Vědci převádí do obrazů pc. viry a učí umělou inteligenci je rozpoznat
46 POSITIV 2/2024
BUSINESS
Pomocí matematické metody je výzkumníci převedli
do vizuální podoby a následně předali umělé inteli-
genci. Ta dokáže velmi úspěšně odhalit, zda se jedná
o „dobrý“ nebo nebezpečný software, tedy malware.
Vedle vizuálně poutavého zobrazení počítačových
záškodníků zvyšuje navržená metoda přesnost jejich
detekce a přináší nové poznatky o jejich chování.
„Vyvinuli jsme metodu, která dokáže monitorovat dy-
namické chování malware a převést je pomocí fraktální
geometrie, což je odvětví matematiky zabývající se vel-
mi členitými útvary a jejich zobrazením, do velmi hezké
vizuální podoby. Následně se obrazy probírala umělá
inteligence a učila se rozeznávat špatný software od
dobrého. Předali jsme jí asi 130 000 obrázků ve dvou
typech experimentů, z toho polovina byl goodware
a polovina malware. Poté jsme jí předložili zcela nezná-
mé viry a chtěli po ní vyhodnocení. Dokázala malware
rozeznat s úspěšností až 91 procent a stále se zlepšuje,“
popsal metodu její autor Ivan Zelinka z FEI, který vý-
sledky spolu s kolegy publikoval v odborném časopise
Mathematics and Computers in Simulation.
Studie otevírá nové cesty ve výzkumu malware a uka-
zuje, že fraktální geometrie může výrazně zlepšit jejich
vizualizaci a klasifikaci. „Vzhledem k tomu, že se ob-
last kybernetické bezpečnosti vyvíjí a stále se objevují
nové hrozby, budou podobné interdisciplinární meto-
dy zásadní pro to, abychom si před těmito nebezpečí-
mi zachovali náskok. Proto ve výzkumu pokračujeme
a po dynamických analýzách se zaměřujeme i na ty
statické, které jsou pro odhalení nebezpečných virů
v praxi rychlejší,“ objasnil Zelinka.
Řadu přínosů má ale i jím vyvinutá metodika na základě
dynamické analýzy. Poskytuje totiž informace i o řadě
detailů v chování malware v reálném čase. „Metoda s po-
mocí dynamické analýzy je důležitá pro další výzkum,
Text a foto:
VŠB-TUO
Vědci převádí do obrazů
počítačové viry a učí
umělou inteligenci
je rozpoznat
Předali jsme jí asi 130 000 obrázků ve dvou
typech experimentů, z toho polovina byl
goodware a polovina malware. Poté jsme jí
předložili zcela neznámé viry a chtěli po ní
vyhodnocení. Dokázala malware rozeznat
s úspěšnos až 91 procent a stále se zlepšuje.