Можливості штучного інтелекту допомагають підприємствам вирішувати або зменшувати проблеми безпеки. При цьому мова йде як про фізичну безпеку, наприклад на території підприємства, так і технічну безпеку, наприклад у мережах підприємства (безпека комп'ютерних мереж).
Вступ
Як зробити так, щоб комп'ютерне програмування розпізнав шпигунів, які ховаються на території компанії? Чи може комп'ютерне програмування розпізнати шпигуна за допомогою звуків або сигналів руху, повідомлених сенсорами?
Я особисто (довголітня досвід у розробці програмного забезпечення) мені б дуже важко було написати програму, яка за моїми конкретними, запрограмованими вимогами зможе виконувати такі завдання.
Аби відповісти на вищезгадані питання, сьогодні досить лише одне запитання: Чи зможе людина це зробити? Відповідь очевидна: Так. Доведення: Вахтовий персонал може помітити порушників шляхом огляду моніторів або шляхом патрулювання території досить надійним чином. Що працює у реальному житті, діє також для мереж, як внутрішнє інтернет-мережа компанії. Там фахівці зі безпеки визначають, чи слід вважати, що відбувається зовнішній напад (або рідко навіть через зловісних співробітників).
Кібернетична інтелект вивчає шляхом прикладів. Конкретні завдання не повинні бути попередньо програмовані. Натомість досить прикладів.
Як людина це робить? Найпростіша відповідь: за допомогою свого Головного мозку. Повна відповідь: ніхто не знає. У будь-якому разі людина вчиться на основі Прикладів. В ранньому віці ці приклади особливо представлені батьками дитини. Цей процес називається тоді Вихованням.
З допомогою сучасних методів штучного інтелекту машини можуть виконувати те саме, що й люди, або навіть краще. У будь-якому разі відомо, що машина не втомлюється, а людина вже так. Машини завжди хочуть виконати завдання, яке їм було призначено, навпаки від людини. Машини дорожчі за співробітників.
Аби отримати КІ-систему, яка задовольнить складну задачу (або добре або дуже добре або видатно), потрібно лише навантажити її великою кількістю прикладів. Так само як і у людини. Коли КІ-система досягне певного рівня інтелекту, для нових завдань досить буде декілька прикладів. Так само як і у людини.
З огляду на особливості сучасних алгоритмів штучного інтелекту я вважаю, що вони наслідують функціонування людського мозку. Дотепер ніхто мені не зміг показати, що моя гіпотеза помилкова.
Застосування у сфері безпеки
Аби визнати шпигунів, сигнали повинні бути класифіковані. Ці сигнали можуть надходити від камер, мікрофонів або датчиків руху.
Класифікація є рівнозначним до Шухлядного мислення. Так, наприклад, особи на території підприємства можна було б розрізнити наступним чином:
- Незначний пішохід чи клієнт
- Санітарний працівник або будівельний робітник
- Вбивці
Умисленим робітником-розбійнику слід визнати, навіть якщо людина була ідентифікована як майстер. З допомогою Зуверсітовірт можна керувати тим, чи буде встановлений тихий або голосний сигнал тривоги, можливо під прямим і автоматичним зверненням поліції або інших охоронців.
Аналітичні результати, які відбуваються протягом певного періоду часу, можна розглянути окремо, щоб виявити підкреслені події, які хоча й не мають особливого значення у цілому, але є досить важливими. Таким чином навіть порушники можуть бути визнані ті, хто завжди лише трохи відхиляється від звичного поведінки людини, яку можна було б вважати безпечним сучасником.
Дуже саме таке ж метод, який можна використовувати для виявлення порушників на території компанії, також можна використовувати для виявлення хакерів у інформаційних системах. Різниця полягає в сенсорах, тобто даних входу. Що на території компанії є камерою, то в комп'ютерному мережі наприклад це Фаєрвол.
Усіх місць, де існують сенсори та інші дані вхідні, фізичні чи програмно-технічні, можуть бути застосовані алгоритми КІ для питань безпеки. Дані без сенсорності зустрічаються у формулярах контактних даних або при виклику URL, який хакери люблять додати критичні параметри безпеки.
Рекомендації
Хтось, хто хоче ввести цілком несумісні дані в третє систем, наприклад ChatGPT, може це зробити. Очікується, що дані часто мають особистий характер або навіть стосуються бізнес-інформації. Іноді дані не дуже важливі, але все ж повинні зберігатися у секреті з огляду на конкуренцію.
Система, подібна до ChatGPT, також дуже повільна та платна. З часом навіть при середній інтенсивності використання виникнуть витрати у кілька сотень або тисяч євро на місяць лише за рахунок використання інтерфейсу OpenAI.
Локальні системи, тобто КІ-системи, які працюють на власних комп'ютерах, краще. Сервери або провайдери, розташовані у США, мають загальне проблему з захистом даних (прізвисько: Privacy Shield – Schrems II). Ці проблеми захисту даних розчиняються в повітрі місцевими системами. Також кожен розумний людина краще зберігатиме бізнес-секрети у власній системі, ніж розповсюджувати їх по всій світовій історії.
Завдяки мінімальному зусиллям можна створити системи штучного інтелекту високої якості. Якщо потрібна допомога, зверніться до мене.
Зображення до цього повідомлення було створене не лише за допомогою локальної на моїй системі AI, але й після того ще майже без втрат збільшено розмір (я роблю це зокрема тоді, коли публікації друкуються на папері). Цей спосіб збільшення зображень можна застосувати навіть до знімків камер спостереження.
Мій внесок опублікований у Секретний радник і вище коротко викладений іншими словами.
My name is Klaus Meffert. I have a doctorate in computer science and have been working professionally and practically with information technology for over 30 years. I also work as an expert in IT & data protection. I achieve my results by looking at technology and law. This seems absolutely essential to me when it comes to digital data protection. My company, IT Logic GmbH, also offers consulting and development of optimized and secure AI solutions.
