AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਵੈਚਲਿਤ ਸਾਈਬਰ ਹਮਲੇ: ਜਦੋਂ ਮਸ਼ੀਨਾਂ ਸਾਈਬਰ ਅਪਰਾਧੀ ਬਣ ਜਾਂਦੀਆਂ ਹਨ
AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਵੈਚਲਿਤ ਸਾਈਬਰ ਹਮਲੇ: ਜਦੋਂ ਮਸ਼ੀਨਾਂ ਸਾਈਬਰ ਅਪਰਾਧੀ ਬਣ ਜਾਂਦੀਆਂ ਹਨ
AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਵੈਚਲਿਤ ਸਾਈਬਰ ਹਮਲੇ: ਜਦੋਂ ਮਸ਼ੀਨਾਂ ਸਾਈਬਰ ਅਪਰਾਧੀ ਬਣ ਜਾਂਦੀਆਂ ਹਨ
- ਲੇਖਕ ਬਾਰੇ:
- ਸਤੰਬਰ 30, 2022
ਇਨਸਾਈਟ ਸੰਖੇਪ
ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ (ML) ਦੀ ਵਰਤੋਂ ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਵਿੱਚ, ਸਿਸਟਮਾਂ ਦੀ ਸੁਰੱਖਿਆ ਲਈ ਅਤੇ ਸਾਈਬਰ ਹਮਲਿਆਂ ਨੂੰ ਅੰਜਾਮ ਦੇਣ ਲਈ ਵਧਦੀ ਜਾ ਰਹੀ ਹੈ। ਡੇਟਾ ਅਤੇ ਵਿਵਹਾਰਾਂ ਤੋਂ ਸਿੱਖਣ ਦੀ ਉਹਨਾਂ ਦੀ ਸਮਰੱਥਾ ਉਹਨਾਂ ਨੂੰ ਸਿਸਟਮ ਦੀਆਂ ਕਮਜ਼ੋਰੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ, ਪਰ ਇਹਨਾਂ ਐਲਗੋਰਿਦਮ ਦੇ ਪਿੱਛੇ ਸਰੋਤ ਦਾ ਪਤਾ ਲਗਾਉਣਾ ਵੀ ਔਖਾ ਬਣਾਉਂਦਾ ਹੈ। ਸਾਈਬਰ ਕ੍ਰਾਈਮ ਵਿੱਚ AI ਦਾ ਇਹ ਵਿਕਾਸਸ਼ੀਲ ਲੈਂਡਸਕੇਪ IT ਮਾਹਰਾਂ ਵਿੱਚ ਚਿੰਤਾਵਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਉੱਨਤ ਰੱਖਿਆ ਰਣਨੀਤੀਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਸਰਕਾਰਾਂ ਅਤੇ ਕੰਪਨੀਆਂ ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਤਬਦੀਲੀਆਂ ਲਿਆ ਸਕਦੀਆਂ ਹਨ।
AI ਸੰਦਰਭ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਵੈਚਲਿਤ ਸਾਈਬਰ ਹਮਲੇ
ਨਕਲੀ ਬੁੱਧੀ ਅਤੇ ML ਲਗਭਗ ਸਾਰੇ ਕਾਰਜਾਂ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਨ ਦੀ ਯੋਗਤਾ ਨੂੰ ਕਾਇਮ ਰੱਖਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਦੁਹਰਾਉਣ ਵਾਲੇ ਵਿਵਹਾਰ ਅਤੇ ਪੈਟਰਨਾਂ ਤੋਂ ਸਿੱਖਣਾ, ਇੱਕ ਸਿਸਟਮ ਵਿੱਚ ਕਮਜ਼ੋਰੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਾਧਨ ਬਣਾਉਣਾ ਸ਼ਾਮਲ ਹੈ। ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ, AI ਅਤੇ ML ਇੱਕ ਐਲਗੋਰਿਦਮ ਦੇ ਪਿੱਛੇ ਇੱਕ ਵਿਅਕਤੀ ਜਾਂ ਇੱਕ ਹਸਤੀ ਨੂੰ ਦਰਸਾਉਣਾ ਚੁਣੌਤੀਪੂਰਨ ਬਣਾਉਂਦੇ ਹਨ।
2022 ਵਿੱਚ, ਸਾਈਬਰ ਸੁਰੱਖਿਆ 'ਤੇ ਯੂਐਸ ਸੈਨੇਟ ਦੀ ਆਰਮਡ ਸਰਵਿਸਿਜ਼ ਸਬ-ਕਮੇਟੀ ਦੇ ਦੌਰਾਨ, ਮਾਈਕਰੋਸਾਫਟ ਦੇ ਮੁੱਖ ਵਿਗਿਆਨਕ ਅਧਿਕਾਰੀ ਐਰਿਕ ਹੌਰਵਿਟਜ਼ ਨੇ ਸਾਈਬਰ ਹਮਲਿਆਂ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਨ ਲਈ ਨਕਲੀ ਬੁੱਧੀ (AI) ਦੀ ਵਰਤੋਂ ਨੂੰ "ਅਪਮਾਨਜਨਕ AI" ਵਜੋਂ ਦਰਸਾਇਆ। ਉਸਨੇ ਉਜਾਗਰ ਕੀਤਾ ਕਿ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ ਕਿ ਕੀ ਇੱਕ ਸਾਈਬਰ ਅਟੈਕ ਏਆਈ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਹੈ। ਇਸੇ ਤਰ੍ਹਾਂ, ਮਸ਼ੀਨ ਲਰਨਿੰਗ (ML) ਦੀ ਵਰਤੋਂ ਸਾਈਬਰ ਹਮਲਿਆਂ ਦੀ ਸਹਾਇਤਾ ਲਈ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ; ML ਦੀ ਵਰਤੋਂ ਉਹਨਾਂ ਨੂੰ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਹੈਕ ਕਰਨ ਲਈ ਪਾਸਵਰਡ ਬਣਾਉਣ ਲਈ ਆਮ ਤੌਰ 'ਤੇ ਵਰਤੇ ਜਾਂਦੇ ਸ਼ਬਦਾਂ ਅਤੇ ਰਣਨੀਤੀਆਂ ਨੂੰ ਸਿੱਖਣ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਫਰਮ ਡਾਰਕਟਰੇਸ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਇੱਕ ਸਰਵੇਖਣ ਵਿੱਚ ਪਤਾ ਲੱਗਾ ਹੈ ਕਿ ਆਈਟੀ ਪ੍ਰਬੰਧਨ ਟੀਮਾਂ ਸਾਈਬਰ ਅਪਰਾਧਾਂ ਵਿੱਚ ਏਆਈ ਦੀ ਸੰਭਾਵਿਤ ਵਰਤੋਂ ਨੂੰ ਲੈ ਕੇ ਚਿੰਤਤ ਹਨ, 96 ਪ੍ਰਤੀਸ਼ਤ ਉੱਤਰਦਾਤਾਵਾਂ ਨੇ ਇਹ ਸੰਕੇਤ ਦਿੱਤਾ ਹੈ ਕਿ ਉਹ ਪਹਿਲਾਂ ਹੀ ਸੰਭਵ ਹੱਲਾਂ ਦੀ ਖੋਜ ਕਰ ਰਹੇ ਹਨ। ਆਈਟੀ ਸੁਰੱਖਿਆ ਮਾਹਰ ਸਾਈਬਰ ਅਟੈਕ ਦੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਰੈਨਸਮਵੇਅਰ ਅਤੇ ਫਿਸ਼ਿੰਗ ਤੋਂ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਮਾਲਵੇਅਰ ਵਿੱਚ ਤਬਦੀਲੀ ਮਹਿਸੂਸ ਕਰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣਾ ਅਤੇ ਉਲਟਾਉਣਾ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ। ਏਆਈ-ਸਮਰਥਿਤ ਸਾਈਬਰ ਕ੍ਰਾਈਮ ਦਾ ਸੰਭਾਵਿਤ ਜੋਖਮ ML ਮਾਡਲਾਂ ਵਿੱਚ ਖਰਾਬ ਜਾਂ ਹੇਰਾਫੇਰੀ ਕੀਤੇ ਡੇਟਾ ਦੀ ਸ਼ੁਰੂਆਤ ਹੈ।
ਇੱਕ ML ਅਟੈਕ ਸਾਫਟਵੇਅਰ ਅਤੇ ਹੋਰ ਤਕਨੀਕਾਂ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਵਰਤਮਾਨ ਵਿੱਚ ਕਲਾਉਡ ਕੰਪਿਊਟਿੰਗ ਅਤੇ ਕਿਨਾਰੇ AI ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਵਿਕਸਤ ਕੀਤੀਆਂ ਜਾ ਰਹੀਆਂ ਹਨ। ਨਾਕਾਫ਼ੀ ਸਿਖਲਾਈ ਡੇਟਾ ਐਲਗੋਰਿਦਮ ਪੱਖਪਾਤਾਂ ਨੂੰ ਵੀ ਮੁੜ ਲਾਗੂ ਕਰ ਸਕਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਘੱਟ ਗਿਣਤੀ ਸਮੂਹਾਂ ਨੂੰ ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਟੈਗ ਕਰਨਾ ਜਾਂ ਹਾਸ਼ੀਏ 'ਤੇ ਰਹਿ ਗਏ ਭਾਈਚਾਰਿਆਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਣ ਲਈ ਭਵਿੱਖਬਾਣੀ ਪੁਲਿਸਿੰਗ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਨਾ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਿਸਟਮਾਂ ਵਿੱਚ ਸੂਖਮ ਪਰ ਵਿਨਾਸ਼ਕਾਰੀ ਜਾਣਕਾਰੀ ਪੇਸ਼ ਕਰ ਸਕਦੀ ਹੈ, ਜਿਸਦੇ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਚੱਲਣ ਵਾਲੇ ਨਤੀਜੇ ਹੋ ਸਕਦੇ ਹਨ।
ਵਿਘਨਕਾਰੀ ਪ੍ਰਭਾਵ
ਜਾਰਜਟਾਊਨ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ ਸਾਈਬਰ ਕਿੱਲ ਚੇਨ (ਇੱਕ ਸਫਲ ਸਾਈਬਰ ਅਟੈਕ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ ਲਈ ਕੀਤੇ ਗਏ ਕੰਮਾਂ ਦੀ ਇੱਕ ਸੂਚੀ) 'ਤੇ ਇੱਕ ਅਧਿਐਨ ਨੇ ਦਿਖਾਇਆ ਕਿ ਖਾਸ ਅਪਮਾਨਜਨਕ ਰਣਨੀਤੀਆਂ ML ਤੋਂ ਲਾਭ ਲੈ ਸਕਦੀਆਂ ਹਨ। ਇਹਨਾਂ ਤਰੀਕਿਆਂ ਵਿੱਚ ਸਪੇਅਰਫਿਸ਼ਿੰਗ (ਖਾਸ ਲੋਕਾਂ ਅਤੇ ਸੰਸਥਾਵਾਂ ਵੱਲ ਨਿਰਦੇਸ਼ਿਤ ਈ-ਮੇਲ ਘੁਟਾਲੇ), ਆਈਟੀ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ ਕਮਜ਼ੋਰੀਆਂ ਨੂੰ ਦਰਸਾਉਣਾ, ਨੈੱਟਵਰਕਾਂ ਵਿੱਚ ਖਤਰਨਾਕ ਕੋਡ ਪ੍ਰਦਾਨ ਕਰਨਾ, ਅਤੇ ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ ਦੁਆਰਾ ਖੋਜ ਤੋਂ ਬਚਣਾ ਸ਼ਾਮਲ ਹੈ। ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਸਮਾਜਿਕ ਇੰਜਨੀਅਰਿੰਗ ਹਮਲਿਆਂ ਦੇ ਸਫਲ ਹੋਣ ਦੀਆਂ ਸੰਭਾਵਨਾਵਾਂ ਨੂੰ ਵੀ ਵਧਾ ਸਕਦੀ ਹੈ, ਜਿੱਥੇ ਲੋਕਾਂ ਨੂੰ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ ਪ੍ਰਗਟ ਕਰਨ ਜਾਂ ਵਿੱਤੀ ਲੈਣ-ਦੇਣ ਵਰਗੀਆਂ ਖਾਸ ਕਾਰਵਾਈਆਂ ਕਰਨ ਲਈ ਧੋਖਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਾਈਬਰ ਕਿੱਲ ਚੇਨ ਕੁਝ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰ ਸਕਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:
- ਵਿਆਪਕ ਨਿਗਰਾਨੀ - ਟਾਰਗੇਟ ਨੈੱਟਵਰਕਾਂ ਤੋਂ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਨ ਵਾਲੇ ਆਟੋਨੋਮਸ ਸਕੈਨਰ, ਉਹਨਾਂ ਦੇ ਕਨੈਕਟ ਕੀਤੇ ਸਿਸਟਮਾਂ, ਬਚਾਅ ਪੱਖਾਂ ਅਤੇ ਸਾਫਟਵੇਅਰ ਸੈਟਿੰਗਾਂ ਸਮੇਤ।
- ਵਿਸ਼ਾਲ ਹਥਿਆਰੀਕਰਨ - ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ ਕਮਜ਼ੋਰੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਅਤੇ ਇਹਨਾਂ ਕਮੀਆਂ ਵਿੱਚ ਘੁਸਪੈਠ ਕਰਨ ਲਈ ਕੋਡ ਬਣਾਉਣ ਵਾਲੇ AI ਸਾਧਨ। ਇਹ ਸਵੈਚਲਿਤ ਖੋਜ ਖਾਸ ਡਿਜੀਟਲ ਈਕੋਸਿਸਟਮ ਜਾਂ ਸੰਸਥਾਵਾਂ ਨੂੰ ਵੀ ਨਿਸ਼ਾਨਾ ਬਣਾ ਸਕਦੀ ਹੈ।
- ਸਪੁਰਦਗੀ ਜਾਂ ਹੈਕਿੰਗ - ਹਜ਼ਾਰਾਂ ਲੋਕਾਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਣ ਲਈ ਸਪੀਅਰਫਿਸ਼ਿੰਗ ਅਤੇ ਸੋਸ਼ਲ ਇੰਜੀਨੀਅਰਿੰਗ ਨੂੰ ਚਲਾਉਣ ਲਈ ਆਟੋਮੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਏਆਈ ਟੂਲ।
2023 ਤੱਕ, ਗੁੰਝਲਦਾਰ ਕੋਡ ਲਿਖਣਾ ਅਜੇ ਵੀ ਮਨੁੱਖੀ ਪ੍ਰੋਗਰਾਮਰਾਂ ਦੇ ਖੇਤਰ ਵਿੱਚ ਹੈ, ਪਰ ਮਾਹਰਾਂ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਮਸ਼ੀਨਾਂ ਨੂੰ ਵੀ ਇਹ ਹੁਨਰ ਹਾਸਲ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਸਮਾਂ ਨਹੀਂ ਲੱਗੇਗਾ। DeepMind ਦਾ AlphaCode ਅਜਿਹੇ ਉੱਨਤ AI ਸਿਸਟਮਾਂ ਦੀ ਇੱਕ ਪ੍ਰਮੁੱਖ ਉਦਾਹਰਣ ਹੈ। ਇਹ ਪੈਟਰਨ ਸਿੱਖਣ ਅਤੇ ਅਨੁਕੂਲਿਤ ਕੋਡ ਹੱਲ ਤਿਆਰ ਕਰਨ ਲਈ ਕੋਡ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ ਪ੍ਰੋਗਰਾਮਰਾਂ ਦੀ ਸਹਾਇਤਾ ਕਰਦਾ ਹੈ।
AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਵੈਚਲਿਤ ਸਾਈਬਰ ਹਮਲਿਆਂ ਦੇ ਪ੍ਰਭਾਵ
AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਵੈਚਲਿਤ ਸਾਈਬਰ ਹਮਲਿਆਂ ਦੇ ਵਿਆਪਕ ਪ੍ਰਭਾਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ:
- ਕੰਪਨੀਆਂ ਸਵੈਚਲਿਤ ਸਾਈਬਰ ਹਮਲਿਆਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਅਤੇ ਰੋਕਣ ਲਈ ਉੱਨਤ ਸਾਈਬਰ ਹੱਲ ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਆਪਣੇ ਸਾਈਬਰ ਰੱਖਿਆ ਬਜਟ ਨੂੰ ਡੂੰਘਾ ਕਰ ਰਹੀਆਂ ਹਨ।
- ਸਾਈਬਰ ਅਪਰਾਧੀ ਐਲਗੋਰਿਦਮ ਬਣਾਉਣ ਲਈ ML ਵਿਧੀਆਂ ਦਾ ਅਧਿਐਨ ਕਰ ਰਹੇ ਹਨ ਜੋ ਕਾਰਪੋਰੇਟ ਅਤੇ ਜਨਤਕ ਖੇਤਰ ਦੀਆਂ ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਗੁਪਤ ਤੌਰ 'ਤੇ ਹਮਲਾ ਕਰ ਸਕਦੇ ਹਨ।
- ਸਾਈਬਰ ਹਮਲਿਆਂ ਦੀਆਂ ਵਧੀਆਂ ਘਟਨਾਵਾਂ ਜੋ ਚੰਗੀ ਤਰ੍ਹਾਂ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ ਅਤੇ ਇੱਕੋ ਸਮੇਂ ਕਈ ਸੰਸਥਾਵਾਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦੀਆਂ ਹਨ।
- ਫੌਜੀ ਹਥਿਆਰਾਂ, ਮਸ਼ੀਨਾਂ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਕਮਾਂਡ ਕੇਂਦਰਾਂ ਦੇ ਨਿਯੰਤਰਣ ਨੂੰ ਜ਼ਬਤ ਕਰਨ ਲਈ ਅਪਮਾਨਜਨਕ AI ਸੌਫਟਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ।
- ਅਪਮਾਨਜਨਕ AI ਸੌਫਟਵੇਅਰ ਦੀ ਵਰਤੋਂ ਜਨਤਕ ਅਤੇ ਨਿੱਜੀ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਖਤਮ ਕਰਨ ਲਈ ਕਿਸੇ ਕੰਪਨੀ ਦੇ ਸਿਸਟਮਾਂ ਵਿੱਚ ਘੁਸਪੈਠ, ਸੋਧ ਜਾਂ ਸ਼ੋਸ਼ਣ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
- ਕੁਝ ਸਰਕਾਰਾਂ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਆਪਣੀਆਂ ਘਰੇਲੂ ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਏਜੰਸੀਆਂ ਦੇ ਨਿਯੰਤਰਣ ਅਤੇ ਸੁਰੱਖਿਆ ਦੇ ਅਧੀਨ ਆਪਣੇ ਘਰੇਲੂ ਨਿੱਜੀ ਖੇਤਰ ਦੇ ਡਿਜੀਟਲ ਬਚਾਅ ਦਾ ਪੁਨਰਗਠਨ ਕਰ ਰਹੀਆਂ ਹਨ।
ਵਿਚਾਰ ਕਰਨ ਲਈ ਪ੍ਰਸ਼ਨ
- AI-ਸਮਰੱਥ ਸਾਈਬਰ ਅਟੈਕਾਂ ਦੇ ਹੋਰ ਸੰਭਾਵੀ ਨਤੀਜੇ ਕੀ ਹਨ?
- ਕੰਪਨੀਆਂ ਅਜਿਹੇ ਹਮਲਿਆਂ ਲਈ ਹੋਰ ਕਿਵੇਂ ਤਿਆਰ ਹੋ ਸਕਦੀਆਂ ਹਨ?
ਇਨਸਾਈਟ ਹਵਾਲੇ
ਇਸ ਸੂਝ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਪ੍ਰਸਿੱਧ ਅਤੇ ਸੰਸਥਾਗਤ ਲਿੰਕਾਂ ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ ਗਿਆ ਸੀ:
