مجرمان اینترنتی
اصول هوش مصنوعیکاربردهای هوش مصنوعی

هوش مصنوعی کمک می­‌کند همیشه یک قدم جلوتر از مجرمان اینترنتی باشیم

0

می‌توان گفت کووید ۱۹ یک شبه زندگی انسان‌ها را متحول کرد و به سمت دیجیتالی شدن برد و این باعث به وجود آمدن مسائل جدیدی شد. موردی که در این شرایط باید بیش از پیش به آن پرداخته شود، مجرمان اینترنتی هستند. در یک معامله آنلاین چگونه می‌توانید به شخصی اعتماد کنید که حتی چهره او را نمی‌بینید؟ ممکن است هوش مصنوعی پاسخ این سوال را داشته باشد.

شما چه عاشق کار کردن در لباس خواب خود باشید، چه مشتاق باشید در محل کار خود درباره آبسردکن و صندلی قابل تنظیم صحبت کنید، در هر صورت عده‌ای وجود دارند که بدون شک از افزایش دورکاری خوشحال می‌شوند و آن هم مجرمان اینترنتی ‌هستند. افزایش زمان صرف‌شده در اینترنت، فرصت‌های زیادی را برای این افراد فراهم کرده است.

آجی باهلا، رئیس دایره سایبری و هوش در شرکت مسترکارد می‌گوید: در عرض چند هفته، ما شاهد روندی به سوی دیجیتالی شدن بودیم، روندی که در حالت عادی چند سال طول می‌کشید تا اتفاق بیافتد، اما این موضوعی معایبی را به همراه خود داشت. در واقع ما شاهد افزایش ۴۷ درصدی گزارش کلاهبرداری از سمت شرکت‌ها بودیم و کلاهبرداری در سطح جهان اکنون به بالاترین سطح خود در ۲۰ سال اخیر رسیده است.

مجرمان اینترنتی هوشمندتر شده‌اند

مشکل، تنها محدود به افزایش در نرخ کلاهبرداری‌ها نیست، بلکه شیوه تقلب و جعل نیز پیچیده شده است. روزهایی که حملات آشکار و خشنی صورت می‌گرفت گذشته است و اکنون جرایم اینترنتی جدید با پنهان­‌کاری همراه هستند. باهلا می‌گوید از هر سه حمله سایبری یک مورد آن از هوش مصنوعی استفاده می‌کند تا رفتارهای انسانی را تقلید کند.

نیل کوستیگان، مدیرعامل استارتاپ بیومتریک رفتاریBehavioSec  می‌گوید: استراتژی دیوارهای بلند و خندق‌های عمیق قدیمی و ناکارآمد شده است. امروزه حملات مدرنی همچون حمله مرد میانی Man-in-the-Middle، مهندسی اجتماعی، دسترسی از راه دور و اسب‌ تروا برای عبور از مانع اولیه از فریبکاری استفاده می‌کنند و سپس عملیات خود را شروع می‌کنند.

خوشبختانه، تنها مجرمان اینترنتی نیستند که از هوش مصنوعی به نفع خود استفاده می‌کنند. مسترکارد سال‌هاست که ابزارهای مبتنی بر فناوری هوش مصنوعی را در سیستم‌های خود به کار گرفته است تا حجم عظیمی از داده‌ها را کنترل کند و راه‌های سریع‌تر، آسان‌تر و ایمن‌تر برای معاملات و نقل و انتقالات فراهم کنند.

هوش مصنوعی با کمک به شناسایی حملات سایبری، هک و نفوذ، اکوسیستم دیجیتال را برای دولت‌ها، بانک‌ها، بازرگانان و مصرف­کنندگان ایمن‌تر از پیش کرده است. حتی استفاده از کاربرد کلان داده ها در  صنعت بانکداری هم قدمی موثر در این زمینه بوده است.  تنها در طول سال گذشته هوش مصنوعی به شرکت‌ها در جلوگیری از ۲۰ میلیارد دلار ضرر ناشی از کلاهبرداری کمک کرد.

تفاوتی نمی‌کند در حال خرید مواد غذایی باشید یا یک اتومبیل جدید، در یک فروشگاه فیزیکی باشید یا از طریق رایانه و موبایل این کار را انجام دهید. در هر صورت هوش مصنوعی معاملات واقعی را در کسری از ثانیه تایید می‌کند تا برای کاربران تجربه بهتری فراهم کند.

یکی از راه حل‌های هوشمند مسترکارد Decision Intelligence است که به طور خودکار نحوه استفاده معمول از یک حساب را یاد می‌گیرد، بنابراین می‌تواند رفتارهای عادی و غیرعادی خرید را از یکدیگر تشخیص دهد. این ابزار، با نظارت بر معاملات به صورت بر خط، با نمره‌­دهی بر هر تراکنش احتمال وقوع تقلب را نشان می‌دهد.

باهلا می‌گوید: در برخی موارد، این ابزار میزان تقلب را تا ۵۳ درصد کاهش داده است و از آن سو نرخ پذیرش معاملات قانونی نیز افزایش یافته است.

این امر به ویژه برای خرده فروشان آنلاین بسیار مهم است زیرا آن‌ها هنگام معامله دید روشنی نسبت به مشتری ندارند.

امکان معاملات frictionless

هوش مصنوعی با پشتیبانی از فناوری‌هایی مانند بیومتریک، در حال بهبود تجربه مشتریان است. مسترکارد با ابزار NuData در حال به کارگیری فناوری‌های پیشگام از طریق یادگیری ماشین است. یادگیری ماشین زیرمجموعه‌ای از هوش مصنوعی است و با استفاده از آن در این ابزار می‌توان نمایه‌ای را ایجاد کرد که شامل الگوهای رفتاری کاربر، از سرعت تایپ کردن گرفته تا حرکات ماوس را داشته باشد. سیستم، با ردیابی معاملات مداوم یک حساب می‌تواند ناهنجاری‌هایی را تشخیص دهد که نشان دهد در پشت آن اکانت‌ها کسانی نیستند که ادعا می‌شود – یا حتی اصلاً شخص نیستند. درواقع یکی از مهمترین تهدیدهای امنیت سایبری، ربات‌ها هستند که بیومتریک رفتاری می‌تواند آن‌ها را شناسایی و حذف کند.

کوستیگان می‌افزاید یک مزیت بزرگ در بیومتریک رفتاری این است که این سیستم‌ها به هیچ چیزی به جز کاربران نیاز ندارند. در واقع نیازی به اسکنر، توکن امنیتی، رمزهای عبور یا سوالات شخصی نیست. بیومتریک رفتاری در کنار فعالیت­های کاربر، جمع آوری و تجزیه و تحلیل می‌شود و افراد به سادگی همانند همیشه به کار خود ادامه می‌دهند.  هرچه الگوریتم‌های یادگیری بیومتریک رفتاری، داده‌های بیشتری تجزیه و تحلیل کنند، این سیستم‌ها می‌توانند در شناسایی الگوهای مشکوک پیشرقت بیشتری کنند. در نتیجه می‌تواند به شرکت‌هایی مانند مسترکارد کمک کند تا همیشه یک قدم جلوتر از مجرمان اینترنتی باشند.

باهلا به این نکته اشاره می‌کند که چگونه ابزار NuData اخیراً حمله‌ای پیچیده را خنثی کرد که ادعا شده بود با استفاده از یک تلفن رومیزی تماس گرفته شده است.  در این حالت، سرعت ارائه مدارک برای شخصی که از تلفن رومیزی استفاده می‌کند غیر ممکن است تا این حد زیاد باشد. بنابراین بلافاصله فهمیدیم که این شخص واقعی نیست. با ترکیب همه شاخص‌هایی که به آن‌ها دسترسی داریم، این امکان برای ما فراهم شده است تا رفتار غیرمعمول را تشخیص دهیم و قبل از آسیب، جلوی آن را بگیریم.

باهلا می‌گوید: همچون هر فناوری جدیدی، فناوری هوش مصنوعی نیز می‌تواند مورد استفاده مثبت یا منفی قرار گیرد. من همیشه خوش­بین بوده‌ام که با فناوری‌های خوب می‌توانیم مطمئن باشیم که به عنوان یک جامعه پیشرفت می‌کنیم و افراد معدودی که سعی در ایجاد مشکل برای دیگران دارند نمی‌توانند مانع ما شوند.

 

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

دستگاه تله متری مجهز به هوش مصنوعی توسط یک ایرانی ساخته شد

مقاله قبلی

شروع یادگیری هوش مصنوعی ؛ راهنمایی برای تازه‌کاران

مقاله بعدی

شما همچنین ممکن است دوست داشته باشید

نظرات

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *