الذكاء الأصطناعي في كل هاتف

 ملخص لتاريخ تطوير البرامج الضارة للأجهزة المحمولة

أولاً، بعض المعلومات الأساسية حول تطور تطبيقات Android الضارة. ظهر نظام التشغيل في عام 2007، وصدر أول هاتف ذكي يعمل بنظام Android، HTC Dream، في عام 2008.

اكتشف منشئو البرامج الضارة بسرعة هذه المنصة الجديدة، وبحلول عام 2009، ظهر أول برنامج ضار في العالم لأجهزة الأندرويد.

من المؤكد أن الأمر لم يكن كثيرًا في البداية: في عام 2009، اكتشف Kaspersky حوالي ثلاثة تهديدات جديدة لنظام Android شهريًا، ويدير حل Chebyshev هذا الرقم من تلقاء نفسه باستخدام محرك بسيط لمكافحة الفيروسات قائم على التوقيع. [في عام 2009، اكتشفنا ما متوسطه ثلاث عينات جديدة لبرامج Android الضارة شهريًا] ومع ذلك، ازداد عدد التهديدات بسرعة، وبحلول عام 2010 كنا نكتشف 20000 برنامج ضار جديد لنظام Android كل شهر.

لا يزال المحرك المستند إلى التوقيع تحت الإدارة، ولكنه يستغرق وقتًا أطول لتحليل الملفات الضارة مع ازدياد شعبية نظام التشغيل، انتشرت برامج ضارة جديدة لنظام Android في عام 2012، اكتشفنا ما معدله 467.515 عينة شهريًا، وزاد فريق تحليل التهديدات المتنقلة لدينا إلى أربعة، وتم استكمال المحرك القائم على التوقيع بتحليل إرشادي وأساليب إحصائية - لكنه لم يكن كافيًا.

Fttkit هو مثال صارخ على كيفية تطور التهديدات المحمولة يسميها مبتكرو برنامج قطارة طروادة "خدمة حماية تطبيقات Android التلقائية"، لكنها في الواقع تساعد منشئي البرامج الضارة الآخرين على تجنب اكتشاف برامج مكافحة الفيروسات.

إنه يعمل عن طريق استخدام التعتيم على الكود خداع الحلول الأمنية ثم قم بتثبيت برامج ضارة إضافية، وعادةً ما تكون أحصنة طروادة المصرفية نحن نعرف أكثر من 360.000 نسخة مختلفة من Fttkit والعدد في ازدياد مستمر.

الذكاء الاصطناعي لأمان الأجهزة المحمولة

لتحديد هذا العدد من عينات البرامج الضارة يدويًا، سيتطلب فريقًا يتوسع باستمرار، والأهم من ذلك، سيستغرق وقتًا طويلاً (يمكن للمستخدمين خلاله اختيار برامج ضارة جديدة واختيارها).

هذا هو المكان الذي تأتي فيه تقنيات التعلم الآلي، والتي يمكن أن توفر الكثير من الوقت والموارد ومع ذلك، فإن هذه التقنيات كثيفة الاستخدام للموارد، مما يعني أن القيام بكل الأعمال الضرورية مباشرة على جهاز المستخدم يقلل من الأداء وعمر البطارية.

لتقليل التأثير، نستخدم خيارًا مختلطًا، حيث يقوم الهاتف الذكي بتنفيذ الإجراء كن أقل كثافة للموارد ثم أرسل البيانات إلى السحابة للتعامل مع الرفع الثقيل يضمن هذا النموذج حماية موثوقة .

فيما يلي النتائج التي حققناها باستخدام تطبيق التعلم الآلي في Kaspersky Internet Security لنظام Android:

 قرارات تقنية التعلم الآلي في حل Android - DangerousObject.AndroidOS.GenericML - حاليًا في المراكز الثلاثة الأولى، وهو ما يمثل 6.63٪ من جميع البرامج الضارة التي اكتشفتها منتجاتنا التي تستهدف نظام التشغيل هذا [هذا القرار الذي اتخذته تقنيات التعلم الآلي هو ثلاثة من أكثر القرارات شيوعًا]

الأهم من ذلك، أن منتجاتنا المحمولة تستخدم الذكاء الاصطناعي لاكتشاف ما يقرب من 33٪ من جميع تهديدات Android الجديدة يحدث هذا بسبب مجموعة من العوامل.

أولاً، لدينا قاعدة بيانات شاملة لتهديدات الأجهزة المحمولة والتي ظللنا نحتفظ بها منذ عام 2009.

ثانيًا، يتمتع فريق أبحاث التهديدات المتنقلة لدينا بخبرة فريدة في هذا المجال.

ثالثًا، لدينا فريق من خبراء التعلم الآلي يقومون بدمج هؤلاء تعمل التكنولوجيا بشكل جيد في منتجاتنا.

تساعد كل هذه العوامل معًا حلول أمان الأجهزة المحمولة الخاصة بنا على الأداء الأفضل باستمرار في الاختبارات المستقلة للحماية والأداء.

وفي نهاية المقال نكون قد وضحنا لكم أستخدام الذكاء الأصطناعي في الهواتف الذكية.