشخیص بدافزارها، ارزیابی حملات فیشینگ و بلوکه کردن حملات جست و جوی فراگیر مورد استفاده قرار می گیرند. اما در آینده الگوریتم های هوشمند در تعامل بهتری با سرویس های پست الکترونیک مورد استفاده قرار خواهند گرفت. آن ها به راحتی قادر خواهند بود ایمیل های جعلی به ظاهر قانونی را بر مبنای پارامترهای مختلفی که درون یک ایمیل قرار دارد شناسایی کنند و پیش از آنکه حمله فیشینگی رخ دهد مسئولان مربوطه را در جریان قرار دهند.
    امروزه کارشناسان امنیتی مسئول طبقه بندی تهدیدات هستند. اما به واسطه آنکه این ‌کار پیچیده است زمان زیادی را برای طبقه بندی به خود اختصاص می دهد. مارک تستونی پژوهشگر امنیتی در این ارتباط گفته است: «ویژگی های ذاتی هوش مصنوعی به این فناوری اجازه داده است با اتکا بر شبکه های عمیق عصبی و الگوهای تشخیصی به خوبی در سیستم های تشخیص نفوذ مورد استفاده قرار گیرد. این رویکرد به طرز محسوسی زمانی که صرف طبقه بندی و تشخیص حملات می شود را کاهش می دهد. در این حالت به‌سادگی می توانید قدم بعدی هکر را پیش بینی کنید؛ اینکه به چه بخشی از سازمان حمله خواهد کرد، حمله خود را چگونه پیاده سازی خواهد کرد و درنهایت این حمله چه تأثیری بر سازمان خواهد گذاشت.»
    نظارت دقیق بر ترافیک شبکه نیز با استفاده از الگوریتم های هوشمند به راحتی امکان پذیر خواهد بود. مکانیسم های امنیتی امروزی با سه مشکل عمده رو به رو هستند. اول آنکه به سختی می توانند مانع دریافت ایمیل های مخرب از سوی مخاطب شوند، به واسطه آنکه یک سری قوانین سخت گیرانه در این زمینه وجود دارد، دوم آنکه در بعضی موارد قادر به شناسایی ایمیل های مخرب نیستند و سوم‌ آنکه سامانه های جرم شناسی تنها زمانی که حمله ای رخ دهد به میدان وارد می شوند. اما هوش مصنوعی تنها الگوها را دنبال می کند و در هر مکان و زمانی که نقاط مشترک مختلفی را شناسایی کند، به سرعت وارد عمل شده و مانع بروز هرگونه حمله احتمالی می شود. درنهایت به این نکته توجه داشته باشید، همان ‌گونه که کارشناسان امنیتی قادر هستند از هوش مصنوعی استفاده کنند، هکرها نیز به همان نسبت قادرند از هوش مصنوعی برای پیشبرد اهداف مخرب خود استفاده کنند.
  • 2018/04/29, 22:36
    Sina homaei
    شهر هوشمند به کمک هوش مصنوعی، گزارش اختصاصی از اینترسک ۲۰۱۸


    در این قسمت از مجله ایران سکوریتی به بررسی یکی از موارد بسیار مهمی که در نمایشگاه اینترسک ۲۰۱۸ دبی مورد توجه شرکت ها قرار گرفت می پردازیم، شرکت کنندگان در نمایشگاه اینترسک ۲۰۱۸ دبی نشان دادند که چگونه با استفاده از هوش مصنوعی و آنالیز تصویر دوربین مدار بسته می توانیم ساز و کارهای شهر هوشمند را مدیریت نماییم. در این قسمت در خصوص چگونگی استفاده شهرها از تجهیزات نظارت تصویری و امنیتی برای هوشمند شدن می پردازیم. به عنوان مثال شهر هوشمند دبی را در نظر بگیرید، با استفاده از هوش مصنوعی تمام تردد های شهر کنترل و مدیریت می شود این موارد و مواردی دیگر باعث شده تا این شهر به عنوان یکی از شادترین شهر های دنیا لقب پیدا کند. پلیس دبی به عنوان یکی از قدیمی ترین و قدرتمند ترین شرکت کنندگان نمایشگاه اینترسک ۲۰۱۸ می باشد. برنامه های امنیتی هوشمند پلیسی IOS، سیستم مدیریت و اطلاع رسانی تصادفات، موقعیت یاب هوشمند خودرو، تجهیزات خدمت رسانی SOS و همه و همه به ماموران امنیتی کمک می کند تا در هر لحظه تمامی زیر ساخت های شهر را بصورت هوشمند کنترل کنند و در صورت وقوع هر گونه بحران و مشکلی در زمان مناسب بهترین راه حل را استفاده نمایند. در نمایشگاه امسال اینترسک بیشتر فعالیت ها حول استفاده از هوش مصنوعی جهت مدیریت فرآیند های مطرح شده در بالا شکل گرفت، علاوه بر آن استفاده از روبات های جدید هوشمند که قابلیت تشخیص چهره شهروندان مشکوک و اطلاع رسانی آنلاین به مرکز کنترل را دارد از دیگر ویژگی های هوشمند سازی شهر ها می باشد. علاوه بر آن شماره پلاک خودرو های مشکوک نیز همزمان به مرکز پلیس دبی ارسال می شود. هوش مصنوعی هایک ویژن

    در غرفه شلوغ شرکت هایک ویژن در نمایشگاه اینترسک ۲۰۱۸، بازدید کنندگان با آخرین محصولات شرکت که بر مبنای هوش مصنوعی طراحی و تولید شده اند آشنا شدند. دوربین ها و مرکز کنترل های سری DeepinView این شرکت، تعهد هایک ویژن با به هوش مصنوعی با تکیه بر استراتژی مبتنی بر AI به مشتریان خود عرضه نمود. هایک ویژن در این نمایشگاه مهمانی ویژه ای با حضور بیش از ۲۵۰ مهمان ویژه، برگزار شد و مهمانان با نظرات مدیران این شرکت در مورد استفاده از هوش مصنوعی در محصولات جدید هایک ویژن و ورود به دنیای اینترنت اشیاء و همچنین یادگیری عمیق به اظهار نظر پرداختند. چهره های شاخص حاضر در این مهمانی آقای یانگ ژونگ هو رئیس هایک ویژن و بینسون ژو مدیر اجرای MENA درخصوص چگونگی استفاده از هوش مصنوعی و فناوری Cloud جهت گذر از سیستم های سنتی و دستیابی به سیستم های هوشمند و مدرن به تبادل دیدگاههایشان پرداختند. سری جدید دوربین های مدار بسته شرکت هایک ویژن بر بستر هوش مصنوعی، در نمایشگاه امسال توجه بازدید کنندگان را به خود جلب نمود. هوش مصنوعی هایک ویژن تعهد خود به مشتریان را با تولید و عرضه سیستم های مبتنی بر هوش مصنوعی انجام داد. فناوری هوش مصنوعی و ضبط بر مبنای ضبط روی دوربین ( Edge)

    یکی از سوالاتی که مطرح شد این است که در محصولات مبتنی بر ضبط روی فضای Cloud، آیا می توان از تکنولوژی هوش مصنوعی AI و آنالیز تصویر استفاده نمود یا خیر؟ هایک ویژن با ارائه یک راهکار امنیتی چند لایه به این پرسش پاسخ داد و آن ضبط تصاویر تحت تکنولوژی هوش مصنوعی روی حافظه محلی SD Card، می باشد. تصاویر دوربین شامل آنالیز تصویر و هوش مصنوعی روی حافظه محلی دوربین ضبط می شوند و به محض برقراری ارتباط تصاویر را روی بستر شبکه ارسال می نماید. در چارچوب ارسال اطلاعات دوربین شامل هوش مصنوعی روی Cloud، تصاویر با استفاده از فناوری یادگیری عمیق ( Deep Learning) تجزیه تحلیل و سپس روی بستر Cloud انتقال پیدا می کنند. با توجه به اظهارات هایک ویژن، تکنولوژی آنالیز تصویر این دوربین ها مدرن تر و پیشرفته تر از سیستم های قدیمی تر می باشد. این تکنولوژی ها شامل تشخیص چهره،شمارش افراد، مدیریت ترافیک داده ها و بسیار موارد دیگر اشاره نمود. جهت آشنایی بیشتر با برند هایک ویژن به بخش ” هایک ویژن ( HIKVISION) را چقدر می شناسید” مراجعه نمایید. تجزیه و تحلیل هوشمند روی تصاویر دوربین مدار بسته در هایک ویژن قبل از فشرده سازی تصاویر انجام می شود و این مهم باعث می شود تا هیچ اطلاعات مهمی از بین نرود و جزئیات ضروری برای استفاده مشتریان در اختیارشان قرار بگیرد. علاوه بر این استفاده از فناوری بالا باعث کاهش بارگذاری روی مرکز داده ها می شود و این به عنوان یک نقطه قوت این تکنولوژی به حساب می آید.
    از فناوری دوربین های مدار بسته بر پایه تکنولوژی هوش مصنوعی و Cloud، جهت ارائه راهکارهای امنیتی متعددی مانند اجرای قانون، مدیریت و کنترل ترافیک و همچنین شهر هوشمند استفاده می شود. شرکت هایک ویژن به عنوان یکی از تولید کنندگان دسته اول دنیا تمرکز خود را روی شهر هوشمند قرار داده است و راهکارهای نظارت تصویری این برند گواهی بر این مدعاست.

    در قسمت دیگری از نشست های مربوط به شهر هوشمند ” استوارت راولینگ” مدیر توسعه تجارت بین الملل شرکت پلکو ( PELCO)، سوال مهمی را در مورد شهر های هوشمند مطرح کرد، “چگونه می توانیم از اطلاعات مهمی مانند اطلاعات هواشناسی و داده های ترافیکی، برای مدیریت هوشمند شهرها استفاده کنیم؟” این سوال مهم پلکو نشان دهنده دغدغه ی مهمی است که بسیاری از شرکت ها در حال فکر کردن روی این موضوعات هستند. یکی دیگر از موضوعاتی که در هوشمند سازی شهر ها به کار گرفته می شود استفاده از دوربین های پانوراما و چند سنسوره جهت تصویر برداری با کیفیت و زاویه دید مناسب در میادین و تقاطع های بزرگ شهر ها می باشد یکی از شرکت های تولید کننده این دوربین ها شرکت OPTERA است. دوربین های این شرکت در پارک ها، میادین، تقاطع ها و… تصاویر با کیفیت را بصورت همیشگی ( ۲۴*۷)، در اختیار مراکز امنیتی و پلیس قرار داده می شود تا مدیریت هوشمند شهر را به بهترین نحو ممکن انجام دهند. تکنولوژی Genetec Citigraf، در حال حاضر توسط اداره پلیس شیکاگو به کار گرفته می شود، این تکنولوژی با استفاده از آنالیز هوشمند تصویر دوربین های مدار بسته فعالیت های مشکوک را به ماموران اداره پلیس اطلاع رسانی می کند، اطلاعاتی مانند تصویر پلاک خودرو ها، سیستم های ضبط تصویر، سیستم تشخیص گلوله و… توسط این سیستم به پلیس اطلاع رسانی می شود.
    هوش مصنوعی و مدیریت شهر هوشمند به کمک آن ، گزارش اختصاصی از اینترسک ۲۰۱۸
  • 2018/04/29, 22:35
    Sina homaei
    فین‌تک هوش مصنوعی چگونه فین‌تک‌ها را تحت تأثیر خود قرار خواهد داد؟

    هوش مصنوعی یا AI در حال انقلاب در صنایع مالی است. این تکنولوژی باعث پایین آمدن هزینه‌ها و خودکارسازی فرایندهای مختلف مؤسسات مالی می‌شود تا با این کار درنهایت سود موسسات را به حداکثر برساند.


    هوش مصنوعی یا AI در حال انقلاب در صنایع مالی است. این فنّاوری باعث پایین آمدن هزینه‌ها و خودکارسازی فرایندهای مختلف مؤسسات مالی می‌شود تا با این کار درنهایت سود مؤسسات را به حداکثر برساند. درحال‌حاضر چت‌بات‌های (Chatbot) مختلفی مبتنی بر هوش مصنوعی در شرکت‌های بزرگ و کوچک به‌عنوان دستیار با مشتریان در ارتباط‌اند. این چت‌بات‌ها کار بازاریابی و فروش را انجام می‌دهند. سرمایه‌گذاران زیادی به سرمایه‌گذاری در این حوزه‌ها علاقه‌مند شده‌اند.
    کشور چین به همراه کشور آمریکا و کشورهای اروپایی در حال سرمایه‌گذاری‌های عظیم در این حوزه هستند. سرمایه‌گذاران این کشورها به سرمایه‌گذاری در حوزه بانکداری سنتی تمایل کمتری دارند و بیشتر به سرمایه‌گذاری در حوزه‌‌ی خدمات مالی مبتنی بر فنّاوری علاقه‌مندند. سیستم‌های بانکی سنتی با پیشرفت در حوزه‌های مختلف فنّاوری به‌خصوص هوش مصنوعی، با سرعت از بین خواهند رفت. هوش مصنوعی نقش اساسی را در شرکت‌های فین‌تکی در آینده بازی خواهند کرد. از حوزه‌هایی که می‌توان هوش مصنوعی را به کاربرد می‌توان به مباحث زیر اشاره داشت:
    امنیت
    یکی از فاکتور اساسی که مؤسسات مالی را مجبور به استفاده از هوش مصنوعی می‌کند، بحث امنیت است. مدت‌زمان زیادی است که از سیستم‌های امنیتی کنونی (آنتی‌ویروس‌ها)، در بحث امنیت استفاده می‌شود. اکثر مؤسسات مالی به دنبال بهترین راهکار امنیتی قوی‌تری برای امنیت اطلاعات هستند که هوش مصنوعی می‌تواند به آن‌ها کمک نماید.
    هوش مصنوعی می‌تواند اطلاعات بیشتر را در بحث امنیت، آنالیز کرده و با توجه به‌اندازه و رتبه و حجم اطلاعات مؤسسات، الگوریتم خود را توسعه دهد. با توجه به موارد بالا هوش مصنوعی می‌تواند در بحث امنیت در زمینه‌های زیر به مؤسسات کمک کند:

    • شناسایی رفتارهای متقلبانه
    • شناسایی تراکنش‌های مشکوک
    • شناسایی امکان وقوع حمله‌های احتمالی.
    • کاهش زمان پردازش فرایندها و آنالیز داده‌های مختلف جهت بررسی صحت آن‌ها

    آنالیز داده‌ها
    علاوه بر بحث امنیت داده‌ها، هوش‌ مصنوعی می‌تواند بسیاری از فرایندها را در کمتر از زمان کنونی انجام دهد. فرایندهای مستند‌سازی مدارک یکی از فرایندهای زمان‌بر در مؤسسات مالی است که به زمان و کار انسانی زیادی نیاز دارند و درنهایت، احتمال خطا را نیز افزایش می‌دهد. هوش مصنوعی می‌تواند این فرایند را با سرعت یاد گرفته و با کمترین خطای ممکن انجام دهد.
    باوجود رشد سریع هوش مصنوعی و نفوذ آن به حوزه‌های مختلف، این فنّاوری هنوز به تکامل خود نرسیده است اما می‌تواند کارهایی از قبیل چک کردن اطلاعات ثبت‌شده و پاک کردن آن‌ها را به‌خوبی انجام دهد.
    ازآنجاکه هوش مصنوعی طبقه‌بندی اطلاعات را سریع‌تر و با دقت بالاتر انجام می‌دهد اما این فنّاوری هنوز به تکامل خود نرسیده است اما کارهایی از قبیل چک کردن اطلاعات دوباره ثبت‌شده، پاک کردن آن‌ها را در حال حاضر می‌تواند انجام می‌دهد.
    شرکت‌های نوپای سیلسکون‌ولی در حال ساختن الگوریتم‌هایی هستند که بر اساس آن‌ها می‌توانند امکان تقلب را با دقت و سرعت ‌بالا شناسایی نمایند.
    اتومانیزه کردن فرایندها
    همان‌طور که در ابتدا ذکر شد، اتومانیزه کردن فرایندها یکی از بندهای مورداستفاده هوش مصنوعی خواهدبود. این کار هزینه‌ها را کاهش و مشکلات مدیریتی را برطرف خواهد کرد. با اتومانیزه کردن فرایندها، نه‌تنها فرایندها بسیار سریع و با دقت بالا انجام می‌شود، بلکه با تولید اطلاعات دقیق و پردازش‌شده‌، به مدیران جهت برنامه‌ریزی روی بودجه و برنامه‌های خود کمک می‌نماید. این کار فرایند تصمیم‌گیری را در شرکت‌های با ابعاد مختلف سرعت می‌بخشد.
    فنّاوری هوش مصنوعی در دسترس همگان قرار دارد و شرکت‌های نوپا یا استارت‌آپی، با استفاده از این الگوریتم‌های تولیدشده مبتنی بر هوش مصنوعی، در حال ورود به جنگی با شرکت‌های بزرگ فناوری اطلاعات هستند.
    هوش مصنوعی مشاور مالی
    هوش مصنوعی همیشه نقش پشت صحنه را ندارد. فین تک‌ها با استفاده از اپلیکیشن‌های شخصی، کیف پول‌ها و دسترسی به بودجه افراد نقش جدیدی از قبیل مشاوران مالی را برای مشتریان بازی می‌کنند. افراد می‌توانند با آن بودجه خود را بر اساس درآمد و نمودار مصرف مدیریت کنند. یکی دیگر از جنبه‌های هوش مصنوعی، ربات‌های مشاوره مالی (Robo-advisor) است. این ربات انواع مختلفی از مشاوره‌های مالی را برای شرکت‌ها و مؤسسات مالی انجام می‌دهد.
    Chatbot (چت‌بات‌ها)
    در حال حاضر چت‌بات‌ها در حال پاسخگویی بسیاری از پرسش‌های مالی مشتریان مؤسسات مالی هستند و برای مثال HSBC، یک هوش مصنوعی برای خودساخته که می‌تواند جستجوها و دستورات مختلف درخواستی از سوی مشتریان خود را انجام دهند. این کار مراجعات حضوری به مؤسسات مالی را کاهش می‌دهد
    زمینه‌هایی که چت‌بات‌ها خدمت‌رسانی می‌کنند عبارت‌اند از:

    • انجام معاملات از طریق شبکه‌های اجتماعی و پیام‌رسان‌ها
    • افتتاح حساب بانکی، ویرایش ثبت‌نام و چک کردن حساب بانکی
    • شناسایی مشتریان بالقوه

    امروزه با رشد سریع فین‌تک‌ها این موضوع تعجب‌آور نیست که موسسات‌ مالی برای افزایش اعتبار و حتی با شعار ورود به این حوزه، به‌کار‌گیری هوش مصنوعی را اعلام نمایند. این کار در کاهش نقش نیروی انسانی و افزایش بهره‌وری مؤثر خواهد بود و درنتیجه سود مؤسسات را افزایش می‌دهد. افزایش سود بزرگ‌ترین دلیل برای استفاده از هوش مصنوعی در مؤسسات مالی خواهد بود.
    هوش مصنوعی چگونه فین‌تک‌ها را تحت تأثیر خود قرار خواهد داد؟ - وبلاگ رسمی شرکت جیرینگ
  • 2018/04/29, 22:34
    Sina homaei
    تهدید سیستم های امنیتی توسط هوش مصنوعی

    کپچا سیستمی است که برای جلوگیری از حمله‌های خرابکارانه ربات‌های اینترنتی استفاده می‌شود.


    بعضی سایت‌ها برای دسترسی به خدماتشان از سوال‌ها و معماهای تصویری استفاده می‌کنند تا کاربران واقعی از ربات‌ها متمایز شوند. این سیستم از کاربران می‌خواهد برای این که اثبات کنند که انسان هستند ترکیبی از اعداد و حروف را وارد کنند، کاری که برای ربات‌های مجازیدشوار است.


    محققان موفق شده‌اند الگوریتمی ارائه کنند که می‌تواند نحوه واکنش و پاسخ فردواقعی به این سرنخ‌ها را تقلید کند. هوش مصنوعی قادر خواهد بود اعداد و حروف را بر اساس شکل و قیافه آنها تشخیص دهد.


    این تحقیق را شرکتویکاریوس )Vicarious (انجام داده که در ایالت کالیفرنیا آمریکا در زمینه هوش مصنوعی فعالیت می‌کند. این شرکت توسط جف بزوس، موسس آمازون و مارک زاکربرگ، مدیر فیسبوک پایه‌گذاری شده است.


    کامپیوترها معمولا قادر به عبور از کپچا نیستند و گوگل می‌گوید سیستم این شرکت آنقدر پیچیده است که افراد تنها در ۸۷ درصد مواقع قادر به حل آنها هستند. اما محققان ویکاریوس ادعا می‌کنند الگوریتم کامپیوتری ابداعی این شرکت می‌تواند این معماها را حل کند.


    شبکه‌های عصبی
    دانشمندان علوم کامپیوتری برای این که کامپیوترها را قادر به شناسایی تصاویر کنند اغلب از شبکه‌های عصبی استفاده می‌کنند. شبکه‌های عصبی، شبکه‌های بزرگ کامپیوتری هستند که برای حل مشکلات پیچیده ایجاد شده‌اند.


    شبکه‌های عصبی صدها لایه دارند و الهام گرفته از مغز انسان هستند. هر لایه، یک راه حل برای حل معما را بررسی می‌کند و در نهایت ترکیب پاسخ‌هایی که از تمامی لایه‌ها دریافت می‌شود، برای تهیه نتیجه نهایی استفاده می‌شود.


    در سال ۲۰۱۳ شرکت ویکاریوس اعلام کرد با دقت ۹۰ درصد، قادر به شکستن قفل کلید معماهای کپجایی شده که در سایت‌های گوگل، یاهو، پی‌پل استفاده شده است.


    از آن زمان، طراحان کپچا، معماهای خود را دشوارتر کرده‌اند اما محققان ویکاریوس در گزارش جدید خود گفته اند که سیستم ابداعی آنها اکنون در ۶۶.۶ درصد مواقع می‌تواند معماهای گوگل را حل کند.


    سیمون ادواردز، متخصص امنیت سایبری شرکت ترند مایکرو به بی‌بی‌سی گفته است که فعلا شاهد حمله به سیستم کپچا نیستیم اما با فراگیر شدن آنچه محققان ابداع کرده‌اند می‌توان گفت کار سیستم کپچا رو به پایان است.
    تهدید سیستم های امنیتی توسط هوش مصنوعی
  • 2018/04/29, 22:32
    Sina homaei
    هوش مصنوعي؛ تکنيکي براي مقابله با تهديدات امنيتي
    هوش مصنوعي درواقع برنامه ريزي هوشمند براي ماشين ها و ربات هاي الکترونيکي است تا طبق سناريويي از پيش تعيين شده به جريانات پيش رو پاسخ دهند؛ قابليتي که مي توان آن را براي مقابله با تهديدات امنيتي در فضاي شبکه در اختيار گرفت.





    در زمینه امنیت سایبری، هوش مصنوعی نرم افزاری است که محیط خود را به اندازه ای مناسب می شناسد تا رویدادها را شناسایی کرده و اقداماتی را علیه یک هدف از پیش تعیین شده انجام دهد. هوش مصنوعی برای تشخیص الگوها و ناهنجاری ها بسیار مفید است و به عنوان یک ابزار عالی جهت شناسایی تهدیدات به کار می رود. جلوگیری از تهدیدات امنیت سایبری توسط هوش مصنوعی به گزارش اقتصاد آنلاین به نقل از ایسنا ، در یادگیری ماشین اغلب از هوش مصنوعی استفاده می شود؛ این نرم افزار می تواند به صورت خودکار براساس ورودی داده شده به آن، نتایج اقدامات انجام شده را به صورت خروجی نشان دهد. به طور کلی، یادگیری ماشین به کمک هوش مصنوعی می تواند یک ابزار برای پیش بینی نتایج بر اساس رویدادهای گذشته هم باشد. با توجه به تحقیقات انجام شده، مشخص شده که شرکت ها باید به هشدارهای امنیتی حتی در صورت افزایش حجم، بیشتر توجه کنند. با گسترش حملات باج افزارها در سال جاری و پذیرفتن مقرارت، واکنش ها علیه بدافزارها باید خیلی سریعتر شود. مدیریت کاهش هزینه های استخدام و افزایش نیروی انسانی جهت ارتقای امنیت سایبری امری دشوار است، بنابراین شرکت ها جهت بهینه سازی وظایف و شناسایی رفتار، باید از زبان ماشین و هوش مصنوعی استفاده کنند. تشخیص تهدید با استفاده از هوش مصنوعی این تکنولوژی به دنبال شاخص های سازش در سراسر شبکه ارتباطی چه در محل و چه در محیط ابری است؛ ما در حال صحبت کردن در مورد مقدار زیادی از داده ها هستیم. با توجه به اینکه تهدیدات جهانی به سرعت در حال پیشرفت است و از طرفی تکنولوژی هوش مصنوعی و یادگیری ماشین نیز در خدمت کلاهبرداران قرار گرفته است، از این رو ما به واقع باید از ابزارها و فناوری های پیشرفته جهت جلوگیری از تهدیدات سایبری به خوبی استفاده کنیم. شرکت خدمات مهندسی Inc عنوان کرده که برای دفاع از مالکیت معنوی خود، بر تهدیدات شرکت به طور مداوم نظارت دارد. در بین 250 و 500 گیگابایت اطلاعات مربوط به امنیت، روزانه بیش از 30،000 دستگاه و 8200 کاربر در جریان هستند و تنها 15 تحلیلگر امنیتی برای بررسی آن وجود دارد. شرکت CISO می گوید: این تنها برخی از داده های شبکه ای است که ما دریافت می کنیم. از این رو باید با بکارگیری دستگاه یادگیری و هوش مصنوعی، مسائل واقعی را محدود کرده و آنها را کاهش دهیم. بر اساس اطلاعات سایت پلیس فتا، پژوهشگران با استفاده از این فناوری ها برای نظارت بر رفتار کاربران و نهادها و نیز جهت کنترل دسترسی از طریق محصولات از پلت فرم Aruba Networks شرکت HPE استفاده می کنند و جنبه یادگیری این پلت فرم نیز بسیار جذاب می باشد. این روزها حملات بسیار پیچیده هستند، آنها ممکن است چیزهای کوچکی را انجام دهند که در طول زمان موجب فشرده سازی داده های بزرگ تر خواهد شد. بنابراین این ابزار می تواند به ما کمک بسیاری کند. هوشمندسازی مقابله با تهدیدات در این میان، حتی شرکت های کوچکتر با چالش اضافه بار اطلاعات امنیتی مبارزه می کنند. یک شرکت مستقر در لس آنجلس که در تولید عینک واقعیت مجازی و کلاه ایمنی فعالیت دارد، فقط 300 کارمند در یک مرکز عملیات امنیتی یک نفره دارد. مینوک کیم، مدیر ارشد فناوری اطلاعات و امنیت این شرکت می گوید: "چالش گذار و پاسخ به وقایع امنیتی بسیار کارآمد است." این شرکت با استفاده از ابزارهای هوش مصنوعی از Vectra Networks برای نظارت بر ترافیک داده ها بکارگیری می کند و برای این کار، حدوداً از 1200 دستگاه در محدوده خود استفاده می کند. به گفته این مدیر ارشد، با نگاه کردن به ترافیک شبکه، می توان دید که چه کسی در حال انجام اسکن پورت یا انتقال از یک هاست به هاست دیگر و یا انتقال بخش های بزرگی از اطلاعات از طریق یک روش غیرمتعارف است. این شرکت با جمع آوری و تجزیه و تحلیل داده ها، آنها را به یک مدل یادگیری عمیق تبدیل کرده است و در پایان می توان حدس زد که چه ترافیکی به طور بالقوه مخرب است.
    لینک اصل خبر

    مخبر - 1396/10/15 - هوش مصنوعي؛ تکنيکي براي مقابله با تهديدات امنيتي
  • 2018/04/29, 22:32
    Sina homaei
    نقش هوش مصنوعی در دفاع سایبری



    سلام دوستان، موضوع امروز ما در‎باره‎ی یکی از مهمترین مسائلی است که روزانه با اون سروکار داریم. یعنی داشتن امنیت در فضای سایبری. پس اگر به این موضوع علاقه دارید، پیشنهاد می‎کنم که با ما همراه باشید.
    سرعت داده ها و حجم داده‎هایی که در دفاع فضای سایبری استفاده می‎شود بدون توجه به اتوماسیون و تنها به دست بشر نمی‎تواند کنترل شود. هرچند توسعه نرم افزارها با الگوریتم‎های ثابت، برای دفاع موثر در برابر حملات گوناگون در حال توسعه در شبکه ها مشکل است. این وضعیت می‎تواند با بکارگیری روش هایی از هوش مصنوعی که قابلیت و گنجایش یادگیری را برای نرم‎افزار فراهم می‎کنند کنترل شود. این مقاله برآورد خلاصه‎ای از کاربردهای هوش مصنوعی در دفاع سایبری را ارائه کرده و چشم اندازهایی از افزایش قابلیت‎های دفاع سایبری را با استفاده از افزایش هوشمندی سیستم های دفاعی تحلیل می‎کند.
    ما می‎توانیم پس از بررسی مقالات در مورد کاربردهای هوش مصنوعی در دفاع سایبری، نرم‎افزارهای مفیدی که در حال حاضر موجود هستند را شناسایی کنیم. این واضح است که بسیاری از مشکلات دفاع سایبری تنها زمانی با موفقیت حل می‎شود که روش های هوش مصنوعی در آن به کار برده شوند.
    برای مثال، استفاده‎ی گسترده ازعلوم در تصمیم‎گیری‎ها بسیار ضروری بوده، و پشتیبانی تصمیم‎گیری هوشمند هنوز یکی از مشکلات حل نشده در دفاع سایبری است.
    این واضح است که دفاع در برابر سلاح های سایبری هوشمند تنها توسط نرم‎افزارهای هوشمند می‎تواند به دست آید، و حوادث دو سال اخیر افزایش سریع هوشمندی نرم افزارهای مخرب و سلاح‎های سایبری را نشان می‎دهد. اجازه دهید برای مثال کرم Conficker را ذکر کنیم. برخی از تاثیر های کرم Conficker روی شبکه های کامپیوتری پلیس و نظامی در اروپا به این شرح ذکر شده است:
    شبکه های کامپیوتری نظامی کشور فرانسه (Intramar)، در ژانویه سال 2009 به کرم Conficker آلوده شده بود. متعاقبا شبکه به حالت قرنطینه درآمده، و هواپیماهای جنگنده‎ی چند فرودگاه به علت دانلود نشدن نقشه های پرواز بلااجبار به زمین نشانده شدند.
    وزارت دفاع بریتانیای کبیر اعلام کرد که بخش عمده‎ای از سیستم‎های اصلی آنها و کامپیوترهای رومیزی‎شان آلوده به این ویروس شده. ویروس درتمام دفاتر اداری گسترش یافته بود، کامپیوتر های Navi* روی ناوهای جنگی سلطنتی مختلف و زیر دریایی‎های جنگی سلطنتی، و بیمارستان‎های شهر شیفلد خبر از آلوده شدن حدود 800 کامپیوتر می‎دادند. در دوم ماه فوریه سال 2009، نیروهای مسلح متحد جمهوری فدرال آلمان خبر از آلوده شدن یکصد کامپیوتر داد، در ژانویه سال 2010 بخش اعظمی از شبکه‎ی کامپبوتری پلیس منچستر آلوده شد، و به دنبال آن کامپوتر ملی پلیس به عنوان اقدام احتیاطی برای 3 روز پیاپی قطع شد. در طول آن زمان، مامورین می‎بایست برای بررسی معمولی یا روزمره‎ی مردم و ماشین ها از نیروهای دیگر درخواست کمک می‎کردند.
    نرم افزارهای کاربردی جنگ محور شبکه، حوادث سایبری را به شکل خاصی خطرناک می‎کند، و به همین دلیل تغییرات در دفاع سایبری به طور ضرور احتیاج است. روش‎های جدید دفاعی مثل راه اندازی گوناگون محیط های ایمن، آگاهی از وضعیت محیط، واکنش کاملا خودکار هنگام حملات در شبکه ها نیاز زیادی به استفاده‎ی گسترده از روش‎های هوش مصنوعی و ابزار مبتنی بر دانش دارد.
    چرا نقش نرم‎افزارهای هوشمند در عملیات سایبری به این سرعت افزایش یافته؟
    با نگاه نزدیکتر بر فضای سایبری، پاسخ‎های زیر را می‎توان دریافت.
    هوش مصنوعی اول از همه برای عکس‎العمل سریع به وضعیت‎ها در اینترنت مورد نیاز است. یکی باید قادر به بررسی سریع مقدار زیادی از اطلاعات به منظور توصیف و بررسی حوادثی که در فضای سایبری روی داده و گرفتن تصمیم مناسب باشد. سرعت پردازش‎ها و حجم داده‎هایی که استفاده می شود نمی‎تواند بدون توجه به اتوماسیون و تنها توسط انسان‎ها به کار آید. هرچند، توسعه‎ی نرم افزارها با الگوریتم های ثابت معمولی برای دفاع موثر در برابر حملات گوناگون در فضای سایبری به دلیل اینکه تهدیدات جدید به طور مداوم ظاهر می‎شوند بسیار سخت است.
    این جا مکانی است برای رویش های هوش مصنوعی.
    هوش مصنوعی به عنوان زمینه ای از تحقیقات علمی( در ابتدا هوش ماشینی نیز نامیده می‎شد)، تقریبا به قدمت کامپیوتر های الکتریکی عمر دارد. امکان ساخت دستگاه‎ها/ نرم افزارها/ سیستم‎های هوشمند تر از انسان از همان روزهای اولیه هوش مصنوعی به عنوان افق‎های هوش مصنوعی به شمار می‎رفت. مشکل آن است که با گذشت زمان افق های زمانی نیز دورتر می‎شوند. ما شاهد حل شدن تعدادی از مشکلات سخت هوشمندی توسط کامپیوترها بودیم. مثل بازی خوب شطرنج. برای مثال، در طول روزهای اولیه از محاسبه، بازی شطرنج به عنوان یک بنچمارک نمونه از هوش واقعی در نظر گرفته می‎شد. حتی در 70 سال گذشته، زمانی که شطرنج کامپیوتر در سطح کارشناسی بود، این تقریبا غیرممکن بود که یک برنامه ایجاد کرد که بتواند قهرمان جهان را از پیش رو بردارد.
    به هر حال این اتفاق زودتر از آنچه که پیش بینی می‎شد افتاد.
    این اتفاق 3 دلیل داشت: افزایش قدرت محاسبات، توسعه یک الگوریتم خوب جستجو( که می‎توانست در برنامه‎های کاربردی در رده شطرنج استفاده شود)و پایگاه دانش خوب سازماندهی شده که شامل تمام علوم شطرنج می‎شد( اول از همه شروع و پایان بازی).
    ذاتا، مشکل شطرنج می‎بایست به دلیل اینکه آن یک مشکل خاص وابسته به هوش مصنوعی به نام هوش مصنوعی باریک بود، حل می‎شد. یک موضوع دیگر، ترجمه از یک زبان به زبان دیگر مورد نیاز بود که به هوش مصنوعی عام احتیاج دارد. در 60 سالٍ قرن گذشته، خصوصا بعد از کارهای نوآم چامسکی( چامسکی زبان‎شناس، فیلسوف، آنارشیست و نظریه پرداز آمریکایی است که از او به عنوان پدر زبان‌شناسی مدرن یاد می‌شود) در زبان شناسی ساختاری، انتظار می‎رفت که مشکل ترجمه‎ی زبان طبیعی به زودی حل شود. اگرچه موفقیت در بعضی نرم افزارهای کاربردی خاص مانند، زبان شناسی هوش مصنوعی گوگل به چشم می‎خورد، اما هنوزاین اتفاق نیافتاده.
    علت آن است که این کار به پردازش هوش عمومی مصنوعی و توانایی دسته بندی حجم بالایی از دانش در هر زمینه‎ی مربوط به فعالیت های بشر احتیاج دارد.
    عموما این مورد قبول است که هوش مصنوعی می‎تواند در 2 راه در نظر گرفته شود: به عنوان هدف علمی در تلاش‎هایی برای پی‎بردن به ذات هوش و توسعه‎ی عمومی ماشین‎های هوشمند، یا به عنوان روش های ارایه‎ی علم برای حل مشکلات پبچیده که نمی توان بدون اضافه کردن قدری هوش آن را حل کرد مانند بازی شطرنج یا گرفتن تصمیم درست هنگامی که با حجم بالایی از داده های وضعیت روبه‎رو هستیم. در این مقاله ما روش دوم را در نظر می‎گیریم، یعنی روشی برای اضافه کردن الگوریتم‎های خاص هوش مصنوعی به مشکلات دفاع سایبری.
    اول از همه نیاز به کاربردهایی از شبکه های حسگر عصبی در دفاع محیطی است، از طرف دیگر، این واضح است که بیشتر مشکلات دفاع سایبری تنها زمانی با موفقیت حل می‎شوند که روش های هوش مصنوعی در آن استفاده شود. استفاده از دانش گسترده در تصمیم گیری‎ها ضروری است، و پشتیبانی از تصمیم هوشمند هنوز یکی از مشکلات حل نشده در دفاع سایبری می‎باشد. تعداد زیادی از روش ها در زمینه هوش مصنوعی برای حل کردن مشکلات سختی که نیازبه هوش از دیدگاه بشر هستند ایجاد شده است. برخی از این روش‎ها به مرحله‎ی تکاملی رسیده‎اند که الگوریتم‎های دقیق موجود بر پایه این روش ها هستند. حتی برخی از روش‎ها آنقدر به طور گسترده‎ای شناخته شده‎اند که دیگر به عنوان وابسته به هوش مصنوعی در نظر گرفته نمی‎شوند، بلکه به قسمتی از محیط برنامه تبدیل شده‎اند. برای مثال: الگوریتم های‎ داده‎کاوی که از رشته‎های یادگیری هوش مصنوعی پدیدار شده‎اند.
    این امتحان غیر ممکن خواهد بود که عملا کمتر یا بیشتر بررسی کاملی از تمامی قسمت‎های سودمند روش های هوش مصنوعی در یک بررسی مختصر داشته باشیم، در عوض، ما روش‎ها و ساختارهایی را در چندین زمینه گروه‎بندی کردیم: شبکه‎های حسگر، سیستم های خبره، عامل هوشمند، جست و جو، یادگیری ماشینی، داده کاوی و حل محدودیت.
    ما این دسته بندی‎ها را اینجا خلاصه کردیم، و منابعی مشخص کردیم برای استفاده از روش های مربوطه در دفاع سایبری .
    ما در مورد فهم زبان طبیعی، رباتیک و دید کامپیوتر که آن را کاربردهای خاصی از هوش مصنوعی در نظر گرفتیم بحث نخواهیم کرد. رباتیک و دید کامپیوتر قطعا کاربردهای نظامی قابل توجهی دارند، اما ما چیز خاصی مربوط به دفاع سایبری در آن نیافتیم.
    شبکه های عصبی
    شبکه های عصبی تاریخچه طولانی دارند که با اختراع پرسپترون توسط فرانم روزن بلات در سال 1957 شروع شد. یک سلول عصبی یکی از مهمترین عناصر رایج در شبکه های عصبی است. پیش از این تعداد کمی از پرسپترون های ترکیب شده با هم می‎توانستند یاد بگیرند و مشکلات جالب را حل کنند. اما شبکه های عصبی می‎توانند از تعداد زیادی عصب های مصنوعی تشکیل شوند. از این رو شبکه‎های حسگر تابعی از یادگیری موازی سریع و تصمیم گیری را فراهم می‎کنند. ویژگی برجسته آنها سرعت عملکرد آنهاست. اون ها برای یادگیری تشخیص الگو، طبقه بندی، انتخاب پاسخ ها به حملات و… مناسب هستند. آنها می‎توانند در هر دوی سخت افزار و نرم افزار اجرا شوند. شبکه‎های عصبی در تشخیص نفوذ و ممانعت از نفوذ به خوبی قابل اجرا هستند. برای استفاده از آنها در تشخیص حمالات DDos، تشخیص کرم‎های کامپیوتری، تشخیص Spam، تشخیص Zombie، طبقه بندی بدافزارهای مخرب و تحقیقات قانونی پزشکی پیشنهادهایی وجود دارد. یکی از دلایل محبوب بودن شبکه های عصبی در دفاع سایبری، در سخت افزارها و پردازنده های گرافیکی بالا بودن سرعت آنها است. پیشرفت های جدیدی در تکنولوژی شبکه های عصبی وجود دارد: شبکه های عصبی نسل سوم، شبکه های عصبی Spiking که از نورون های زیستی واقع بینانه تر تقلید می‎کند، و فرصت های کاربردی بیشتری فراهم می‎کند. فرصت‎های خوب توسط FPGA که توسعه سریع شبکه های عصبی و تنظیم آنها برای تغییرات نفوذی را قادر می‎سازد فراهم می‎شوند.
    سیستم های خبره
    سیستم‎های خبره بی قید وشرط سریع ترین برنامه های مورد استفاده در هوش مصنوعی اند. یک سیستم خبره نرم افزاری جهت پیدا کردن پاسخ برای سوال ها در برخی حوزه های نرم افزارهای کاربردیٍ ارائه شده توسط یک کاربر یا توسط نرم افزار دیگر می‎باشد. آن می‎تواند به طور مستقیم برای پشتیبانی تصمیم‎گیری استفاده شود. برای مثال در تشخیص پزشکی، سرمایه گذاری یا فضای سایبری. تنوع بزرگی در سیستم‎های خبره از سیستم‎های تشخیص فنی کوچک تا سیستم های پیوندی پیشرفته برای حل مشکلات پیچیده وجود دارد. مفهوماً، یک سیستم خبره شامل پایگاه دانش است، جایی که دانش تخصصی در مورد یک فضای برنامه‎ی کاربردی خاص ذخیره می‎شود. در کنار پایگاه دانش، آن شامل یک موتور رابط جهت استخراج پاسخ هایی مبتنی بر دانش آن و احتمالاً، دانش فرعی در مورد یک وضعیت می‎باشد. پایگاه دانش خالی و موتور رابط با هم هسته‎ی سیستم خبره نامیده می‎شوند. قبل از آنکه بتواند استفاده شود، آن باید با دانش پر شود. هسته‎ی سیستم خبره باید با نرم افزار، جهت اضافه کردن دانش در پایگاه دانش پشتیبانی شود، و آن می‎تواند با برنامه ها برای فعل و انفعالات کاربر، و برنامه‎های دیگر که ممکن است در پیوند سیستم های خبره استفاده شوند توسعه پیدا کند. منظور از توسعه ی یک سیستم خبره، ابتدا انتخاب/ توافق از یک هسته‎ی سیستم خبره و دوم بدست آوردن دانش خبره و پر کردن پایگاه دانش توسط دانش است. قدم دوم به مراتب پیچیده تر و زمان بر تر از قدم اول می‎باشد. ابزار زیادی برای توسعه‎ی سیستم‎های خبره وجود دارد. عموما یک ابزار شامل یک هسته‎ی سیستم خبره و همچنین یک عملکرد برای اضافه کردن دانش به مخزن دانش است. سیستم های خبره می‎توانند عملکردهای اضافی برای شبیه سازی،و برای انجام محاسبات داشته باشند. فرم های مختلفی جهت نمایش دانش در سیستم های خبره وجود دارد. رایج‎ترین آنها یک نمایش قانونمند است. اما بدون سود بودن یک سیستم خبره بستگی اساسی به کیفیت دانش در پایگاه دانش سیستم خبره، و نه خیلی برروی فرم داخلی از نمایش دانش دارد. این منجر به حاصل شدن مشکل در توسعه ی برنامه های کاربردی واقعی می‎شود که بسیار سخت است. یک نقشه ریزی امنیتی مثالی از یک سیستم خبره‎ی دفاع سایبری است.
    این سیستم خبره انتخاب اقدامات امنیتی را به طور قابل توجهی ساده کرده و راهنمایی‎هایی جهت استفاده‎ی بهینه از منابع محدود را فراهم می‎کند. کارهای اولیه‎ی زیادی برای استفاده از سیستم های خبره درتشخیص نفوذ وجود دارد.
    عوامل هوشمند
    عوامل هوشمند اجزای نرم افزاری هستند که دارای برخی ویژگی ها از رفتار هوشمند هستند که آن ها را خاص کرده است. آن‎ها ممکن است قابلیت نقشه کشی، قابلیت تحریک‎پذیری و بازتاب داشته باشند. در جوامع مهندسی نرم افزار، هنر عامل های نرم افزاری وجود دارد که مطرح شده تا به عنوان اشیائی باشد که حداقل فعال بوده و قابلیت استفاده در زبان ارتباطات عامل را داشته باشد. با مقایسه عامل‎ها و اشیاء، می‎توان گفت که اشیاء ممکن است غیرفعال باشند و آن ها قادر به فهم هیچ زبانی نیستند. (اگرچه آن‎ها پیام‎هایی که به نحو خوبی تعریف شده‎اند را قبول می‎کنند).
    شبیه‎سازی این را نشان می‎دهد که عوامل مشترک می‎توانند به طور موثر در مقابل حملات DDos مقاومت کنند. بعد از حل کردن برخی مشکلات قانونی و تجاری در قوائد اصلی، توسعه‎ی یک پلیس سایبری شامل عوامل هوشمند محرک ممکن خواهد بود. این نیازمند پیاده‎سازی زیرساخت‎هایی برای پشتیبانی تحریک پذیری عوامل سایبری و ارتباطات است، اما بیشتر باید برای دشمنان غیرقابل دسترس باشد. این کار نیازمند همکاری با ISP ها است. ابزار چند عامله می‎توانند تصویر عملیاتی کاملی از فضای سایبری را فراهم کنند.
    جستجو
    جست و جو یک روش جهانی از حل مشکل است که می‎تواند در تمام جهات وقتی که هیچ روش دیگری قادر به حل مشکل نیست استفاده شود. به طور مداوم مردم در زندگی روزمره خود از این روش استفاده می‎کنند، بدون هیچ توجهی به آن. در واقع برای استفاده از الگوریتم‎های جست و جوی اصلی به هنگام موقیعت‎های رسمی دانش کمی لازم است.
    یکی از آن‎ها قادر بودن به معلوم کردن نوعی وضعیت است، و یک پردازنده باید برای تصمیم گرفتن که آیا هدف کاندید شده می‎تواند پاسخ نیازهای ما را برای وضعیت برطرف کند باید در دسترس باشد. اما اگر علوم اضافی بتواند برای راهنمایی در جستجو مورد استفاده قرار گیرد، سپس بازدهی جستجو می‎تواند به شدت افزایش یابد. الگوریتم جستجو به شکل‎های دیگری نیز در هر برنامه هوشمند ارائه شده، و معمولا شدت آن برای کارایی در کل برنامه بسیار مهم است.
    انواع بسیاری از روش های جستجو توسعه یافته‎اند که به عنوان یک علم خاص در مورد مشکلات رایج جستجو که به حساب می‎آیند. اگر‎چه در هوش مصنوعی روش های جستجوی زیادی ایجاد شده، ولی آن ها در برنامه ها به صورت گسترده مورد استفاده قرار می‎گیرند و به ندرت در هوش مصنوعی استفاده می‎شوند. جستجو در نرم افزار پنهان است و آن به عنوان یک برنامه کاربردی هوش مصنوعی قابل مشاهده نیست. جستجوی درونی یا درختی، جستجوی βα، جست جوی مینیماکس و جستجوی اتفاقی به صورت گسترده در نرم افزارهای بازی استفاده شده‎اند، و آن ها در تصمیم‎گیری در دفاع سایبری بسیار سودمند هستند.
    در الگوریتم جستجوی βα، شرط اصلی برای شطرنج کامپیوتری، اجرا گرفتن از یک ایده‎ی مفید در حل مشکل، و به طور خاص در تصمیم‎گیری است، زمانی که 2 حریف بهترین حرکات ممکن خود را انتخاب کرده‎اند. این از آورد حداقل ضمانت برد و حداکثر امکان باخت استفاده می‎کند. اغلب در وهله ی اول این برای از کار انداختن حجم زیادی از اختیارات و بالا بردن سرعت جستجو استفاده می‎شود.
    یادگیری
    توسعه دادن یک سیستم دانش توسط گسترش یا چینش دوباره‎ی پایگاه دانش آن یا از طریق توسعه موتور رابط. این یکی از بیشترین مشکلات افزایشی از هوش مصنوعی است که آن تحت بررسی شدید است. یادگیری ماشین شامل روش‎های محاسباتی برای کسب کردن علوم جدید، مهارت ها و راه‎های جدید برای سازماندهی علم می‎باشد.
    مشکلات یادگیری همراه با پیچیدگی تا حد زیادی از آموزش ساده ی پارامتریک که به عنوان یادگیری مقادیری از بعضی پارامترها نیز یاد می‎شود متفاوت است. برای اشکال پیچیده‎ای از نماد‎ها، به عنوان مثال، یادگیری مفاهیم، دستور زبان، توابع، و حتی یادگیری از رفتار.
    هوش مصنوعی برای هر دو نوع روش‎هایی را فراهم کرده. یادگیری تحت نظارت(یادگیری همراه با یک معلم) به خوبی یادگیری بدون نظارت. دومی در صورت وجود حجم زیادی از داده ها بسیار سودمند است، و این در دفاع سایبری در جایی که گزارش‎های بزرگی گردآوری می‎شوند رایج است. داده‎کاوی دراصل از یادگیری بدون نظارت در هوش مصنوعی به وجود آمده است. یادگیری بدون نظارت می‎تواند عملکردی از شبکه‎های حسگر باشد، به ویژه از نقشه‎های خود-سازمان. یک نوع برجسته از روش‎های یادگیری توسط الگوریتم‎های یادگیری موازی که برای اجرا بر روی سخت‎افزارهای موازی مناسب هستند تشکیل می‎شود. این روش‎های یادگیری توسط الگوریتم های ژنتیک و منطق فازی نیز بوده‎اند. برای نمونه، بکارگیری در سیستم های تشخیص تهدید.
    حل محدودیت
    حل محدودیت یک شیوه‎ی توسعه داده شده برای یافتن راه حل‎هایی جهت مشکلاتی که نمایان شده‎اند، توسط ارائه کردن مجموعه‎ای از راه حل های مرتبط با محدودیت در هوش مصنوعی می‎باشد. به عنوان مثال، اظهارات منطقی، جداول، معادلات، نابرابری ها و…
    راه‎حل مشکل مجموعه‎ای از مقادیر که محدودیت ها را به وجود می‎آورند می‎باشد. در حقیقت، بر اساس نوع محدودیت ها روش های‎حل محدودیت متفاوتی وجود دارند( برای مثال، محدودیت های مربوط به مجموعه‎های متناهی، محدودیت‎های تابعی، درختان منطقی). در بسیاری از سطوح انتزاعی، تقریبا هر مشکل می‎تواند به عنوان یک مشکل حل محدودیت نمایان شود. حل این مشکلات بخاطر حجم زیادی از جستجو که در کل مورد نیاز است سخت است. تمام روش‎های حل محدودیت ها هدفشان به سوی محدود کردن جستجو توسط در نظر گرفتن اطلاعات خاص در مورد کلاس‎های خاص از مشکلات می‎باشد. حل محدودیت می‎تواند در تجزیه و تحلیل و پشتیبانی تصمیم در ترکیب با برنامه‎نویسی منطقی مورد استفاده قرار گیرد.
    چالش‎ها در دفاع سایبری هوشمند
    زمانی که توسعه وکاربردهای هوش‎مصنوعی در دفاع سایبری در پژوهش‎های آینده برنامه‎ریزی می‎شوند، یک چیز باید بین اهداف فوری و چشم‎انداز بلند مدت مشخص شود. روش‎های بیشماری از هوش‎مصنوعی وجود دارد که بلافاصله در دفاع سایبری قابل قبول هستند، و مشکلات دفاع سایبری آنی وجود دارند که نیاز به انحلال هوشمندتری نسبت به ابزار معرفی شده دارند. درآینده، می‎توان چشم‎انداز امیدوارکننده‎ای از اصول کاملا جدید بکارگیری علوم در مدیریت وضعیت و تصمیم‎گیری را دید. این اصول شامل مقدمه‎ای از یک ساختار علمی سلسله مراتبی و وابسته در یک نرم افزار تصمیم‎گیری می‎باشد.
    یک محدوده‎ی کاربردی به چالش کشیده شده، مدیریت دانش برای شبکه‎ی جنگ محور می‎باشد. تنها مدیریت دانش خودکار می‎تواند ارزیابی سریع وضعیتی تضمین کند که بهترین تصمیم را به رهبران و تصمیم گیرندگان در هر سطح C2 ارائه کند.
    در حال حاضر سیستم‎های خبره در بسیاری از برنامه‎های کاربردی استفاده می شوند، بعضی اوقات در درون نرم‎افزارهای کاربردی پنهان هستند، مانند نرم‎افزار برنامه ریزی اقدامات امنیتی. هرچند سیستم های خبره می‎توانند کاربردهای وسیع‎تری داشته باشند، اگر پایگاه‎دانش آن ها توسعه پیدا کند. این نیازمند سرمایه‎گزاری قابل توجهی در کسب دانش، و توسعه‎ی پایگاه دانش سطح بالا می‎باشد. همچنین توسعه بیشتر تکنولوژی سیستم خبره نیز مورد نیاز است، هم‎پیمان بودن باید در ابزار سیستم خبره معرفی شود، و پایگاه‎های‎دانش سلسله مراتبی باید مورد استفاده قرار گیرد. با توجه به آینده‎ی دور، حداقل چند دهه‎ی پیش رو، شاید ما، نباید خودمان را به هوش مصنوعی باریک محدود کنیم. برخی از مردم به این که هدف اصلی هوش‎مصنوعی توسعه‎ی عمومی هوش‏‎مصنوعی است متقائد شده‎اند. هوش‎مصنوعی عمومی در نیمه‎های قرن حاضر به وجود آمد.
    محققان درباره‎ی توسعه‎ی سریعتر هوش‎مصنوعی درکامپیوتر‎ها هشدار می‎دادند. این توسعه ممکن بود به شگفتی منجر شود. شگفتی، ایجاد فن‎آوریِ هوشمند‎تر از هوش انسان است. چندین فناوری وجود دارد که اغلب در این راستا نام برده می‎شود. شایع‎ترین نام برده شدگان احتمالا هوش مصنوعی است. اما چندین شیوه متفاوت دیگری نیز هستند که اگر آنها به آستانه ی کمال برسند، قادر به ایجاد هوش‎مصنوعیِ هوشمندتر از انسان خواهیم بود. آینده‎ای که شامل هوشی هوشمندتر از هوش انسان باشد واقعا متفاوت است، از این نظر که Ray Kurzweil(نویسنده و آینده نگر آمریکایی) ارزیابی کرده که روند توسعه تا سال 2045 به شگفتی خواهد رسید.
    نباید شگفتی را یک تهدید باور داشت، چون توسعه‎ی سریع فناوری اطلاعات ایجاد قابل توجه هوش‎مصنوعی در نرم‎افزارهای این دوره را به خوبی قادر خواهد ساخت. (با توجه به کارایی خارق العاده‎ی برنامه ی Watson از شرکت IBM).
    در ارائه‎ی وضعیتی از گسترش سریع هوشمندی برنامه های مخرب و مهارت‎های حملات سایبری، توسعه‎ی روش‎های هوش مصنوعی در دفاع سایبری اجتناب ناپذیر است. تجربیات در تسکین حملات DDos این را نشان می‎دهد که حتی یک مقاومت در برابر حملات بزرگ‎مقیاس با کمترین منابع زمانی که روش‎های هوشمند استفاده می‎کنند، می‎تواند موفقیت آمیز باشد. تجزیه و تحلیل‎ها از انتشارات نشان می‎دهد که هوش‎مصنوعی به صورت گسترده‎ای در دفاع سایبری توسط پژوهش در شبکه‎های حسگر هوشمند فراهم می‎شود. کاربردهای شبکه‎های حسگر می‎تواند در دفاع سایبری ادامه یابد. همچنین یک نیاز ضروری برای کاربرد روش های دفاع سایبری هوشمند در محیط های گوناگون، جایی که شبکه‎های حسگر فناوری کارآمدی نیستند وجود دارد. آگاهی وضعیت و مدیریت دانش، و فناوری سیستم‎های خبره از امید بخش‎ترین روش ها در محیط های پشتیبانی تصمیم هستند.
    پایان
    این به درستی واضح نیست که چگونه توسعه سریع هوش‎مصنوعی عمومی ادامه می‎یابد، در هرصورت تهدیداتی وجود دارند که یک هوش‎مصنوعی سطح جدید ممکن است سریع تر از اینکه در دسترس باشد، از آن ها توسط عاملان حمله استفاده شود. ظاهرا، پیشرفت های جدید در فهم دانش، نمایش و بررسی در یادگیری ماشین می‎تواند به خوبی توانایی دفاع سایبری سیستم هایی که از آن ها استفاده می‎کنند باشد.
    نقش هوش مصنوعی در دفاع سایبری | تکفارس
  • 2018/04/29, 22:30
    Sina homaei
    معنای متفاوت باهوش بودن در عصر هوش مصنوعی

    بسپار می نویسد، اندرو ان.جی (Andrew NG) دانشمند چینی-آمریکایی علوم کامپیوتر، هوش مصنوعی را به اختراع برق تشبیه می‌کند، چراکه به نظر او این مقوله برای انسان‌های امروز مرحله گذاری را شکل می‌دهد که برق برای گذشتگان ما به وجود آورده بود. می‌توانم تصور کنم که برق در آن زمان چقدر برای آنها رمزآلود، ترسناک و حتی شوکه‌کننده بود. همان‌طور که اکنون هوش مصنوعی نیز برای بسیاری از ما همین حس را تداعی می‌کند. از نظر اندرو، اسم هوش مصنوعی به خوبی تعبیر نشده است. اختراع برق، دنیا را متحول کرد و شیوه حمل‌ونقل، تولید، کشاورزی و بهداشت را بهبود بخشید. هوش مصنوعی نیز قرار است اثر مشابهی داشته باشد. تکنولوژی اطلاعات، جست‌وجوی وب و تبلیغات در حال حاضر با هوش مصنوعی قوی‌تر شده‌اند. این هوش مصنوعی است که این روزها برای خیلی از مردم در سراسر دنیا تصمیم می‌گیرد که آیا واجد شرایط دریافت وام هستند یا نه. هوش مصنوعی به ما کمک می‌کند پیتزا سفارش دهیم و زمانی را که باید منتظر بمانیم برای ما تخمین می‌زند. حوزه‌های دیگری که تحت تاثیر هوش مصنوعی قرار می‌گیرند، عبارت است از: تکنولوژی مالی، لجستیک، سلامت و امنیت. هوش مصنوعی در حال حاضر به بسیاری از تعاملات امروز ما قدرت می‌بخشد. وقتی به برنامه «سیری» دستور می‌دهید و توصیه‌های نت‌فلیکس را دنبال می‌کنید، می‌دانید که این تعاملات با سیستم‌هایی اداره می‌شوند که از حجم انبوهی از داده برای پیش‌بینی نیازهای شما استفاده می‌کنند. این بازار رو به رشد است. تحقیقات شرکت پژوهشی IDC پیش‌بینی می‌کند تا سال 2020 هوش مصنوعی درآمدزایی در سطح جهانی را به بیش از 47 میلیارد دلار می‌رساند، درحالی‌که این رقم در سال 2016 تنها 8 میلیارد دلار بوده است.

    دانشمندان همچنین پیش‌بینی می‌کنند که اتوماسیون بخش‌های خدماتی و مشاغل حرفه‌ای در ایالات متحده، بیش از 10 برابر بیشتر از تعداد مشاغل تولیدی خواهند بود که تاکنون به شکل اتوماتیک درآمده‌اند. این مساله به احتمال زیاد برای ما بسیار تکان‌دهنده است. با این حساب، ما در جهت آماده شدن برای دنیای جدید چه اقداماتی باید انجام دهیم؟ هوش مصنوعی رقیبی سرسخت‌تر از هر انسانی خواهد بود و ما خواسته یا ناخواسته در یک مسابقه آشفته خواهیم بود تا خود را در این قاب بگنجانیم. این موضوع مستلزم آن است که مهارت‌های دانش‌بنیان و احساسی خود را در سطح بسیار بالاتری نگه داریم. بسیاری از متخصصان بر این باور هستند که هنوز برای مشاغلی که دارای اهمیت زیادی هستند، خلاقیت بیشتری می‌طلبند و نیاز به تفکر نوآورانه دارند و همچنین مشاغلی که مستلزم حضور احساسی برای برآوردن نیاز انسان‌های دیگر است، به وجود بشر نیاز است.

    مشکل بسیاری از ما این است که در این مهارت‌ها دارای برتری نیستیم و علت آن در طبیعت دانش‌پژوه و احساسات شرورانه ما نهفته است: ما متفکرانی هستیم که به دنبال تایید شدنیم و استدلال‌گرانی هستیم که تدافعی به دنبال برآوردن حس امنیت خود هستیم. ما باید بر این تمایل به شر خود غلبه کنیم تا بتوانیم مهارت‌های تفکر، گوش دادن، ارتباط‌گیری و همکاری را به سطوح بالاتری برسانیم. من معتقدم که فرآیند این ارتقا، از تغییر تعبیری که از آن به‌عنوان «باهوش بودن» یاد می‌کنیم، شروع می‌شود. تا امروز بسیاری از ما با «باهوش‌تر بودن» از دیگران آن گونه که از نتایج امتحانات در سال‌های اولیه مدرسه آغاز می‌شود، موفقیت کسب‌ کرده‌ایم. همیشه افراد باهوش آنهایی بوده‌اند که بالاترین نمرات را با کمترین اشتباه به دست آورده‌اند.

    هوش مصنوعی این مفهوم را تغییر می‌دهد، چرا که هیچ راهی وجود ندارد که بشر بتواند بر آن مستولی شود؛ به عنوان مثال، سوپرکامپیوتر واتسون IBM. ماشین‌های هوشمند می‌توانند سریع‌تر و بهتر از ما انسان‌ها اطلاعات را پردازش، ذخیره و بازیابی کنند. به علاوه، هوش مصنوعی می‌تواند سریع‌تر از ما الگوها را با هم تطبیق دهد و ارائه‌های جایگزین و وسیع‌تری از ما ایجاد کند. هوش مصنوعی می‌تواند حتی سریع‌تر یاد بگیرد. در عصر ماشین‌های هوشمند، تعریف قدیمی ما از آنچه یک شخص را باهوش نشان می‌دهد، هیچ معنایی نخواهد داشت. به یک تعریف جدید از باهوش بودن نیاز است؛ تعریفی که سطح بالاتری از تفکر انسان و حضور احساسی او را ارتقا دهد. شخص باهوش در دنیای امروز، آن گونه که می‌دانید یا می‌شناسید تعریف نمی‌شود، بلکه تعریف او به کیفیت تفکر، گوش دادن، برقراری ارتباط، همکاری و یادگیری وابسته است و این حرکت ما را قادر خواهد کرد تمام تمرکز و تلاش خود را به‌کار بگیریم تا مهارت‌های دانش‌پژوهی و احساسی خود را به سطوح بسیار بالاتری ارتقا دهیم.

    ما زمان بیشتری را صرف آموزش خود برای داشتن ذهن باز و به‌روز کردن باورهایمان در پاسخ به دوره‌های جدید خواهیم کرد. ما تمرین خواهیم کرد که بعد از اشتباه، خود را تنظیم کنیم و سرمایه‌گذاری بیشتری در مهارت‌هایی خواهیم کرد که به‌طور سنتی با هوش مصنوعی در ارتباط هستند. باهوش بودن در دنیای جدید یعنی تلاش برای غلبه بر دو مانع بزرگ: تفکر بحرانی و همکاری تیمی. یعنی منیت ما و ترسمان. با انجام این اقدامات، راحت‌تر می‌توانیم حقیقت را همان‌گونه که هست برداشت کنیم، نه آن‌گونه که دلمان می‌خواهد باشد. به عبارت ساده‌تر، باید فروتنی را بپذیریم. این‌گونه است که ما انسان‌ها در دنیای تکنولوژی هوشمند، ارزش خلق خواهیم کرد.

    منبع: دنیای اقتصاد به نقل از
    HBR
    معنای متفاوت باهوش بودن در عصر هوش مصنوعی
  • 2018/04/29, 22:30
    Sina homaei
    هشدار محققان در رابطه با هک شدن هوش مصنوعی رایانه ها

    محققان آژانس امنیت ملی آمریکا در رابطه با امنیت هوش مصنوعی هشدارهایی داده اند و می گویند فناوری هوش مصنوعی و رایانه هایی که توان یادگیری دارند، توسط هکرها و دشمنان سایبری هر کشور قابل استفاده هستند.
    اگر چه ساخت رایانه هایی با توان خودآموزی از جذابیت های علمی و آموزشی و حرفه ای بالایی برخوردار است، اما سواستفاده از این الگوریتم ها می تواند امنیت و آسایش انسان ها را به خطر بیندازد.دکتر دبوراه فینکه رییس واحد تحقیقات آژانس امنیت ملی امریکا معتقد است ممکن است افرادی با نیات بد کنترل این نوع سیستم ها را در دست بگیرند و با توجه به حجم زیاد و ارزشمند داده های تولید شده توسط این رایانه های هوشمند می توان از آنها برای آسیب زدن به افراد و حتی میلیون ها نفر از جمعیت جهان سواستفاده کرد.به گفته وی سواستفاده از رایانه های هوشمند پدیده ای است که در آینده حتما شاهد آن خواهیم بود و اگر از هم اکنون برای مهار این چالش راهی پیدا نشود مشکلات جدی برای بشریت ایجاد خواهد شد.هکرها می توانند پس از نفوذ به شبکه های عصبی مورد استفاده رایانه های هوشمند، اطلاعات غلطی به آنها تزریق کنند و از این داده های غلط به منظور آموزش اشتباه به آنها و سواستفاده های بعدی نهایت استفاده را بکنند.وزارت دفاع آمریکا که از هم اکنون با نگرانی نسبت به این مساله در تلاش برای کنترل دقیق شبکه های عصبی یاد شده است تا در صورت لزوم آنها را از دسترس دشمنان خود مخفی کند. همچنین قرار است آموزش هایی به این شبکه ها داده شود تا آنها از پذیرش و اجرای دستورات افراد غیرمجاز و تعریف نشده خودداری کنند.
    هشدار محققان در رابطه با هک شدن هوش مصنوعی رایانه ها - برسام
  • 2018/04/29, 22:29
    Sina homaei
    2018: سال همسویی بلاکچین، هوش مصنوعی و اینترنت اشیا

    مترجم: مریم لطانی
    سال 2017، سالی بود که ارزهای رمزنگاری شده تبدیل به یک جریان اصلی شد.
    اما آنچه که برای بسیاری از ما که در طی چند سال گذشته سرمایه گذاری کرده‌اند، بسیار هیجان انگیز است، توسعه فناوری پایه آن است.
    فناوری بلاکچین، که پایه بیشترین ارزهای رمزنگاری شده را در اختیار دارد، در مراحل ابتدایی قرار دارد. در سال گذشته، شاهد نتایج مثبت استفاده از این فناوری بودیم. از جمله بورس اوراق بهادار استرالیا که اعلام کرد پس از اجرای همروند هر دوسیستم، بلاکچین را جایگزین سیستم موجود فرآیندهای تجاری خود خواهد کرد.
    این رویداد برای بسیاری یادآور تبدیل فرآیندهای شرکت‌های بزرگ از مدل کلاینت سروری به تحت وب در اواخر دهه 90 و اوایل قرن 20 ام می‌باشد که طی آن زنجیره تامین و فرآیندهای تدارکاتی به وضعیت آنلاین تبدیل شد. تحقیقات گسترده‌ای برای سرمایه گذاری (ROI) انجام شد تا توجیه هزینه‌های پیشنهادی جایگزین کردن سیستم‌های فعلی را داشته باشند. اکنون بعد از گذشت بیست سال، با وجود آنکه بسیاری از شرکت‌ها ریسک این کار را بالا می‌دیدند ولی نتیجه این تحقیقات مشهود است.
    پیش بینی می‌شود که در سال 2018 شرکت‌های بیشتری را در صنایع مختلف خواهیم دید که به فناوری بلاکچین برای ایجاد کارایی بیشتر (و مدل‌های جدید کسب و کار در آینده) روی خواهند آورد.
    زمانی که صندوق سرمایه گذاری (Future\Perfect Ventures) در سال 2014 راه اندازی شد، ازترکیب بلاکچین با سایر فناوری‌های در حال ظهور، از جمله ماشین‌های یادگیرنده/هوش مصنوعی، امنیت و اینترنت اشیا بسیار هیجان زده بودیم. از این رو انتظار می‌رود که سال 2018، سالی باشد که ما شاهد همسویی این فناوری‌ها برای ایجاد سیستم عامل‌های محاسباتی و ارتباطی غیرمتمرکز آینده خواهیم بود.
    غیر متمرکزسازی، به واسطۀ ماهیت خود، مستلزم آن است که بیشتر اطلاعات به جای ذخیره در یک سرور مرکزی به گره‌ها منتقل شوند.
    ما همچنان شاهد توسعه نیمه هادی‌هایی هستیم که قادر به پردازش پیشرفته در دستگاه‌های کوچکتر و کوچکتر هستند. هرچه تجهیزاتی که در لبه شبکه قرار می‌گیرند، هوشمندتر باشند، قراردادهای هوشمندی که در ساختار بلاکچین فعال می‌شوند، با قابلیت‌های پیشرفته‌تری در تجزیه و تحلیل داده‌ها کار می‌کنند.
    در دسترس بودن اطلاعات بیشتر و پردازش دقیق در گره‌ها، مجموعه وسیعی از داده‌ها را در اختیار شرکت‌ها و افراد دیگر قرار خواهد داد و جایگزین مالکیت داده اختصاصی که در حال حاضر برای شرکت‌هایی مانند فیس بوک و گوگل وجود دارد، خواهد شد. مهم‌تر این که این داده‌ها متنوع و نمایانگر جهانی هستند که ما در آن زندگی می‌کنیم، نه داده‌های فیلتر شده توسط چند شرکت که در یک جغرافیای خاص قرار دارند.
    همه این ها ممکن است در سال آینده رخ ندهند، ولی ما حرکت اجتناب ناپذیری را به سوی آینده آغاز کرده‌ایم، که حتی انقلابی تراز اینترنت خواهد بود.
  • 2018/04/29, 22:29
    Sina homaei
    پر کردن خلا نیروی انسانی سایبری با هوش مصنوعی


    کمبود نیروی انسانی برای مقابله با تهدیدات سایبری باعث شده شرکت‌ها به توان ماشین روی بیاورند. بسیاری از افراد داوطلب کار در امنیت سایبری دارای سطح مهارتی کافی نیستند و این مساله باعث مشکلاتی در جذب نیرو برای صنعت سایبری شده است. به گفته انجمن کنترل و بازرسی سیستم‌های امنیتی کمتر از یک نفر از هر چهار نفری که برای شغل‌های امنیت سایبری درخواست می‌دهند، احراز صلاحیت می‌شوند. به پیش‌بینی این سازمان تا سال 2019 کمبود نیروهای شایسته باعث کمبود دو میلیون متخصص امنیت در سراسر جهان خواهد شد. از سوی دیگر مجرمان سایبری می‌توانند هزاران کامپیوتر را در قالب بات‌نت‌ها فرماندهی کنند و آن‌ها را برای حمله‌های سایبری به کار گیرند.
    در واکنش به این مساله بعضی شرکت‌ها در حال تکیه بر هوش مصنوعی هستند تا حجم زیاد کار امنیتی خود را مدیریت کنند. یکی از این شرکت‌ها Booz Allen Hamilton است که برای مدیریت کاراتر نیروهای انسانی امنیتی از هوش مصنوعی بهره می‌برد. هوش مصنوعی مسائل امنیتی را اولویت‌بندی می‌کند تا کارشناسان انسانی بتوانند روی مسائل حساس‌تر تمرکز کنند.
    بعضی شرکت‌های کوچک‌تر از خدمات مبتنی بر هوش مصنوعی شرکت‌هایی مثل Trustwave استفاه می‌کنند. به گفته Trustwave حدود 60 درصد از کمپانی‌هایی که در نظرسنجی آن‌ها شرکت کرده اند، اظهار داشتند که حدود نیمی از کارکنان امنیتی آن‌ها دارای مهارت‌های لازم برای مقابله با تهدیدات پیچیده هستند. با کمک هوش مصنوعی می‌توان با نیروی کار کمتری با تهدیدات مقابله کرد.
    یک نمونه جالب توجه شرکت Daqri (تولیدکننده عینک‌های واقعیت افزوده برای کاربردهای مهندسی) است که با 300 کارمند، تنها یک نفر را به تحلیل سایبری گمارده است. بخش دیگر وظایف امنیتی توسط هوش ماشین انجام می‌شود که داده‌های دریافتی از حدود 1200 دستگاه شرکت را رصد می‌کند.
    منابع:
    technologyreview

    isaca

    آزمایشگاه تخصصی آپا دانشگاه سمنان( Semnan University CERT Lab. (Computer Emergency Response Team - اخبار > پر کردن خلا نیروی انسانی سایبری با هوش مصنوعی
این موضوع پیش از این 10 پاسخ داده شده . کلیک کنید جهت مشاهده کامل موضوع .

مجوز های ارسال و ویرایش