Mašine moraju da nauče samoodbranu da bi zaštitile internet stvari

SMARTFONI KRČE PUT

Smartfoni su idealni za sprovođenje testova za mašinsko učenje na uređajima: snažni grafički procesori kakve danas srećemo u jačim modelima smartfona su u stanju da obavljaju hiljade hardverskih zadataka istovremeno, maksimizirajući propusnost. Mnoge funkcije koje danas koristimo – kao što su računarska fotografija, digitalni asistenti, prepoznavanje govora, predviđanje teksta, prepoznavanje lica – već koriste neku vrstu mašinskog učenja.

Tu je i rastući krug za omogućavanje mašinskog učenja, koji povećava bezbednost putem novih tehnologija kao što su prepoznavanje na osnovu konteksta ili prepoznavanje ponašanja. Očitavanjem podataka sa svog akcelerometra i drugih senzora, vaš smartfon može da nauči puno toga o vama – kako kucate ili prevlačite prstom preko ekrana, kako naginjete svoj telefon kada unosite PIN, vaš puls u stanju mirovanja a čak i vaš način hodanja. Ovi podaci se mogu iskoristiti da se napravi slika o vama, i ako se ta slika drastično promeni, telefon može da primeni dodatne mere bezbednosti.

Uloga mašinskog učenja u bezbednosti mreža takođe raste. Mehanizmi koji prate specifične vektore ponašanja u uređaju (snaga, zadaci, memorija uređaja) i u mreži (protok, saobraćaj, duboka analiza podataka) oslikavaju detaljnu sliku sistema u svom normalnom stanju i u stanju kada je pod napadom. Z9 Mehanizam za detekciju pretnji kompanije Zimperium, koja se bavi mobilnom bezbednošću, baziran je na mašinskom učenju i trenutno je ponuđen korisnicima japanske kompanije SoftBank u vidu aplikacije koja obaveštava korisnika o neočekivanoj aktivnosti na mreži poput pokušaja da se poveže na neovlašćenu Wi-Fi pristupnu tačku.

Verovatno ćemo sve više viđati rutinsko izolovanje sveže instaliranih aplikacija prouzrokovano mašinskim učenjem. Baš kao što su se rimski imperatori oslanjali na probače hrane da ih zaštite od otrovane hrane, mašinsko učenje će preuzeti ovu ulogu u bezbednosti smartfona tako što će prvo poterati preuzetu aplikaciju u nekom bezbednom kutku, prateći njeno ponašanje i šablone saobraćaja za bilo šta što je nepoželjno.