Deep Learning em segurança cibernética: a ferramenta definitiva

Publicado por Eva Moya - 12/12/2017

Em maior ou menor medida, todos assistiram ou ouviram falar do conhecido filme Blade Runner – O Caçador de Androides, do famoso diretor Ridley Scott. Esta obra futurista de 1982 reinventa um mundo onde as máquinas são capazes de pensar por conta própria e de tomar decisões.

Nos anos 80, a ideia de que as máquinas tivessem tanto nível de autonomia graças à inteligência artificial poderia parecer muito longínqua, apesar dos grandes avanços informáticos da época. 

No entanto, hoje em dia, pensar que elas podem desenvolver esta capacidade é considerado algo muito mais próximo e capaz de se tornar realidade em breve. 

Sem dúvida, um dos casos mais surpreendentes é o robô humanoide Érica. Criado pelo professor Hiroshi Ishiguro, é capaz de manter uma conversa de forma natural e, inclusive, fazer piadas. 

Entretanto, a Inteligência Artificial não tem que necessariamente aparentar a forma de um ser humano. Neste sentido, outro caso muito falado é o do veículo sem motorista da Google

Ano após ano, mês após mês, investigadores do mundo inteiro avançam no desenvolvimento de novos aplicativos baseados nesta disciplina e, como não podia deixar de ser, o setor da segurança cibernética também tem muito a oferecer neste sentido. 

De fato, a reconhecida consultoria TATA foi muito clara a este respeito: “a segurança cibernética é o setor que mais está impulsionando a adaptação de sua tecnologia rumo à Inteligência Artificial”. Por outro lado, também afirmam em seu estudo sobre Tendências Mundiais que as empresas planejam implementar a Inteligência Artificial em outras áreas além da TI, de maneira que, em 2020, espera-se que ela esteja presente em quase todas as áreas de uma empresa. 

machine-learning.jpg

Devido a isso, no mercado da segurança cibernética se escutam cada vez mais terminologias deste tipo associadas a produtos e programas. 

Em termos gerais, a Inteligência Artificial é a disciplina que impulsiona a simulação de processos da inteligência humana em máquinas, basicamente para que estas aprendam por conta própria. Dentro dela se encontra a especialização do Machine Learning, que envolve aquelas máquinas capazes de aprender de forma dirigida. Por último, como um subconjunto do Machine Learning, encontramos o Deep Learning ou aprendizagem profunda, na qual as máquinas são capazes de aprender por conta própria.


O Machine Learning dentro da Inteligência Artificial

Conforme seu nome indica, trata-se de dirigir uma máquina para que seja capaz de aprender, resolver problemas e tomar decisões. 

Com base em modelos estatísticos, para conseguir isso se induz um exemplo ou um estímulo (parsing de dados) que é processado pelos algoritmos para extrair um modelo sobre o qual serão tomadas as decisões de forma automática. O segredo do sucesso será escolher de forma apropriada o estímulo com o qual a inteligência deve ser alimentada. 

Um exemplo claro poderia ser o buscador do Google. Milhões de pessoas realizam determinadas buscas em função de onde moram, do seu horizonte de tempo, etc.  Conforme clicam nos links que lhes interessam, o buscador pode desenvolver seu próprio modelo para adiantar qualquer tipo de tendência.

machine-learning-02.jpg

O Deep Learning dentro do Machine Learning

O Deep Learning é uma especialização do Machine Learning na qual os próprios algoritmos da máquina devem aprender por si mesmos através de seus próprios critérios para chegar a tomar as decisões.  

Estes algoritmos se baseiam em redes de neurônios e camadas, que funcionam como um pequeno cérebro. O segredo do sucesso consiste em definir como será a arquitetura deste cérebro. 

Por exemplo, é utilizado hoje em dia para melhorar as previsões de terremotos e de sua intensidade. 
 
 O seguinte diagrama serve de resumo para reconhecer rapidamente de que tecnologia estamos falando
.

deep-learning-ai-machine-learning-PT.png

O Deep Learning contra o malware e a fraude online 

O setor do crime-as-a-service evolui rapidamente, colocando à disposição dos criminosos cibernéticos novos desenvolvimentos cada vez mais inovadores e que assegurem o alcance de seus objetivos.

Estes desenvolvimentos se tornaram ameaças dinâmicas, capazes de se adaptar à segurança implementada pelos usuários e pelas organizações para combater a delinquência cibernética.

Assim, a classificação do malware é, sem dúvida, um dos grandes desafios. O malware que hoje parece “estar na moda”, amanhã já será obsoleto e substituído por outro com novas características totalmente diferentes ou melhoradas.

Ao mesmo tempo, os malware mais atuais ainda convivem com formas mais antiquadas, que continuam sendo utilizadas por delinquentes cibernéticos que não contam com um suporte de inovação. Portanto, a classificação no ecossistema do crime cibernético é muito complexa
.

deep-learning-01.jpg

Diante de um contexto como este, as listas negras e os indicadores de compromisso (IOCs) próprios da Cyber Threat Intelligence não são suficientes para resolver a ameaça, já que esta, no momento em que detecta que foi identificada, se transforma. 

O maior ponto forte do Deep Learning para a segurança cibernética é que permite aprender deste dinamismo em tempo real e desenvolver os novos critérios de classificação sem a intervenção humana. Graças a isso, a detecção e a classificação se tornam muito mais efetivas e proativas. 

Por outro lado, suas aplicações são infinitas. No caso da buguroo, por exemplo, também o utilizamos junto ao nosso desenvolvimento de identificação baseado na biometria do comportamento (biometric behavior), que nos permite reconhecer rapidamente se é uma pessoa ou um bot que está interagindo com um computador, se um criminoso cibernético está tentando roubar a identidade de um usuário (Account TakeOver), ou se um delinquente está interagindo com a conta de um usuário em qualquer parte do mundo (Remote Access Trojan)
.


 

Topics: deep learning, segurança cibernética


Notícias relacionadas

Malware para criptomoedas: uma mistura explosiva

read more

Top 3 países de cibercriminosos especializados em fraude online

read more

Cibercriminosos do setor financeiro: compreendendo os "malvados" que estão por trás do teclado

read more