Mercado fechado
  • BOVESPA

    110.249,73
    +1.405,98 (+1,29%)
     
  • MERVAL

    38.390,84
    +233,89 (+0,61%)
     
  • MXX

    50.828,13
    +270,48 (+0,53%)
     
  • PETROLEO CRU

    70,51
    +0,22 (+0,31%)
     
  • OURO

    1.775,10
    +11,30 (+0,64%)
     
  • BTC-USD

    41.655,02
    -2.017,21 (-4,62%)
     
  • CMC Crypto 200

    1.035,43
    -28,42 (-2,67%)
     
  • S&P500

    4.354,19
    -3,54 (-0,08%)
     
  • DOW JONES

    33.919,84
    -50,63 (-0,15%)
     
  • FTSE

    6.980,98
    +77,07 (+1,12%)
     
  • HANG SENG

    24.221,54
    +122,40 (+0,51%)
     
  • NIKKEI

    29.839,71
    -660,34 (-2,17%)
     
  • NASDAQ

    14.975,00
    -34,50 (-0,23%)
     
  • BATS 1000 Index

    0,0000
    0,0000 (0,00%)
     
  • EURO/R$

    6,1855
    -0,0592 (-0,95%)
     

Estudo prova que já é possível esconder malwares indetectáveis em redes neurais

·2 minuto de leitura

Uma pesquisa conduzida pela Universidade da Academia Chinesa de Ciências mostra que as redes neurais podem virar um novo e eficiente território para a distribuição de malwares. Em um estudo divulgado na última segunda-feira (19), pesquisadores provaram que conseguem infectar os neurônios artificiais que formam essas redes — que continuam trabalhando normalmente enquanto espalham ameaças.

A prova de conceito também mostra que, enquanto estão dentro das redes neurais, os softwares maliciosos podem passar desapercebidos caso sejam configurados da maneira correta. Apontadas como essenciais para o futuro da tecnologia, redes do tipo se inspiram no funcionamento do sistema nervoso humano e usam a inteligência artificial (IA) para aprender padrões rapidamente e se adaptar a eles.

“Conforme as redes neurais se tornam mais amplamente usadas, esse método vai ser universal na distribuição de malware no futuro”, alertam os pesquisadores. Durante o experimento, eles substituíram 50% dos neurônios do modelo AlexNet — um padrão clássico para o campo da IA — por malwares, o que manteve a precisão dos modelos analisados em 93,1%.

Imagem: Reprodução/QuantaMagazine
Imagem: Reprodução/QuantaMagazine

Segundo o estudo, um modelo AlexNet de 178 MB pode conter até 39,6 MB de códigos maliciosos em sua estrutura antes que algo errado seja detectado. Para comprovar o nível de periculosidade, ele foi analisado por 58 antivírus comuns do mercado, e nenhum foi capaz de perceber qualquer comportamento estranho.

A pesquisa acredita que os modelos de distribuição de malware através de redes neurais pode substituir o uso de anexos em mensagens de e-mail enganosas. Chatbots, sistemas de detecção de imagens e outras ferramentas poderão ser infectadas com códigos maliciosos e continuar funcionando normalmente.

A ameaça pode não ser tão grande assim

A complexidade das redes neurais, que usam milhões de parâmetros e camadas intrincadas de neurônios artificiais, deve contribuir para a ação de criminosos. No entanto, a pesquisa revela que métodos tradicionais como estatísticas e análises dinâmicas ainda servem como níveis de proteção. Também é possível garantir a segurança de uma rede e parar ataques com a detecção de modelos infectados que escondem faixas ocultas que abrigam os malwares.

Imagem: Reprodução/Check Point Research
Imagem: Reprodução/Check Point Research

“Hoje isso seria difícil de detectar por softwares antivírus, mas isso é porque ninguém está procurando ali”, assegurou o Dr. Lukasz Olejnik, pesquisador e consultor de cibersegurança, à WIRED. Ele também explica que a detecção de redes infectadas é facilmente realizada no momento em que os pacotes maliciosos saem dela e são compilados para iniciar suas atividades.

“Embora essa seja uma pesquisa legítima e boa, eu não acredito que esconder malwares no modelo DNN oferece muito aos atacantes”, complementou. Segundo ele, a extração de softwares maliciosos a partir de uma rede pode significar que um sistema já está comprometido, o que, na prática, faz que não exista muito sentido em escondê-lo dentro delas.

Fonte: Canaltech

Trending no Canaltech:

Nosso objetivo é criar um lugar seguro e atraente onde usuários possam se conectar uns com os outros baseados em interesses e paixões. Para melhorar a experiência de participantes da comunidade, estamos suspendendo temporariamente os comentários de artigos