AI ကိုအသုံးပြု၍ အလိုအလျောက်ဆိုက်ဘာတိုက်ခိုက်မှုများ- စက်များသည် ဆိုက်ဘာရာဇ၀တ်ကောင်များဖြစ်လာသောအခါ

ပုံခရက်ဒစ်-
image ကိုအကြွေး
iStock

AI ကိုအသုံးပြု၍ အလိုအလျောက်ဆိုက်ဘာတိုက်ခိုက်မှုများ- စက်များသည် ဆိုက်ဘာရာဇ၀တ်ကောင်များဖြစ်လာသောအခါ

AI ကိုအသုံးပြု၍ အလိုအလျောက်ဆိုက်ဘာတိုက်ခိုက်မှုများ- စက်များသည် ဆိုက်ဘာရာဇ၀တ်ကောင်များဖြစ်လာသောအခါ

ခေါင်းစဉ်ခွဲ စာသား
ဉာဏ်ရည်တု (AI) နှင့် စက်သင်ယူခြင်း (ML) တို့၏ စွမ်းအားကို ဆိုက်ဘာတိုက်ခိုက်မှုများကို ပိုမိုထိရောက်ပြီး သေစေအောင် ဟက်ကာများက အသုံးချလျက်ရှိသည်။
    • Author:
    • စာရေးသူနာမည်
      Quantumrun Foresight
    • စက်တင်ဘာလ 30, 2022

    ဝိပဿနာ အကျဉ်းချုပ်

    Artificial Intelligence (AI) နှင့် machine learning (ML) ကို စနစ်များကို ကာကွယ်ရန်နှင့် ဆိုက်ဘာတိုက်ခိုက်မှုများကို လုပ်ဆောင်ရာတွင် ဆိုက်ဘာလုံခြုံရေးတွင် ပိုမိုအသုံးပြုလာပါသည်။ ဒေတာနှင့် အမူအကျင့်များမှ သင်ယူနိုင်မှုစွမ်းရည်သည် ၎င်းတို့အား စနစ်ဆိုင်ရာ အားနည်းချက်များကို ခွဲခြားသိရှိနိုင်စေသော်လည်း အဆိုပါ အယ်လဂိုရီသမ်နောက်ကွယ်ရှိ အရင်းအမြစ်ကို ခြေရာခံရန် ခက်ခဲစေသည်။ ဆိုက်ဘာရာဇ၀တ်မှုတွင် AI ၏ ပြောင်းလဲနေသော အခင်းအကျင်းသည် IT ကျွမ်းကျင်သူများကြားတွင် စိုးရိမ်မှုများ တိုးလာစေပြီး အဆင့်မြင့် ကာကွယ်ရေးဗျူဟာများ လိုအပ်ပြီး အစိုးရများနှင့် ကုမ္ပဏီများသည် ဆိုက်ဘာလုံခြုံရေးကို ချဉ်းကပ်ပုံတွင် သိသာထင်ရှားသော အပြောင်းအလဲများ ဖြစ်ပေါ်လာနိုင်သည်။

    AI အကြောင်းအရာကို အသုံးပြု၍ အလိုအလျောက်ဆိုက်ဘာတိုက်ခိုက်မှုများ

    Artificial Intelligence နှင့် ML တို့သည် ထပ်တလဲလဲပြုမူပုံများနှင့် ပုံစံများကို သင်ယူခြင်း၊ စနစ်အတွင်းရှိ အားနည်းချက်များကို ရှာဖွေဖော်ထုတ်ရန် အစွမ်းထက်သောကိရိယာတစ်ခု ဖန်တီးခြင်းအပါအဝင် လုပ်ငန်းအားလုံးနီးပါးကို အလိုအလျောက်လုပ်ဆောင်နိုင်စွမ်းကို ထိန်းသိမ်းထားသည်။ ပို၍အရေးကြီးသည်မှာ AI နှင့် ML သည် algorithm နောက်ကွယ်ရှိ လူတစ်ဦး သို့မဟုတ် အဖွဲ့အစည်းတစ်ခုကို ဖော်ထုတ်ရန် စိန်ခေါ်မှုဖြစ်စေသည်။

    2022 ခုနှစ်တွင် ဆိုက်ဘာလုံခြုံရေးဆိုင်ရာ US Senate Armed Services Subcommittee အတွင်း Microsoft ၏ သိပ္ပံဆိုင်ရာအရာရှိချုပ် Eric Horvitz က ဆိုက်ဘာတိုက်ခိုက်မှုများကို အလိုအလျောက်တိုက်ခိုက်ရန် AI ကိုအသုံးပြုခြင်းကို "ထိုးစစ် AI" အဖြစ် ရည်ညွှန်းခဲ့သည်။ ဆိုက်ဘာတိုက်ခိုက်မှုသည် AI မောင်းနှင်ခြင်းရှိ၊ မရှိ ဆုံးဖြတ်ရန်ခက်ခဲကြောင်း ၎င်းက မီးမောင်းထိုးပြခဲ့သည်။ အလားတူ၊ စက်သင်ယူမှု (ML) ကို ဆိုက်ဘာတိုက်ခိုက်မှုများကို အထောက်အကူဖြစ်စေရန် အသုံးပြုလျက်ရှိသည်။ ML သည် ၎င်းတို့ကို ပိုကောင်းအောင် hack ရန် စကားဝှက်များ ဖန်တီးရာတွင် အသုံးများသော အသုံးများသော စကားလုံးများနှင့် နည်းဗျူဟာများကို လေ့လာရန် အသုံးပြုသည်။ 

    ဆိုက်ဘာလုံခြုံရေးကုမ္ပဏီ Darktrace မှ စစ်တမ်းတစ်ခုအရ အိုင်တီစီမံခန့်ခွဲမှုအဖွဲ့များသည် ဆိုက်ဘာရာဇ၀တ်မှုများတွင် AI အသုံးပြုမှုနှင့်ပတ်သက်၍ ပိုမိုစိုးရိမ်လာကြောင်း ဖြေဆိုသူ 96 ရာခိုင်နှုန်းက ဖြစ်နိုင်ချေရှိသော ဖြေရှင်းနည်းများကို သုတေသနပြုနေပြီဟု ဖော်ပြထားသည်ကို တွေ့ရှိခဲ့သည်။ အိုင်တီလုံခြုံရေးကျွမ်းကျင်သူများသည် ransomware နှင့် phishing မှ ဆိုက်ဘာတိုက်ခိုက်မှုနည်းလမ်းများတွင် ရှာဖွေတွေ့ရှိရန်ခက်ခဲသော ပိုမိုရှုပ်ထွေးသော malware သို့ ဆိုက်ဘာတိုက်ခိုက်မှုနည်းလမ်းများပြောင်းသွားသည်ဟု ခံစားရသည်။ AI-ဖွင့်ထားသော ဆိုက်ဘာရာဇ၀တ်မှု၏ ဖြစ်နိုင်ခြေအန္တရာယ်မှာ ML မော်ဒယ်များတွင် ပျက်စီးယိုယွင်းနေသော သို့မဟုတ် ကြိုးကိုင်ထားသည့် ဒေတာများကို မိတ်ဆက်ခြင်းဖြစ်သည်။

    ML တိုက်ခိုက်မှုသည် cloud computing နှင့် edge AI တို့ကို ပံ့ပိုးပေးရန်အတွက် လက်ရှိတီထွင်နေသော software နှင့် အခြားနည်းပညာများကို အကျိုးသက်ရောက်နိုင်သည်။ မလုံလောက်သော လေ့ကျင့်ရေးဒေတာသည် လူနည်းစုအုပ်စုများကို မှားယွင်းစွာ တဂ်လုပ်ခြင်း သို့မဟုတ် ဘေးဖယ်ထားသော ရပ်ရွာများကို ပစ်မှတ်ထားရန် ကြိုတင်မဲပေးခြင်းကဲ့သို့သော ဘက်လိုက်မှုဆိုင်ရာ အယ်လဂိုရီသမ်များကို ပြန်လည်အားဖြည့်ပေးနိုင်သည်။ Artificial Intelligence သည် သိမ်မွေ့သော်လည်း ဘေးဥပဒ်ဖြစ်စေသော အချက်အလက်များကို စနစ်များသို့ ပေးပို့နိုင်ပြီး ရေရှည်အကျိုးဆက်များ ရှိနိုင်သည်။

    အနှောင့်အယှက်ဖြစ်စေတယ်။

    Georgetown University မှ သုတေသီများ၏ လေ့လာချက်တစ်ခု (အောင်မြင်သော ဆိုက်ဘာတိုက်ခိုက်မှုကို စတင်ရန် လုပ်ဆောင်ခဲ့သော လုပ်ငန်းတာဝန်များ စာရင်းတစ်ခု) သည် ML မှ တိကျသော ထိုးစစ်ဗျူဟာများကို အကျိုးပြုနိုင်ကြောင်း ပြသခဲ့သည်။ ဤနည်းလမ်းများတွင် spearphishing (လူများနှင့် အဖွဲ့အစည်းများကို ဦးတည်သည့် အီးမေးလ် လိမ်လည်လှည့်ဖြားမှုများ)၊ IT အခြေခံအဆောက်အအုံများတွင် အားနည်းချက်များကို ဖော်ထုတ်ခြင်း၊ အန္တရာယ်ရှိသောကုဒ်များကို ကွန်ရက်များအတွင်းသို့ ပို့ဆောင်ခြင်းနှင့် ဆိုက်ဘာလုံခြုံရေးစနစ်များမှ ထောက်လှမ်းခြင်းတို့ကို ရှောင်ရှားခြင်းတို့ ပါဝင်ပါသည်။ စက်သင်ယူခြင်းသည် လူမှုအင်ဂျင်နီယာတိုက်ခိုက်မှုများအောင်မြင်ရန် အခွင့်အလမ်းကိုလည်း တိုးစေပြီး၊ လူအများသည် အရေးကြီးသောအချက်အလက်များကို ထုတ်ဖော်ရန် သို့မဟုတ် ငွေကြေးလွှဲပြောင်းမှုများကဲ့သို့သော သီးခြားလုပ်ဆောင်ချက်များကို လုပ်ဆောင်ရန် လှည့်စားခံရသည့်နေရာဖြစ်သည်။ 

    ထို့အပြင်၊ ဆိုက်ဘာသတ်ကွင်းဆက်သည် အောက်ပါအပါအဝင် လုပ်ငန်းစဉ်အချို့ကို အလိုအလျောက်လုပ်ဆောင်နိုင်သည်- 

    • ကျယ်ပြန့်စွာ စောင့်ကြည့်ခြင်း - ၎င်းတို့၏ ချိတ်ဆက်ထားသော စနစ်များ၊ ကာကွယ်ရေးများနှင့် ဆော့ဖ်ဝဲ ဆက်တင်များ အပါအဝင် ပစ်မှတ်ကွန်ရက်များမှ အချက်အလက်များကို စုဆောင်းသည့် အလိုအလျောက် အုပ်ချုပ်သည့် စကင်နာများ။ 
    • ကြီးမားသောလက်နက်ဖန်တီးခြင်း - အခြေခံအဆောက်အဦများတွင် အားနည်းချက်များကို ဖော်ထုတ်ပေးပြီး အဆိုပါကွက်လပ်များကို စိမ့်ဝင်စေရန် ကုဒ်ဖန်တီးသည့် AI ကိရိယာများ။ ဤအလိုအလျောက် ထောက်လှမ်းမှုသည် သီးခြား ဒစ်ဂျစ်တယ်ဂေဟစနစ်များ သို့မဟုတ် အဖွဲ့အစည်းများကို ပစ်မှတ်ထားနိုင်သည်။ 
    • ပေးပို့ခြင်း သို့မဟုတ် ဟက်ကာ - လူထောင်ပေါင်းများစွာကို ပစ်မှတ်ထားရန် လှံဖြားခြင်း နှင့် လူမှုရေးအင်ဂျင်နီယာကို လုပ်ဆောင်ရန် အလိုအလျောက်စနစ်သုံးပြီး AI ကိရိယာများ။ 

    2023 ခုနှစ်အထိ၊ ရှုပ်ထွေးသောကုဒ်များရေးသားခြင်းသည် လူသားပရိုဂရမ်မာများ၏နယ်ပယ်အတွင်းတွင်ရှိနေဆဲဖြစ်သော်လည်း၊ စက်များသည် ဤကျွမ်းကျင်မှုမရရှိမီ အချိန်ကြာမြင့်မည်ဟု ကျွမ်းကျင်သူများက ယုံကြည်ကြသည်။ DeepMind ၏ AlphaCode သည် ထိုကဲ့သို့သော အဆင့်မြင့် AI စနစ်များ၏ ထင်ရှားသော ဥပမာတစ်ခုဖြစ်သည်။ ၎င်းသည် ပုံစံများကို လေ့လာရန်နှင့် ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ထားသော ကုဒ်ဖြေရှင်းချက်များကို ထုတ်လုပ်ရန် ကုဒ်အများအပြားကို ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် ပရိုဂရမ်မာများအား ကူညီပေးသည်

    AI ကိုအသုံးပြု၍ အလိုအလျောက်ဆိုက်ဘာတိုက်ခိုက်မှုများ၏ သက်ရောက်မှုများ

    AI ကို အသုံးပြု၍ အလိုအလျောက် ဆိုက်ဘာတိုက်ခိုက်ခြင်း၏ ပိုမိုကျယ်ပြန့်သော သက်ရောက်မှုများ ပါဝင်နိုင်သည်- 

    • ကုမ္ပဏီများသည် အလိုအလျောက် ဆိုက်ဘာတိုက်ခိုက်မှုများကို ရှာဖွေပြီး ရပ်တန့်ရန် အဆင့်မြင့် ဆိုက်ဘာဖြေရှင်းချက်များကို ဖော်ထုတ်ရန် ၎င်းတို့၏ ဆိုက်ဘာကာကွယ်ရေးဘတ်ဂျက်များကို နက်ရှိုင်းအောင် လုပ်ဆောင်ကြသည်။
    • Cybercriminals များသည် ကော်ပိုရိတ်နှင့် အများပိုင်ကဏ္ဍစနစ်များကို လျှို့ဝှက်ကျူးကျော်ဝင်ရောက်နိုင်သည့် အယ်လဂိုရီသမ်များဖန်တီးရန် ML နည်းလမ်းများကို လေ့လာနေပါသည်။
    • ကောင်းစွာကြိုးကိုင်ပြီး အဖွဲ့အစည်းများစွာကို တစ်ပြိုင်နက် ပစ်မှတ်ထားသည့် ဆိုက်ဘာတိုက်ခိုက်မှုများ တိုးများလာသည်။
    • စစ်လက်နက်များ၊ စက်များနှင့် အခြေခံအဆောက်အဦ ကွပ်ကဲမှုစင်တာများကို သိမ်းပိုက်ရန်အတွက် ထိုးစစ်ဆင်သည့် AI ဆော့ဖ်ဝဲကို အသုံးပြုထားသည်။
    • အစိုးရနှင့်ပုဂ္ဂလိကအခြေခံအဆောက်အဦများကိုဖယ်ရှားရန် ကုမ္ပဏီ၏စနစ်များကို စိမ့်ဝင်ရန်၊ ပြုပြင်ရန် သို့မဟုတ် အသုံးချရန် အသုံးပြုသည့် ထိုးစစ်ဆင်သည့် AI ဆော့ဖ်ဝဲ။ 
    • အချို့သော အစိုးရများသည် ၎င်းတို့၏ သက်ဆိုင်ရာ နိုင်ငံလုံးဆိုင်ရာ ဆိုက်ဘာလုံခြုံရေးအေဂျင်စီများ၏ ထိန်းချုပ်မှုနှင့် ကာကွယ်မှုအောက်တွင် ၎င်းတို့၏ ပြည်တွင်းပုဂ္ဂလိကကဏ္ဍ၏ ဒစ်ဂျစ်တယ်ကာကွယ်ရေးကို ပြန်လည်ဖွဲ့စည်းနိုင်ချေရှိသည်။

    စဉ်းစားရန်မေးခွန်းများ

    • AI-ဖွင့်ထားသော ဆိုက်ဘာတိုက်ခိုက်ခြင်း၏ အခြားသော အလားအလာများကား အဘယ်နည်း။
    • ဒီလိုတိုက်ခိုက်မှုတွေအတွက် တခြားကုမ္ပဏီတွေက ဘယ်လိုပြင်ဆင်နိုင်မလဲ။

    ဝိပဿနာကိုးကား

    ဤထိုးထွင်းသိမြင်မှုအတွက် အောက်ပါလူကြိုက်များပြီး အဖွဲ့အစည်းဆိုင်ရာလင့်ခ်များကို ကိုးကားထားပါသည်။

    လုံခြုံရေးနှင့် ထွန်းသစ်စနည်းပညာစင်တာ ဆိုက်ဘာတိုက်ခိုက်မှုများကို အလိုအလျောက်လုပ်ဆောင်ခြင်း။