AI ಬಳಸಿಕೊಂಡು ಸ್ವಯಂಚಾಲಿತ ಸೈಬರ್‌ಟಾಕ್‌ಗಳು: ಯಂತ್ರಗಳು ಸೈಬರ್ ಅಪರಾಧಿಗಳಾದಾಗ

ಚಿತ್ರ ಕ್ರೆಡಿಟ್:
ಚಿತ್ರ ಕ್ರೆಡಿಟ್
ಐಸ್ಟಾಕ್

AI ಬಳಸಿಕೊಂಡು ಸ್ವಯಂಚಾಲಿತ ಸೈಬರ್‌ಟಾಕ್‌ಗಳು: ಯಂತ್ರಗಳು ಸೈಬರ್ ಅಪರಾಧಿಗಳಾದಾಗ

AI ಬಳಸಿಕೊಂಡು ಸ್ವಯಂಚಾಲಿತ ಸೈಬರ್‌ಟಾಕ್‌ಗಳು: ಯಂತ್ರಗಳು ಸೈಬರ್ ಅಪರಾಧಿಗಳಾದಾಗ

ಉಪಶೀರ್ಷಿಕೆ ಪಠ್ಯ
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆಯ (ML) ಶಕ್ತಿಯನ್ನು ಹ್ಯಾಕರ್‌ಗಳು ಸೈಬರ್‌ಟಾಕ್‌ಗಳನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ಮತ್ತು ಮಾರಕವಾಗಿ ಮಾಡಲು ಬಳಸಿಕೊಳ್ಳುತ್ತಿದ್ದಾರೆ.
    • ಲೇಖಕ ಬಗ್ಗೆ:
    • ಲೇಖಕ ಹೆಸರು
      ಕ್ವಾಂಟಮ್ರನ್ ದೂರದೃಷ್ಟಿ
    • ಸೆಪ್ಟೆಂಬರ್ 30, 2022

    ಪಠ್ಯವನ್ನು ಪೋಸ್ಟ್ ಮಾಡಿ

    ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆ (ML) ಪುನರಾವರ್ತಿತ ನಡವಳಿಕೆ ಮತ್ತು ಮಾದರಿಗಳಿಂದ ಕಲಿಯುವುದು ಸೇರಿದಂತೆ ಬಹುತೇಕ ಎಲ್ಲಾ ಕಾರ್ಯಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ, ವ್ಯವಸ್ಥೆಯಲ್ಲಿನ ದುರ್ಬಲತೆಗಳನ್ನು ಗುರುತಿಸಲು ಪ್ರಬಲ ಸಾಧನವಾಗಿದೆ. ಹೆಚ್ಚು ಮುಖ್ಯವಾಗಿ, ಅಲ್ಗಾರಿದಮ್‌ನ ಹಿಂದೆ ಒಬ್ಬ ವ್ಯಕ್ತಿ ಅಥವಾ ಘಟಕವನ್ನು ಗುರುತಿಸಲು AI ಮತ್ತು ML ಸವಾಲನ್ನು ಮಾಡುತ್ತವೆ.

    AI ಸಂದರ್ಭವನ್ನು ಬಳಸಿಕೊಂಡು ಸ್ವಯಂಚಾಲಿತ ಸೈಬರ್‌ಟಾಕ್‌ಗಳು

    2022 ರಲ್ಲಿ, ಸೈಬರ್‌ ಸೆಕ್ಯುರಿಟಿಯಲ್ಲಿನ US ಸೆನೆಟ್ ಸಶಸ್ತ್ರ ಸೇವೆಗಳ ಉಪಸಮಿತಿಯ ಸಂದರ್ಭದಲ್ಲಿ, ಮೈಕ್ರೋಸಾಫ್ಟ್‌ನ ಮುಖ್ಯ ವೈಜ್ಞಾನಿಕ ಅಧಿಕಾರಿ ಎರಿಕ್ ಹಾರ್ವಿಟ್ಜ್, ಸೈಬರ್‌ಟಾಕ್‌ಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ (AI) ಬಳಕೆಯನ್ನು "ಆಕ್ರಮಣಕಾರಿ AI" ಎಂದು ಉಲ್ಲೇಖಿಸಿದ್ದಾರೆ. ಸೈಬರ್‌ಅಟ್ಯಾಕ್ AI-ಚಾಲಿತವಾಗಿದೆಯೇ ಎಂದು ನಿರ್ಧರಿಸುವುದು ಕಷ್ಟ ಎಂದು ಹೈಲೈಟ್ ಮಾಡುವುದು. ಅಂತೆಯೇ, ಆ ಯಂತ್ರ ಕಲಿಕೆ (ML) ಅನ್ನು ಸೈಬರ್‌ಟಾಕ್‌ಗಳಿಗೆ ಸಹಾಯ ಮಾಡಲು ಬಳಸಲಾಗುತ್ತಿದೆ; ಪಾಸ್‌ವರ್ಡ್‌ಗಳನ್ನು ಉತ್ತಮವಾಗಿ ಹ್ಯಾಕ್ ಮಾಡಲು ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ಪದಗಳು ಮತ್ತು ತಂತ್ರಗಳನ್ನು ಕಲಿಯಲು ML ಅನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. 

    ಸೈಬರ್‌ ಸೆಕ್ಯುರಿಟಿ ಸಂಸ್ಥೆಯ ಡಾರ್ಕ್‌ಟ್ರೇಸ್‌ನ ಸಮೀಕ್ಷೆಯು ಸೈಬರ್‌ಕ್ರೈಮ್‌ಗಳಲ್ಲಿ AI ಯ ಸಂಭಾವ್ಯ ಬಳಕೆಯ ಬಗ್ಗೆ IT ನಿರ್ವಹಣಾ ತಂಡಗಳು ಹೆಚ್ಚು ಕಾಳಜಿ ವಹಿಸುತ್ತಿವೆ ಎಂದು ಕಂಡುಹಿಡಿದಿದೆ, 96 ಪ್ರತಿಶತ ಪ್ರತಿಕ್ರಿಯಿಸಿದವರು ಅವರು ಈಗಾಗಲೇ ಸಂಭವನೀಯ ಪರಿಹಾರಗಳನ್ನು ಸಂಶೋಧಿಸುತ್ತಿದ್ದಾರೆ ಎಂದು ಸೂಚಿಸಿದ್ದಾರೆ. 

    ಐಟಿ ಭದ್ರತಾ ತಜ್ಞರು ransomware ಮತ್ತು ಫಿಶಿಂಗ್‌ನಿಂದ ಹೆಚ್ಚು ಸಂಕೀರ್ಣವಾದ ಮಾಲ್‌ವೇರ್‌ಗೆ ಸೈಬರ್‌ಟಾಕ್ ವಿಧಾನಗಳಲ್ಲಿ ಬದಲಾವಣೆಯನ್ನು ಅನುಭವಿಸುತ್ತಾರೆ, ಅದು ಪತ್ತೆಹಚ್ಚಲು ಮತ್ತು ತಿರುಗಿಸಲು ಕಷ್ಟಕರವಾಗಿದೆ. AI-ಸಕ್ರಿಯಗೊಳಿಸಿದ ಸೈಬರ್‌ಕ್ರೈಮ್‌ನ ಸಂಭವನೀಯ ಅಪಾಯವೆಂದರೆ ML ಮಾದರಿಗಳಲ್ಲಿ ದೋಷಪೂರಿತ ಅಥವಾ ಕುಶಲತೆಯ ಡೇಟಾದ ಪರಿಚಯವಾಗಿದೆ. ML ದಾಳಿಯು ಕ್ಲೌಡ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಮತ್ತು ಅಂಚಿನ AI ಅನ್ನು ಬೆಂಬಲಿಸಲು ಪ್ರಸ್ತುತ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗುತ್ತಿರುವ ಸಾಫ್ಟ್‌ವೇರ್ ಮತ್ತು ಇತರ ತಂತ್ರಜ್ಞಾನಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರಬಹುದು. ಸಾಕಷ್ಟಿಲ್ಲದ ತರಬೇತಿ ದತ್ತಾಂಶವು ಅಲ್ಪಸಂಖ್ಯಾತ ಗುಂಪುಗಳನ್ನು ತಪ್ಪಾಗಿ ಟ್ಯಾಗ್ ಮಾಡುವುದು ಅಥವಾ ಅಂಚಿನಲ್ಲಿರುವ ಸಮುದಾಯಗಳನ್ನು ಗುರಿಯಾಗಿಸಲು ಮುನ್ಸೂಚಕ ಪೋಲೀಸಿಂಗ್‌ನ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುವಂತಹ ಅಲ್ಗಾರಿದಮ್ ಪಕ್ಷಪಾತಗಳನ್ನು ಪುನಃ ಜಾರಿಗೊಳಿಸಬಹುದು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಸೂಕ್ಷ್ಮವಾದ ಆದರೆ ಹಾನಿಕಾರಕ ಮಾಹಿತಿಯನ್ನು ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಪರಿಚಯಿಸಬಹುದು, ಇದು ದೀರ್ಘಕಾಲೀನ ಪರಿಣಾಮಗಳನ್ನು ಉಂಟುಮಾಡಬಹುದು.

    ಅಡ್ಡಿಪಡಿಸುವ ಪರಿಣಾಮ

    ಜಾರ್ಜ್‌ಟೌನ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ಸಂಶೋಧಕರು ಸೈಬರ್ ಕಿಲ್ ಚೈನ್ (ಯಶಸ್ವಿ ಸೈಬರ್‌ಟಾಕ್ ಅನ್ನು ಪ್ರಾರಂಭಿಸಲು ನಿರ್ವಹಿಸಿದ ಕಾರ್ಯಗಳ ಪರಿಶೀಲನಾಪಟ್ಟಿ) ಕುರಿತು ನಡೆಸಿದ ಅಧ್ಯಯನವು ನಿರ್ದಿಷ್ಟ ಆಕ್ರಮಣಕಾರಿ ತಂತ್ರಗಳು ML ನಿಂದ ಪ್ರಯೋಜನ ಪಡೆಯಬಹುದು ಎಂದು ತೋರಿಸಿದೆ. ಈ ವಿಧಾನಗಳಲ್ಲಿ ಸ್ಪಿಯರ್‌ಫಿಶಿಂಗ್ (ನಿರ್ದಿಷ್ಟ ಜನರು ಮತ್ತು ಸಂಸ್ಥೆಗಳ ಕಡೆಗೆ ನಿರ್ದೇಶಿಸಲಾದ ಇ-ಮೇಲ್ ಹಗರಣಗಳು), ಐಟಿ ಮೂಲಸೌಕರ್ಯಗಳಲ್ಲಿನ ದೌರ್ಬಲ್ಯಗಳನ್ನು ಗುರುತಿಸುವುದು, ನೆಟ್‌ವರ್ಕ್‌ಗಳಿಗೆ ದುರುದ್ದೇಶಪೂರಿತ ಕೋಡ್ ಅನ್ನು ತಲುಪಿಸುವುದು ಮತ್ತು ಸೈಬರ್‌ಸೆಕ್ಯುರಿಟಿ ಸಿಸ್ಟಮ್‌ಗಳಿಂದ ಪತ್ತೆಹಚ್ಚುವುದನ್ನು ತಪ್ಪಿಸುವುದು ಸೇರಿವೆ. ಯಂತ್ರ ಕಲಿಕೆಯು ಸಾಮಾಜಿಕ ಎಂಜಿನಿಯರಿಂಗ್ ದಾಳಿಗಳು ಯಶಸ್ವಿಯಾಗುವ ಸಾಧ್ಯತೆಗಳನ್ನು ಹೆಚ್ಚಿಸಬಹುದು, ಅಲ್ಲಿ ಜನರು ಸೂಕ್ಷ್ಮ ಮಾಹಿತಿಯನ್ನು ಬಹಿರಂಗಪಡಿಸಲು ಅಥವಾ ಹಣಕಾಸಿನ ವಹಿವಾಟುಗಳಂತಹ ನಿರ್ದಿಷ್ಟ ಕ್ರಿಯೆಗಳನ್ನು ಮಾಡಲು ಮೋಸಗೊಳಿಸುತ್ತಾರೆ. 

    ಹೆಚ್ಚುವರಿಯಾಗಿ, ಸೈಬರ್ ಕಿಲ್ ಚೈನ್ ಕೆಲವು ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಬಹುದು, ಅವುಗಳೆಂದರೆ: 

    • ವ್ಯಾಪಕವಾದ ಕಣ್ಗಾವಲು - ಸ್ವಾಯತ್ತ ಸ್ಕ್ಯಾನರ್‌ಗಳು ತಮ್ಮ ಸಂಪರ್ಕಿತ ವ್ಯವಸ್ಥೆಗಳು, ರಕ್ಷಣೆಗಳು ಮತ್ತು ಸಾಫ್ಟ್‌ವೇರ್ ಸೆಟ್ಟಿಂಗ್‌ಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಗುರಿ ನೆಟ್‌ವರ್ಕ್‌ಗಳಿಂದ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸುತ್ತವೆ. 
    • ವ್ಯಾಪಕವಾದ ಆಯುಧೀಕರಣ - AI ಉಪಕರಣಗಳು ಮೂಲಸೌಕರ್ಯದಲ್ಲಿನ ದೌರ್ಬಲ್ಯಗಳನ್ನು ಗುರುತಿಸುತ್ತವೆ ಮತ್ತು ಈ ಲೋಪದೋಷಗಳನ್ನು ಒಳನುಸುಳಲು ಕೋಡ್ ಅನ್ನು ರಚಿಸುತ್ತವೆ. ಈ ಸ್ವಯಂಚಾಲಿತ ಪತ್ತೆಯು ನಿರ್ದಿಷ್ಟ ಡಿಜಿಟಲ್ ಪರಿಸರ ವ್ಯವಸ್ಥೆಗಳು ಅಥವಾ ಸಂಸ್ಥೆಗಳನ್ನು ಗುರಿಯಾಗಿಸಬಹುದು. 
    • ವಿತರಣೆ ಅಥವಾ ಹ್ಯಾಕಿಂಗ್ - ಸಾವಿರಾರು ಜನರನ್ನು ಗುರಿಯಾಗಿಸಲು ಸ್ಪಿಯರ್‌ಫಿಶಿಂಗ್ ಮತ್ತು ಸಾಮಾಜಿಕ ಎಂಜಿನಿಯರಿಂಗ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು ಯಾಂತ್ರೀಕೃತಗೊಂಡ AI ಪರಿಕರಗಳು. 

    2022 ರ ಹೊತ್ತಿಗೆ, ಸಂಕೀರ್ಣ ಕೋಡ್ ಅನ್ನು ಬರೆಯುವುದು ಇನ್ನೂ ಮಾನವ ಪ್ರೋಗ್ರಾಮರ್‌ಗಳ ವ್ಯಾಪ್ತಿಯಲ್ಲಿದೆ, ಆದರೆ ಯಂತ್ರಗಳು ಈ ಕೌಶಲ್ಯವನ್ನು ಪಡೆದುಕೊಳ್ಳಲು ಹೆಚ್ಚು ಸಮಯ ಇರುವುದಿಲ್ಲ ಎಂದು ತಜ್ಞರು ನಂಬುತ್ತಾರೆ. 

    AI ಬಳಸಿಕೊಂಡು ಸ್ವಯಂಚಾಲಿತ ಸೈಬರ್‌ಟಾಕ್‌ಗಳ ಪರಿಣಾಮಗಳು

    AI ಅನ್ನು ಬಳಸಿಕೊಂಡು ಸ್ವಯಂಚಾಲಿತ ಸೈಬರ್‌ಟಾಕ್‌ಗಳ ವ್ಯಾಪಕ ಪರಿಣಾಮಗಳು ಒಳಗೊಂಡಿರಬಹುದು: 

    • ಸ್ವಯಂಚಾಲಿತ ಸೈಬರ್‌ಅಟ್ಯಾಕ್‌ಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಮತ್ತು ನಿಲ್ಲಿಸಲು ಸುಧಾರಿತ ಸೈಬರ್ ಪರಿಹಾರಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಕಂಪನಿಗಳು ತಮ್ಮ ಸೈಬರ್ ರಕ್ಷಣಾ ಬಜೆಟ್‌ಗಳನ್ನು ಆಳಗೊಳಿಸುತ್ತವೆ.
    • ಕಾರ್ಪೊರೇಟ್ ಮತ್ತು ಸಾರ್ವಜನಿಕ ವಲಯದ ವ್ಯವಸ್ಥೆಗಳನ್ನು ರಹಸ್ಯವಾಗಿ ಆಕ್ರಮಿಸಬಹುದಾದ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ರಚಿಸಲು ಸೈಬರ್ ಅಪರಾಧಿಗಳು ML ವಿಧಾನಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುತ್ತಾರೆ.
    • ಉತ್ತಮವಾಗಿ ಸಂಘಟಿತವಾಗಿರುವ ಮತ್ತು ಏಕಕಾಲದಲ್ಲಿ ಅನೇಕ ಸಂಸ್ಥೆಗಳನ್ನು ಗುರಿಯಾಗಿಸುವ ಸೈಬರ್‌ದಾಕ್‌ಗಳ ಹೆಚ್ಚಿದ ಘಟನೆಗಳು.
    • ಮಿಲಿಟರಿ ಶಸ್ತ್ರಾಸ್ತ್ರಗಳು, ಯಂತ್ರಗಳು ಮತ್ತು ಮೂಲಸೌಕರ್ಯ ಕಮಾಂಡ್ ಸೆಂಟರ್‌ಗಳ ನಿಯಂತ್ರಣವನ್ನು ವಶಪಡಿಸಿಕೊಳ್ಳಲು ಆಕ್ರಮಣಕಾರಿ AI ಸಾಫ್ಟ್‌ವೇರ್ ಅನ್ನು ಬಳಸಲಾಗಿದೆ.
    • ಸಾರ್ವಜನಿಕ ಮತ್ತು ಖಾಸಗಿ ಮೂಲಸೌಕರ್ಯಗಳನ್ನು ಕೆಳಗಿಳಿಸಲು ಕಂಪನಿಯ ಸಿಸ್ಟಮ್‌ಗಳನ್ನು ಒಳನುಸುಳಲು, ಮಾರ್ಪಡಿಸಲು ಅಥವಾ ಬಳಸಿಕೊಳ್ಳಲು ಆಕ್ರಮಣಕಾರಿ AI ಸಾಫ್ಟ್‌ವೇರ್ ಅನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. 
    • ಕೆಲವು ಸರ್ಕಾರಗಳು ತಮ್ಮ ದೇಶೀಯ ಖಾಸಗಿ ವಲಯದ ಡಿಜಿಟಲ್ ರಕ್ಷಣೆಯನ್ನು ತಮ್ಮ ರಾಷ್ಟ್ರೀಯ ಸೈಬರ್‌ ಸೆಕ್ಯುರಿಟಿ ಏಜೆನ್ಸಿಗಳ ನಿಯಂತ್ರಣ ಮತ್ತು ರಕ್ಷಣೆಯ ಅಡಿಯಲ್ಲಿ ಸಮರ್ಥವಾಗಿ ಮರುಸಂಘಟಿಸುತ್ತವೆ.

    ಕಾಮೆಂಟ್ ಮಾಡಲು ಪ್ರಶ್ನೆಗಳು

    • AI-ಶಕ್ತಗೊಂಡ ಸೈಬರ್‌ಟಾಕ್‌ಗಳ ಇತರ ಸಂಭಾವ್ಯ ಪರಿಣಾಮಗಳು ಯಾವುವು?
    • ಅಂತಹ ದಾಳಿಗೆ ಕಂಪನಿಗಳು ಹೇಗೆ ಸಿದ್ಧವಾಗಬಹುದು?

    ಒಳನೋಟ ಉಲ್ಲೇಖಗಳು

    ಈ ಒಳನೋಟಕ್ಕಾಗಿ ಕೆಳಗಿನ ಜನಪ್ರಿಯ ಮತ್ತು ಸಾಂಸ್ಥಿಕ ಲಿಂಕ್‌ಗಳನ್ನು ಉಲ್ಲೇಖಿಸಲಾಗಿದೆ:

    ಭದ್ರತೆ ಮತ್ತು ಉದಯೋನ್ಮುಖ ತಂತ್ರಜ್ಞಾನದ ಕೇಂದ್ರ ಸೈಬರ್ ದಾಳಿಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವುದು