ReversingLabs
“Trenutni trend u industriji je da ljudi pokušavaju naći rješenje s umjetnom inteligencijom koje može zamijeniti dosadašnja rješenja. Mi imamo malo drugačiji pristup po tome pitanju. Mi koristimo umjetnu inteligenciju kako bismo proširili dosadašnja rješenja”, kaže nam Fran Jurišić, voditelj odjela za data science u ReversingLabsu, firmi koja se bavi prikupljanjem i analizom digitalnih datoteka u svrhu traženja računalnih virusa. Jurišić tu napominje da se ne radi o antivirusnoj kompaniji, nego tvrtki koja se bavi dubinskom analizom malware datoteka.
Reinforcement learning jedna je od najuzbudljivijih grana AI-ja, slažu se stručnjaci iz ReversingLabsa (na slici, slijeva na desno dr. sc. Toni Gržinić, Fran Jurišić i Filip Čulinović)
“Nas zanima sve što možemo saznati o nečemu. S druge strane, želimo prikupiti što više toga, da vidimo trendove u cijelim skupovima podataka”, opisuje svoj posao Jurišić. Modeli strojnog učenja za statičku analizu u njihovim proizvodima donose odluke o naravi i svojstvima datoteka koje nije izvedivo raspoznavati izravnijim pristupom ili pak služe kao komplementarni sustavi drugima.
Oni izvlače podatke poput toga želi li neka potencijalno maliciozna datoteka komunicirati preko interneta, pokušava li izmijeniti sistemske datoteke ili pak kriptirati datoteke na računalu. “Na primjer, jedan od bitnih ciljeva prilikom analize teksta je prepoznati skripte koje uvijek svojim izvršavanjem predstavljaju rizik. Dio skripti se može prepoznati po tipičnom formatu, ali za količinu i raspon podataka koje primamo to obično nije dovoljno, čak i ne uzimajući u obzir da se maliciozne skripte često nastoje prikriti,” kaže Jurišić.
Fran Jurišić, voditelj odjela za data science u ReversingLabsu kaže da se danas AI najviše koristi za donošenje određenih odluka
Uz pomoć AI-ja, inženjeri u ReversingLabsu mogu provući ogromne količine podataka te pritom vrlo dobro prepoznati računalne viruse na način koji je komplementaran tradicionalnim metodama. Usto, ono im omogućuje jedan drugačiji pogled na problem, što im posljedično daje potpuniju sliku. AI štedi ogromne količine vremena analitičarima, no istovremeno im omogućava da prošire količine svojstava koje vade iz datoteka te da pronađu neka nova svojstva s kojima se dotad nisu susreli.
“S jedne strane poboljšavamo rad naše umjetne inteligencije, s druge strane povećavamo količinu informacija koju naši analitičari dobivaju za ručnu analizu, koja je i dalje neizbježna za potpunu sigurnost”, rekao nam je Jurišić, koji ne smatra da će AI tako skoro zamijeniti čovjeka.
Za najteže probleme još uvijek će se tražiti pomoć vrhunskih stručnjaka
Nadalje, Jurišić nas je uvjerio kako smo daleko od nekog potencijalnog apokaliptičnog scenarija gdje bi “negativci” stvorili AI koji napada drugi obrambeni AI sustav. Jurišić ističe i da analitičari trebaju dosta pomoći svojim modelima strojnog učenja da bolje procesuiraju informacije, a da “negativci” imaju pristup puno manje resursa da naprave tako nešto. “Ako govorimo o negativcima u malo široj slici, najčešće će AI koristiti za social engineering, za izvlačenje podataka kad se napada osoba”, Jurišić upozorava.
Interne reprezentacije neuronskih mreža: Jurišić kaže da još uvijek ne razumijemo 100% što rade neuronske mreže, pa mu je stoga vrlo zanimljivo područje i razvoj internih reprezentacija neuronskih mreža koja bi im omogućila da se pobliže upoznaju sa svojstvima podataka s kojima rade. “U našem kontekstu bi to bilo možemo li saznati jesu li nekakvi različiti malwarei ustvari slični”, rekao nam je Jurišić
Što se tiče alata, u ReversingLabsu za razvoj koriste TensorFlow i Keras za učenje modela, Jupyter Notebook za eksplorativni rad te PySpark za obradu podataka i ELK za vizualizaciju i kontinuirano praćenje rada modela. Jurišić smatra da AI ide polako prema zreloj fazi, što znači stvaranje okvira, procesa i alata za razvoj proizvoda sličnih onima u razvoju softvera. “Automatizacija, testiranje i verzioniranje su sve naslijeđene potrebe dodatno uvećane izmjenama skupa podataka i odabirom modela. Sa strane istraživanja, mislim da će nam rad na razumijevanju internih reprezentacija podataka u neuronskim mrežama otkriti nove uvide u svojstva velikih skupova podataka,” ističe Jurišić.
