Co to jest DarkBERT? Czy sztuczna inteligencja może pomóc w walce z cyberzagrożeniami?

Popularność dużych modeli językowych (LLM) gwałtownie rośnie, a nowe modele stale się pojawiają. Modele takie jak ChatGPT są zazwyczaj szkolone w różnych źródłach internetowych, w tym w artykułach, stronach internetowych, książkach i mediach społecznościowych.

Zespół koreańskich badaczy opracował DarkBERT, LLM szkolony na zbiorach danych pochodzących wyłącznie z ciemnej sieci . Ich celem jest stworzenie narzędzia sztucznej inteligencji, które przewyższa istniejące modele językowe i pomaga badaczom zagrożeń, organom ścigania i specjalistom ds. cyberbezpieczeństwa w ich wysiłkach przeciwko zagrożeniom internetowym.

Co to jest DarkBERT?

DarkBERT to model kodera oparty na architekturze RoBERTa. LLM został przeszkolony na milionach ciemnych stron internetowych, w tym na danych z forów hakerskich, witryn phishingowych i innych źródeł internetowych zaangażowanych w nielegalną działalność.

Termin „ciemna sieć” odnosi się do ukrytej części Internetu, do której nie można uzyskać dostępu za pomocą standardowych przeglądarek internetowych. Ta część Internetu słynie z ukrywania anonimowych witryn internetowych i nielegalnych rynków, na przykład sprzedaży skradzionych danych, narkotyków i broni.

Aby wytrenować DarkBERT, badacze uzyskali dostęp do ciemnej sieci za pośrednictwem sieci Tor i zebrali surowe dane. Starannie przefiltrowali te dane, stosując techniki takie jak deduplikacja, równoważenie kategorii i wstępne przetwarzanie, aby stworzyć dopracowaną bazę danych w ciemnej sieci, którą następnie przez około 15 dni przesyłano do RoBERTa w celu utworzenia DarkBERT.

Aplikacje DarkBERT w cyberbezpieczeństwie

DarkBERT doskonale rozumie język cyberprzestępców i specjalizuje się w wykrywaniu konkretnych potencjalnych zagrożeń. Może przeszukiwać ciemną sieć oraz skutecznie identyfikować i oznaczać zagrożenia dla cyberbezpieczeństwa, takie jak wycieki danych i oprogramowanie ransomware, co czyni go potencjalnie przydatnym narzędziem do zwalczania zagrożeń w Internecie.

Badania opublikowane na arxiv.org pokazują, że aby ocenić skuteczność DarkBERT, badacze porównali go z dwoma słynnymi modelami NLP, BERT i RoBERTa, oceniając ich wydajność w trzech przypadkach użycia: ważne aplikacje związane z bezpieczeństwem sieci.

1. Monitoruj fora Dark Web pod kątem potencjalnie szkodliwych tematów

Monitorowanie forów w ciemnej sieci, często wykorzystywanych do nielegalnej wymiany informacji, jest ważne w celu identyfikacji potencjalnie niebezpiecznych tematów. Ręczne przeglądanie ich może jednak być czasochłonne, co sprawia, że ​​automatyzacja procesu jest korzystna dla specjalistów ds. bezpieczeństwa.

Badacze skupili się na potencjalnie szkodliwych działaniach na forach hakerskich, udostępniając przewodniki z adnotacjami na ważne tematy, w tym udostępnianie poufnych danych i dystrybucję złośliwego oprogramowania.poważna szkoda lub luka w zabezpieczeniach.

DarkBERT przewyższa inne modele językowe pod względem precyzji, zapamiętywania i wyniku F1, stając się doskonałym wyborem do identyfikowania wartych opublikowania tematów w ciemnej sieci.

2. Wykryj strony zawierające poufne informacje

Hakerzy i grupy zajmujące się oprogramowaniem ransomware wykorzystują ciemną sieć do tworzenia witryn zawierających wycieki, w których publikują poufne dane skradzione organizacjom, które odmawiają spełnienia żądań okupu. Inni cyberprzestępcy po prostu przesyłają do ciemnej sieci wyciekłe wrażliwe dane, takie jak hasła i informacje finansowe, z zamiarem ich sprzedaży.

W swoim badaniu badacze zebrali dane od znanych grup zajmujących się oprogramowaniem ransomware i przeanalizowali strony internetowe zawierające wycieki oprogramowania ransomware, które publikują prywatne dane organizacji. DarkBERT przewyższa inne modele językowe w identyfikowaniu i klasyfikowaniu takich witryn, demonstrując zrozumienie języka używanego na podziemnych forach hakerskich w ciemnej sieci.

3. Zidentyfikuj słowa kluczowe związane z zagrożeniami w Dark Web

DarkBERT wykorzystuje wypełnianie maską, funkcję nieodłącznie związaną z modelami językowymi rodziny BERT, aby dokładnie identyfikować słowa kluczowe związane z nielegalną działalnością, w tym sprzedażą narkotyków po ciemnej stronie internetowej.

Kiedy na stronie sprzedaży narkotyków ukryto słowo „MDMA”, DarkBERT wygenerował słowa związane z narkotykami, podczas gdy inne modele sugerowały ogólne słowa i terminy niezwiązane z narkotykami, takie jak branże, różne zawody.

Zdolność DarkBERT do identyfikowania słów kluczowych powiązanych z nielegalnymi działaniami może być cenna w śledzeniu i reagowaniu na pojawiające się zagrożenia cybernetyczne.

Czy społeczeństwo może uzyskać dostęp do DarkBERT?

DarkBERT nie jest obecnie dostępny publicznie, ale chętni badacze mogą poprosić o jego wykorzystanie do celów akademickich.