Искусственный интеллект научился предсказывать хакерские атаки с точностью до 85 процентов

МЕНЮ


Новости искусственного интеллекта
Поиск

ТЕМЫ


Big data
Беспилотный автомобили
БПЛА
генетические алгоритмы
Головной мозг
дополнительная реальность
ИИ проекты
искусственный интеллект
квантовые компьютеры
Кластеризация
Машинное обучение
нейронные процессоры
нейронные сети
Нейронные сети: искусственные
Нейронные сети: реализация
облачные вычисления
Поведение животных
Психология
распознавание образов
робототехника и БПЛА
Семинары
суперкомпьютеры
Теория эволюции
Трансгуманизм

АРХИВ


Апрель 2016
Март 2016
Февраль 2016
Январь 2016
Декабрь 2015
Ноябрь 2015
Октябрь 2015
Сентябрь 2015
Август 2015
Июль 2015
Июнь 2015
Май 2015
Апрель 2015
Март 2015
Февраль 2015
Январь 2015
Декабрь 2014
Ноябрь 2014
Октябрь 2014
Сентябрь 2014
Август 2014
Июль 2014
Июнь 2014
Май 2014
Апрель 2014
Март 2014
Февраль 2014
Январь 2014
Декабрь 2013
Ноябрь 2013
Октябрь 2013
Сентябрь 2013
Август 2013
Июль 2013
Июнь 2013
Май 2013
Апрель 2013
Март 2013
Февраль 2013
Январь 2013
Декабрь 2012
Ноябрь 2012
Октябрь 2012
Сентябрь 2012
Июль 2012
Июнь 2012
Май 2012
Апрель 2012
Март 2012
Февраль 2012
Январь 2012
Декабрь 2011
Ноябрь 2011
Октябрь 2011
Сентябрь 2011
Август 2011
Май 2011

RSS


RSS новости
свиной грипп
new balance кроссовки

Новостная лента форума ailab.ru

2016-04-19 21:18

искусственный интеллект











MIT

Ученые из Массачусетского технологического института создали систему искусственного интеллекта, которая определяет предстоящую кибер-атаку с точностью до 85 процентов. Свою работу исследователи представили на конференции IEEE International Conference on Big Data Security.

Платформа, названная AI2, представляет собой end-to-end систему, которая может обучаться, получая обратную связь от человека. Она состоит из четырех основных компонентов: системы обработки больших данных, системы обнаружения подозрительной активности, механизма обратной связи и непрерывного обучения и контролируемого модуля обучения.

AI2 работает с логами с активного сетевого оборудования и журналом фаерволла. Она выявляет аномальную активность, объединяя полученные данные в группы при помощи машинного обучения. После этого, результаты предоставляются аналитику, который должен определить, являлась ли активность хакерской атакой, а затем ввести эти данные в систему.


Исследователи протестировали свою платформу на 3,6 миллиардах веб-логов (веб-логи - записи с промежуточного оборудования, однако авторы работы не уточняют, откуда именно получены логи, с серверов или активного сетевого оборудования). В ходе анализа система смогла определить хакерскую атаку с точностью до 85 процентов. Кроме того, платформа давала ложный положительный результат в пять раз реже, чем существующие системы определения атак.

По словам исследователей, со временем система будет становиться только более эффективной. «Чем больше атак будет обнаруживать платформа, тем больше обратной связи от аналитиков она получит, что, в свою очередь, поможет улучшить точность предсказаний», - сообщает один из авторов исследования.


Кристина Уласович

nplus1.ru

Создать тему для обсуждения на форуме ailab.ru


кроссовки нью баланс