Петербургские ученые разработали нейросеть для выявления программ-шпионов, похищающих пароли

Технология позволит повысить уровень сетевой безопасности

Ученые из Санкт-Петербургского федерального исследовательского центра РАН (СПб ФИЦ РАН) создали нейросеть, способную обнаруживать вредоносные программы – кейлоггеры, которые используются для кражи паролей. Новая технология позволит повысить уровень сетевой безопасности и защитить пользователей от злоумышленников.

Кейлоггеры – это программы, записывающие нажатия клавиш на клавиатуре или мыши, и могут использоваться как в законных целях, так и для кражи конфиденциальной информации, что представляет серьезную угрозу для пользователей. «Исследователи СПб ФИЦ РАН предложили подход, который позволяет при помощи нейросетей обнаружить кейлоггеры - программы, записывающие последовательность нажатия клавиш клавиатуры или мыши. Предложенные алгоритмы могут быть встроены в системы сетевой безопасности для защиты от злоумышленников, которые способны использовать кейлоггеры, например, для получения доступа к аккаунтам пользователей», - говорится в сообщении пресс-службы вуза. Разработанная нейросеть анализирует сетевой трафик на предмет следов активности кейлоггеров, ищет признаки взаимодействия вредоносных программ с удаленными серверами. В основе решения лежат несколько методов искусственного интеллекта, позволяющих мониторить трафик и сигнализировать о подозрительной активности, характерной для кейлоггеров. «Мы разработали подход, который ищет следы присутствия кейлоггеров в сетевом трафике, то есть он нацелен на процесс взаимодействия программ-шпионов с удаленными серверами. В основе нашего решения лежат несколько методов искусственного интеллекта, которые могут мониторить трафик пользователя или организации и сигнализировать, если где-то обнаружена подозрительная сетевая активность, похожая на работу кейлоггеров», - пояснил старший научный сотрудник лаборатории проблем компьютерной безопасности СПб ФИЦ РАН Дмитрий Левшун. В ходе экспериментов ученые протестировали различные модели машинного обучения, используя открытые наборы данных, содержащие трафик кейлоггеров, и оценили их эффективность и быстродействие. Ранее сообщалось, что петербургские ученые разработали экологичный способ переработки офисной макулатуры.