This post is also available in:
English (אנגלית)
מערכות אבטחת סייבר מודרניות מתמודדות עם בעיית היקף. רשתות מייצרות כמויות עצומות של תעבורה, ופעילות זדונית יכולה להסתתר בין מיליוני אינטראקציות שגרתיות. לכן, גילוי מתקפה תלוי יותר ויותר ביכולת לזהות סטיות קטנות מדפוסי ההתנהגות הרגילים, עוד לפני שהן מתפתחות לאירוע רחב יותר.
חוקרים פיתחו ארכיטקטורת למידה עמוקה חדשה המשלבת שלוש גישות של רשתות נוירונים במטרה לשפר את זיהוי החריגות בתעבורת רשת. על פי דיווח של TechXplore, המערכת נועדה לזהות הן מאפיינים חריגים נקודתיים והן דפוסים חשודים שמתפתחים לאורך זמן.
הרכיב הראשון הוא רשת נוירונים עמוקה (DNN), שמנתחת מספר רב של מאפייני תעבורה ומחפשת קשרים מורכבים ביניהם. לצדה פועלת יחידה חוזרת דו־כיוונית עם שערים (BiGRU), המתמחה במידע רציף ובוחנת את הקשרים בתוך דפוסי התעבורה בשני הכיוונים.
שני הרכיבים משתמשים גם במנגנון קשב, שמאפשר למודלים להעניק משקל רב יותר לנקודות המידע הרלוונטיות ביותר לזיהוי חריגה. לאחר מכן משולבים הפלטים שלהם ומועברים לפרספטרון רב־שכבתי (MLP), שמבצע את הסיווג הסופי.
בבדיקות שנערכו על שני מאגרי נתונים מקובלים להשוואת ביצועים, השיגה המערכת דיוק אימות של כ־99%. החוקרים דיווחו גם על תהליך אימון יציב ועל עמידות ויכולת הכללה גבוהות יחסית.
הגישה עשויה לחזק את ההגנה מפני איומים כמו מתקפות מניעת שירות, סריקות רשת וניסיונות גישה בלתי מורשית. אולם במובן הרחב יותר, היא מדגימה רעיון שרלוונטי הרבה מעבר לאבטחת סייבר: לזהות סכנה באמצעות זיהוי הרגע שבו ההתנהגות מפסיקה להיראות רגילה.
בתחום ביטחון המולדת, אותו עיקרון כללי הופך לחשוב יותר ויותר גם בעולם הפיזי. במקום לנתח חבילות מידע שעוברות ברשת, טכנולוגיות אבטחה יכולות לנתח תנועה, דפוסי התנהגות, מדדים פיזיולוגיים או אותות נצפים אחרים, במטרה לזהות פעילות חריגה בסביבות הומות אדם.
המטרה רלוונטית במיוחד בתחנות רכבת, מרכזי קניות, אצטדיונים ואירועים ציבוריים גדולים: לזהות מרחוק אדם שמציג סימנים שעשויים להעיד על איום פוטנציאלי, עוד לפני שמתרחשת תקיפה, ומבלי לעצור אלפי אנשים לצורך בידוק פרטני.
אין פירוש הדבר שמודל הסייבר המתואר במחקר מסוגל לזהות אנשים עוינים. יישום של זיהוי חריגות על בני אדם מציב אתגרים שונים לחלוטין מבחינה טכנולוגית, וכן סוגיות של פרטיות וזיהויי שווא. אדם שמתנהג באופן חריג אינו בהכרח מסוכן, ולכן אימות קפדני והערכה אנושית הם מרכיבים חיוניים.
עם זאת, שאלת האבטחה הבסיסית דומה: האם הטכנולוגיה יכולה לזהות סטייה משמעותית מוקדם מספיק כדי לאפשר התערבות לפני שנגרם נזק?
זהו גם אתגר הרלוונטי לאינופנס תוכנית החדשנות הביטחונית שמובילה iHLS בשיתוף משרד הביטחון ומפא"ת. טכנולוגיות המסוגלות לזהות התנהגות חריגה, תנועה יוצאת דופן או אינדיקציות אחרות לאיום במרחבים ציבוריים עשויות למצוא יישומים ישירים בתחומי ביטחון המולדת ובשוק האזרחי, לרבות במוקדי תחבורה, אצטדיונים ומתקנים קריטיים.
עבור מפתחים העוסקים בטכנולוגיות שיכולות לסייע לצוותי אבטחה לזהות איומים מוקדם יותר, עוד לפני שאירוע מתפתח, האתגר הוא לעבור מעצם הזיהוי שמשהו חריג מתרחש להבנה אם החריגה אכן משמעותית – במהירות ובאמינות שיאפשרו להציל חיים.
המחקר זמין כאן.
עובדים על טכנולוגיה שעשויה להיות רלוונטית לזיהוי חריגות בעולם הפיזי או לניתוח התנהגות? הגישו מועמדות לאינופנס עכשיו!
