सामग्री
प्रश्नः
अँटी-मालवेयर अनुप्रयोगांमध्ये मशीन शिक्षण कसे वापरले जाते?
उत्तरः
मालवेअर हल्ल्यांच्या शीर्षस्थानी राहण्याचे आव्हान ते प्रथम ठिकाणी कधी होते हे ओळखणे आहे.
पूर्वी, वापरकर्ते आठवड्यातून एकदा किंवा त्यांच्या हार्ड ड्राइव्हवर स्कॅन चालविण्यास सामग्री असतील, परंतु इंटरनेटसह, मालवेयर हल्ले द्रुतपणे पसरतात. सुरक्षा सॉफ्टवेअर उत्पादक मालवेयरवरील हल्ले शोधण्यासाठी आणि थांबविण्यासाठी कृत्रिम बुद्धिमत्तेकडे वाढत आहेत.
अँटी-व्हायरस प्रोग्राम स्वाक्षर्‍यावर आधारित आहेत व्हायरसच्या वर्तनवर. अडचण अशी आहे की बर्‍याच संगणकांसह, नवीन व्हायरसचा उद्रेक कधी होतो याचा मागोवा ठेवणे कठिण आहे.
बर्‍याच अँटी-व्हायरस निर्मात्यांसह मेघकडे जात असल्यामुळे, त्यांना जगभरातील संगणकांमधून रिअल-टाइम डेटाचे विश्लेषण करण्याची संधी मिळते. पूर्वी अँटी-व्हायरस विकसक उद्रेक पाहू शकतात, अद्यतने जारी करतात आणि काही दिवसांत विषाणूस थांबवू शकतात, जेव्हा यापूर्वी काही दिवस गेले असतील. ही कृत्रिम बुद्धिमत्ता आहे जी हे शक्य करते. एआय-आधारित अँटी-व्हायरस व्हायरसच्या लक्षणांकरिता असामान्य वर्तनाचे विश्लेषण करू शकते.
एआय अँटी-व्हायरसचे एक उदाहरण म्हणजे विंडोज १० वरील मायक्रोसॉफ्टचे विंडोज डिफेंडर. डिफेंडर सिस्टम अ‍ॅक्टिव्हिटीकडे पाहतो आणि बर्‍याच मेमरीचा वापर करून मायक्रोसॉफ्ट वर्ड सारख्या असामान्य क्रियाकलापांना ध्वजांकित करतो. हे विकसकांना कदाचित मालवेयरच्या नवीन तुकड्यावर व्यवहार करीत असल्याचा सुगावा लागू शकेल.
मशीन लर्निंग प्रोग्राम्स प्रथम सामान्य वर्तन काय आहे ते शिकतात आणि कदाचित काही चुकीचे असू शकते.
WannaCry सारख्या मोठ्या ransomware हल्ल्यांसह, मालवेयरमध्ये खंडणी भरण्याचा प्रयत्न करण्याच्या प्रयत्नात आणि गमावलेला डेटा आणि उत्पादकता यामध्ये व्यवसायांवर भरपूर पैसे खर्च करण्याची क्षमता असते.
मालवेयर विकसक अधिक व्यावसायिक आहेत आणि ते अँटी-व्हायरस डेव्हलपरसह शस्त्रास्त्र स्पर्धेत गुंतलेले आहेत. एआय आणि मशीन लर्निंगचा वापर एंटी-व्हायरस डेव्हलपरना सिस्टम सुरक्षित ठेवण्याची धार देऊ शकतो.
क्लाऊड आणि एआय च्या संयोजनामुळे अँटी-मालवेयर प्रोग्राम्स भूतकाळातील हल्ल्यांपेक्षा हल्ले थांबविण्यासाठी अधिक द्रुतगतीने हलू शकतात.