人工智慧未來將如何影響惡意軟體？

隨著人類走向未來，人工智慧驅動系統的前景將變得更加有吸引力。人工智慧將幫助人類做出決策，為智慧城市提供動力，但不幸的是，它也會用各種討厭的惡意軟體感染電腦。

讓我們透過下面的文章來探討人工智慧未來將如何影響惡意軟體。

在人工智慧的幫助下，未來的惡意軟體會是什麼樣子？

• 惡意軟體中的人工智慧是什麼？
• 人工智慧如何驅動惡意軟體？
  • 典型的針對性勒索軟體是 DeepLo​​cker
  • 蠕蟲具有適應性，能夠從檢測中學習
  • 獨立於惡意軟體開發人員運行
  • 監聽使用者聲音以檢索敏感資訊
• 電腦如何「學習」？
• 人類如何對抗惡意軟體控制的人工智慧？
• 未來由人工智慧決定

惡意軟體中的人工智慧是什麼？

當使用「人工智慧控制的惡意軟體」一詞時，讀者很容易想像這樣的場景：人工智慧像「終結者」一樣造成破壞。事實上，人工智慧控制的惡意程式正在秘密運行

人工智慧驅動的惡意軟體是透過人工智慧進行更改以使其更加有效的常規惡意軟體。人工智慧驅動的惡意軟體可以利用其智慧更快地感染電腦或更有效的攻擊。人工智慧控制的惡意軟體不是網路上遵循預先安裝程式碼的「愚蠢」程序，而是可以在某種程度上「自我思考」。

人工智慧如何驅動惡意軟體？

人工智慧可以透過多種方式增強惡意軟體的能力。其中一些方法是隱喻性的，而許多其他方法在現實世界中以某種方式是有形的。

典型的針對性勒索軟體是 DeepLo​​cker

Deeplocker 是人工智慧驅動的惡意軟體的例子之一。值得慶幸的是，IBM 研究中心開發了這種惡意軟體，作為您在現實生活中找不到的概念證明。

DeepLo​​cker 的概念展示了人工智慧如何將勒索軟體注入目標裝置。惡意軟體開發人員可以使用勒索軟體對公司發動攻擊，但他們感染關鍵電腦的可能性極小。因此，在惡意軟體到達最重要的目標之前，警報可能會過早發出。

DeepLo​​cker 不會啟動有效負載。相反，它只是履行作為電話會議程序的職責。

當它完成工作時，它會掃描使用過它的人的臉部。DeepLo​​cker 的目標是感染特定人的計算機，因此它會在人們使用軟體時對其進行追蹤。當它偵測到目標的臉部時，它會啟動有效負載並導致 PC 被WannaCry鎖定。

蠕蟲具有適應性，能夠從檢測中學習

在惡意軟體中使用人工智慧的一種理論上的方法是使用蠕蟲來「記住」防毒程式每次檢測到它的時間。一旦它知道是什麼操作導致防毒程式偵測到它，它就會停止執行該操作並尋找另一種方法來感染 PC。

這是特別危險的，因為現代防毒軟體往往按照嚴格的規則和定義運作。這意味著蠕蟲所需要做的就是找到一種不觸發警報的方法。一旦成功完成，它就可以向其他病毒株通報其防禦中的漏洞，使它們能夠更輕鬆地感染更多電腦。

獨立於惡意軟體開發人員運行

目前的惡意軟體相當“愚蠢”，無法“思考”或做出決定。它執行惡意軟體開發人員在感染發生之前分配給它的一系列任務。如果惡意軟體開發人員希望它做一些新的事情，他們必須提出惡意軟體要遵循的指令清單。

該聯絡中心稱為「命令與控制」(C&C) 伺服器，它必須隱藏得非常好。如果該伺服器被發現，駭客可能會被逮捕。

然而，如果惡意軟體能夠自我思考，就不需要 C&C 伺服器。駭客可以讓惡意軟體自由運行，然後讓惡意軟體完成所有工作。這意味著惡意軟體開發人員不需要冒險發出命令。只需進行設置，然後讓惡意軟體完成其工作即可。

監聽使用者聲音以檢索敏感資訊

如果人工智慧驅動的惡意軟體控制了目標的麥克風，它就可以監聽並記錄附近人們所說的話。然後，人工智慧會分享它聽到的內容，將其轉換為文本，然後將文本發送回惡意軟體開發人員。這使得駭客的生活變得更輕鬆，因為他們不必花幾個小時記錄和找出商業機密。

電腦如何「學習」？

惡意軟體可以透過所謂的「機器學習」從其行為中學習。這是人工智慧的一個特定領域，涉及電腦如何從其努力中學習。機器學習對於人工智慧開發人員來說非常有用，因為他們不需要為每個場景進行編碼。他們告訴人工智慧什麼是正確的、什麼是錯誤的，然後讓它透過反覆試驗來學習。

當經過機器學習「訓練」的人工智慧遇到障礙時，它會嘗試不同的方法來克服它。最初，它不會很好地克服挑戰，但計算機會注意到哪裡做錯了以及哪裡可以改進。透過多次迭代的學習和嘗試，「正確」答案的想法最終會浮現出來。

您可以在上面的影片中看到此過程的範例。影片展示了人工智慧學習如何讓不同的生物正確行走。最初的幾代人走路就像喝醉了一樣，但後來的幾代人就會開始保持正確的姿勢。這是因為人工智慧從先前的失敗中吸取了教訓，並在後來的模型上做得更好。

惡意軟體開發人員利用機器學習的強大功能來弄清楚如何攻擊系統。如果發生錯誤，系統會記錄錯誤並註明導致錯誤的原因。未來，惡意軟體將調整其攻擊模式以獲得更好的結果。

人類如何對抗惡意軟體控制的人工智慧？

透過機器學習「訓練」的人工智慧的一個大問題是，它們利用了當前防毒程式的工作方式。防毒軟體喜歡透過簡單的規則來工作。如果某個程式與防毒軟體已知的惡意程式相匹配，防毒軟體就會阻止它。

然而，人工智慧驅動的惡意軟體不會按照固定的預設規則運作。它會不斷地攻擊防禦系統，試圖找出突破的方法。一旦它滲透到系統中，它就可以順利地完成工作，直到防毒軟體收到針對特定威脅的更新。

那麼對抗這種聰明的惡意軟體的最佳方法是什麼？有時你需要救火，最好的方法就是開發人工智慧驅動的防毒程式。與許多當前模型一樣，它們使用固定規則來捕獲惡意軟體。相反，他們會從防毒程式的角度分析程式正在執行的操作並阻止它（如果該程式有惡意行為）。

未來由人工智慧決定

基本規則和簡單指南不會識別未來的惡意軟體攻擊。相反，他們將使用機器學習來適應和塑造自己，以應對他們遇到的任何安全方法。它可能不像好萊塢描繪的惡意人工智慧那樣令人興奮，但威脅是非常真實的。