AI-model opnår 98,53% nøjagtighed i detektering af ransomware på smarte enheder

Videnskabsfolk har udviklet en AI-model, der opdager ransomware i IoT-enheder med stor nøjagtighed, ved at bruge dyb læring og optimeringsteknikker til cybersikkerhed.

Et team af forskere har i dag uddybet deres resultater i en Scientific Reports artikel udgivet af Nature, hvor de introducerer en avanceret AI-drevet model designet til at opdage og forhindre ransomware-angreb på smarte enheder.

Med den hurtige udvidelse af Internet of Things (IoT) teknologi i hjem, sundhedssektoren og industrien, er cybersikkerhedstrusler blevet en voksende bekymring.

Ransomware, en af de mest farlige cybertrusler, låser brugere ude af deres systemer, indtil de betaler en løsesum. Forskerne forklarede, hvordan traditionelle sikkerhedsforanstaltninger ofte fejler i at opdage og forhindre disse udviklende angreb, hvilket har fået forskere til at udforske AI-løsninger.

Deres nyligt udviklede model, kaldet Multi-head Attention-Based Recurrent Neural Network with Enhanced Gorilla Troops Optimization (MHARNN-EGTOCRD), forbedrer signifikant nøjagtigheden af ransomware-detektion ved hjælp af maskinlæringsmetoder.

Modellen normaliserer først indkommende data ved hjælp af min-max-normalisering, hvilket sikrer effektiv behandling. Derefter anvender den Dung Beetle Optimization (DBO) – inspireret af, hvordan billelarver lokaliserer mad – til at filtrere unødvendig information ud og fokusere kun på de mest relevante cybersikkerhedstrusler.

I bund og grund udnytter systemet et Multi-head Attention og Long Short-Term Memory (MHA-LSTM) netværk, en avanceret deep learning metode, der hjælper med at opdage komplekse angrebsmønstre.

Ved at analysere tidligere ransomware-adfærd, kan AI forudsige og markere potentielle angreb, før de fuldt ud udføres. Desuden er systemet finjusteret ved hjælp af Enhanced Gorilla Troops Optimization (EGTO), hvilket optimerer AI’s indstillinger for maksimal effektivitet.

Ved testning opnåede modellen en imponerende nøjagtighed på 98,53% i detekteringen af ransomware, hvilket overgår traditionelle metoder inden for cybersikkerhed. Denne høje præcision indikerer, at AI kunne blive et kraftfuldt værktøj i kampen mod cyberkriminalitet, især når det gælder om at beskytte smarte enheder mod sofistikerede angreb.

Forskerne mener, at deres model kunne integreres i eksisterende cybersikkerhedssystemer, hvilket ville give en tidlig advarsel mod ransomware-angreb.

Da IoT-enheder fortsætter med at udvide sig i hverdagen, er det afgørende at styrke deres sikkerhed for at forhindre økonomiske og datatab. Ved at kombinere naturinspirerede optimeringsteknikker med dyb læring, repræsenterer denne AI-model et betydeligt fremskridt inden for cybersikkerhed.