Intel и Microsoft конвертируют файлы в картинки для проверки на вирусы

Microsoft и Intel решили преобразовывать вирусные файлы в двумерные изображения, а затем анализировать их с помощью технологий искусственного интеллекта, чем смогли добиться высокой степени детекта вредоносов — 99,07%.

Сила искусственного интеллекта и машинного обучения с каждым днём становится всё более востребованной. Мощности этих технологий находят свежие применения. Facebook использует ИИ для управления рекламой и тергетом на нас, Google активно применяет возможности ИИ для борьбы со спамом. Миллионы писем ежедневно отфильтровываются алгоритмами. ИИ играет также в профессиональных киберчемпионатах с реальными людьми в Dota 2. И это только очень малая часть вариантов применения ИИ.

Недавно стало известно, что Microsoft и Intel придумали ещё один полезный сценарий, как направить преимущества машинного обучения на благо человечества. Компании придумали механизм обнаружения вредоносного и шпионского кода, преобразовывая файлы в чёрно-белые изображения, а затем анализируя их. О таких необычных решениях мы постоянно рассказываем в нашем Telegram-канале.

Microsoft в блоге озвучила некоторые детали работы технологии, которую сейчас именуют STAMINA. Процесс состоит из трёх шагов.

Сначала алгоритмы берут бинарные файлы и преобразовывают их в двумерные изображения. Затем изображения скармливают фреймворку, здесь и происходит обучение.

Затем идёт проверка, когда начинают анализировать данные алгоритма: что он верно классифицировал вредоносным ПО, что из образцов пропустил, а что из безопасного посчитал вредным. Microsoft и Intel испытывали алгоритм на базе, содержащей более 2,2 миллиона файлов. 60% из них были вредоносными, которые использовались для обучения, ещё 20% необходимы для сравнения, а остальные 20% для вычисления фактической эффективности работы.

Результат получился достойный. 99,07% правильных детектов и 2,58% ложных срабатываний.

Алгоритм ещё придётся дорабатывать, так как он отлично показывает себя в лабораторных условиях, но в обычной жизни для пользователей у него окажутся слабые места, над которыми обе компании размышляют.

Проблема в том, что изображения приходится уменьшать, чтобы сделать их такими, которые сейчас может обработать алгоритм, что приводит к тому, что эффективность работы при изменении размеров получаемой графики падает.

Источник: PCGamer.