Cosè DarkBERT? L’intelligenza artificiale può aiutare a combattere le minacce informatiche?

La popolarità dei modelli linguistici di grandi dimensioni (LLM) è alle stelle, con la costante comparsa di nuovi modelli. Modelli come ChatGPT vengono generalmente addestrati su una varietà di fonti Internet, inclusi articoli, siti Web, libri e social media.

Un team di ricercatori coreani ha sviluppato DarkBERT, un LLM addestrato su set di dati provenienti esclusivamente dal dark web . Il loro obiettivo è creare uno strumento di intelligenza artificiale che superi i modelli linguistici esistenti e assista i ricercatori sulle minacce, le forze dell’ordine e i professionisti della sicurezza informatica nei loro sforzi contro le minacce online.

Cos'è DarkBERT?

DarkBERT è un modello di codificatore basato sull'architettura RoBERTa. LLM è stato addestrato su milioni di siti web oscuri, inclusi dati provenienti da forum di hacking, siti di phishing e altre fonti online coinvolte in attività illegali.

Il termine "dark web" si riferisce a una parte nascosta di Internet che non è accessibile tramite browser web standard. Questa parte di Internet è nota per ospitare siti Web anonimi e mercati illegali, come la vendita di dati rubati, droga e armi.

Per addestrare DarkBERT, i ricercatori hanno ottenuto l'accesso al dark web attraverso la rete Tor e hanno raccolto dati grezzi. Hanno filtrato attentamente questi dati utilizzando tecniche come la deduplicazione, il bilanciamento delle categorie e la pre-elaborazione per creare un database del dark web ottimizzato, che è stato poi inviato a RoBERTa in circa 15 giorni per creare DarkBERT.

Applicazioni DarkBERT nella sicurezza informatica

DarkBERT ha una comprensione superiore del linguaggio dei criminali informatici ed eccelle nel rilevare specifiche minacce potenziali. Può ricercare nel dark web e identificare e segnalare con successo le minacce alla sicurezza informatica come fughe di dati e ransomware, rendendolo uno strumento potenzialmente utile per combattere le minacce online.

Una ricerca pubblicata su arxiv.org mostra che per valutare l'efficacia di DarkBERT, i ricercatori lo hanno confrontato con due famosi modelli NLP, BERT e RoBERTa, valutandone le prestazioni in tre casi d'uso importanti applicazioni legate alla sicurezza della rete.

1. Monitora i forum del Dark Web per individuare argomenti potenzialmente dannosi

Il monitoraggio dei forum del dark web, spesso utilizzati per scambi illegali di informazioni, è importante per identificare argomenti potenzialmente pericolosi. Tuttavia, la loro revisione manuale può richiedere molto tempo, rendendo l’automazione del processo vantaggiosa per i professionisti della sicurezza.

I ricercatori si sono concentrati sulle attività potenzialmente dannose nei forum di hacking, fornendo guide commentate su argomenti importanti, tra cui la condivisione di dati riservati e la distribuzione di malware, danni gravi o vulnerabilità.

DarkBERT supera gli altri modelli linguistici in termini di precisione, ricordo e punteggio F1, emergendo come una scelta superiore per identificare argomenti degni di nota nel dark web.

2. Rileva le pagine che ospitano informazioni riservate

Hacker e gruppi di ransomware utilizzano il dark web per creare siti Web di fuga in cui pubblicano dati riservati rubati a organizzazioni che si rifiutano di soddisfare le richieste di riscatto. Altri criminali informatici si limitano a caricare nel dark web dati sensibili trapelati, come password e informazioni finanziarie, con l’intenzione di venderli.

Nel loro studio, i ricercatori hanno raccolto dati da noti gruppi di ransomware e hanno analizzato siti Web di perdite di ransomware che pubblicano dati privati ​​delle organizzazioni. DarkBERT supera altri modelli linguistici nell'identificazione e classificazione di tali siti, dimostrando la sua comprensione del linguaggio utilizzato nei forum di hacking clandestini sul dark web.

3. Identificare le parole chiave correlate alle minacce sul Dark Web

DarkBERT sfrutta il riempimento delle maschere, una caratteristica inerente ai modelli linguistici della famiglia BERT, per identificare con precisione le parole chiave relative ad attività illegali, inclusa la vendita di droga sul lato oscuro del web.

Quando la parola "MDMA" era nascosta in una pagina di vendita di farmaci, DarkBERT generava parole correlate alla droga, mentre altri modelli suggerivano parole e termini generici non correlati alla droga, come industrie e professioni diverse.

La capacità di DarkBERT di identificare le parole chiave associate ad attività illegali può essere preziosa per monitorare e affrontare le minacce informatiche emergenti.

Il pubblico può accedere a DarkBERT?

DarkBERT non è attualmente disponibile al pubblico, ma i ricercatori volenterosi possono richiederne l'utilizzo per scopi accademici.