Heim Schlagzeilen Haben Sie Angst vor Hackern, die Big Data und künstliche Intelligenz für Angriffe nutzen?

Haben Sie Angst vor Hackern, die Big Data und künstliche Intelligenz für Angriffe nutzen?

Mar 01, 2018 pm 05:31 PM
人工智能 攻击 Benehmen

Werden künstliche Intelligenz und Big Data Hackern dabei helfen, effektiver an Informationen zu gelangen und das tägliche Leben der Menschen zu beeinflussen? Dies ist tatsächlich bereits geschehen.

Mit der Entwicklung verschiedener Technologien entwickelt sich entlang dieser Kurve die Möglichkeit, dass Hacker den Menschen enorme zerstörerische Schläge zufügen. Hacker können Einzelpersonen, unabhängige Hackergruppen, Hackergruppen auf Landesebene oder sogar Cyberterroristen sein. Allerdings sind die Bedrohungen, denen die Menschen ausgesetzt sind, real.

Es gibt viele Filme, die Beispiele dafür zeigen, wie Hacker Big Data für Angriffe nutzen und welche Auswirkungen solche Angriffe haben. Zum Beispiel die Abschaltung der gesamten Stromversorgung einer Stadt, der Angriff auf kommunale Einrichtungen, Polizeistationen oder Militärstützpunkte. Hacker können möglicherweise die Kontrolle über wichtige Systeme übernehmen und für einen begrenzten Zeitraum tun, was sie wollen.

Haben Sie Angst vor Hackern, die Big Data und künstliche Intelligenz für Angriffe nutzen?

Künstliche Intelligenz erleichtert komplexe Hacking-Angriffe

Allerdings erwähnten Sicherheitsexperten, dass dieser groß angelegte und effektive Hacking-Angriff nicht durch etwas Einfaches verursacht wurde Anpassungen im System oder geringfügige Verstöße in den Sicherheitsmaßnahmen. Obwohl Hacker künstliche Intelligenz einsetzen und das System nach und nach infiltrieren können, gelangen sie langsam in einen Zustand vollständiger Kontrolle. Diese Strategie besteht darin, natürlich vorkommende kleine Änderungen zu erzeugen, um eine Entdeckung zu vermeiden.

Wenn es um Big Data geht, können Hacker große Datensätze durch relativ kleine Anpassungen beschädigen oder verändern, um daraus Nutzen zu ziehen. Dies mag für die Öffentlichkeit bis zu einem gewissen Grad harmlos sein, Hacker können jedoch die jährlichen Finanzberichte eines Unternehmens zu ihrem persönlichen Vorteil ausnutzen. Diese Änderung der Finanzberichterstattungsmodelle wirkt sich auch auf die Entscheidungen von CEOs, Händlern, Bankern und anderen Entscheidungsträgern in diesen Finanzberichten aus.

Datenintegritätsangriffe

Eine Variante dieser Big-Data-Hacking-Angriffe sind Datenintegritätsangriffe. Der größte jemals entdeckte Datenschutzverstoß wurde vor nicht allzu langer Zeit gemeldet. Yahoo bestätigte im September und Dezember 2016 zwei schwerwiegende Verstöße in seiner Datenbank, die allerdings früher auftraten als gemeldet. Yahoo bestätigte, dass die beiden Datenschutzverletzungen im August 2013 und Ende 2014 erfolgten. Alle 3 Milliarden ihrer Nutzer waren von dem Angriff betroffen.

Ähnliche Berichte über Datenschutzverletzungen gab es bei TalkTalk, wo angeblich 550 Millionen Benutzerdatensätze gestohlen wurden. Eine weitere schockierende Tatsache deutet darauf hin, dass es sich hierbei um das Werk eines 16-Jährigen handeln könnte, was zeigt, dass das Alter bei Angriffen auf große Datenbanken keine Rolle spielt.

In Zukunft könnten Hacker Computersysteme angreifen, die wichtige technische Geräte steuern, die wichtige Einrichtungen wie den Wasserstand von Stauseen, den Gasdruck und Eisenbahntransportnetze steuern können. Durch die Übernahme der Kontrolle über diese Systeme können Hacker die Betriebsumgebung verändern oder künstliches Chaos verursachen. Dies kann verheerende Auswirkungen haben.

Laut Expertenforschung ist es durchaus möglich, dass dies geschieht. Obwohl Berichte über einen solchen Vorfall noch nicht veröffentlicht wurden, könnte er doch stattgefunden haben.

Internationale Ereignisse und maschinelles Lernen

Stellen Sie sich vor, dass Hacker über das Internet in die Netzwerksysteme anderer Länder eindringen, wenn sensible Materialien aus den Nuklearanlagen eines bestimmten Landes stammen und in der Lage sind, einen Atomsprengkopf abzufeuern. Die Konsequenzen wären: Dies würde einen internationalen Zwischenfall auslösen, und ein solch katastrophales Ereignis könnte direkte Auswirkungen auf Frieden und Sicherheit auf der ganzen Welt haben.

Viele Sicherheitsunternehmen entwickeln Sicherheitslösungen, die auf Algorithmen des maschinellen Lernens basieren. Hacker verwenden jedoch dieselben Techniken, um ihre Angriffe durchzuführen. Ein Hacker könnte beispielsweise Phishing-E-Mails nutzen, um wichtige Personen anzugreifen, und ein maschinelles Lernprojekt einsetzen, um hochrelevante persönliche E-Mails zu erstellen, was zu schlechteren Ergebnissen führen würde.

Darüber hinaus verwenden die meisten Antivirenscanner ein Erkennungssystem, das bekannte Arten von Viren, Malware, Trojanern usw. erkennt. Bei einer Übereinstimmung weist der Virenscanner den Benutzer darauf hin. Durch maschinelles Lernen kann jedoch immer ausgefeiltere Malware erstellt werden, die den Code des Schadcodes möglicherweise so verändert, dass er die Erkennung durch jeden Virenscanner umgeht.

Welche Maßnahmen sollten also zum Schutz ergriffen werden?

Zuallererst: Egal welche Sicherheitsmaßnahmen eine Person ergreift, sie wird mit den Konsequenzen von Verstößen konfrontiert sein. Es gibt jedoch Maßnahmen, die Unternehmen ergreifen können, um das Risiko zu minimieren.

1. Legen Sie ein eindeutiges Passwort fest

Verwenden Sie niemals dasselbe Passwort. Passwortsicherheit ist ein echtes Problem. Verwenden Sie am besten lange und komplexe Passwörter. Wenn Sie ein sicheres Passwort festlegen, laden Sie einfach einen Passwortgenerator herunter und bewahren Sie ihn an einem sicheren Ort auf, falls Sie ihn vergessen. Dennoch ist es eine gute Idee, Ihren Benutzernamen und Ihr Passwort auf einem Blatt Papier zu notieren.

2. Passwort ändern

Beispielsweise wurde die Datenbank von Yahoo 2013 und 2014 geleakt, die Freigabe für die Öffentlichkeit wurde jedoch bis 2016 verschoben. Und das regelmäßige Ändern Ihrer Passwörter ist eine gute Angewohnheit, da die Leute nicht immer merken, dass ihre Daten kompromittiert wurden.

3. Zwei-Faktor-Authentifizierung

Die Zwei-Faktor-Authentifizierung basiert auf einer Echtzeit-Authentifizierungsmethode, bei der die Person die Anmeldung zulassen muss. Dabei kann es sich um eine Textnachricht handeln, die eine Person mit einem eindeutigen Code auf ihrem Telefon erhält, oder um eine App wie Google Authenticator, die alle 10–20 Sekunden einen eindeutigen Code aktualisiert.

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. So reparieren Sie Audio, wenn Sie niemanden hören können
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams Jul 15, 2024 pm 12:21 PM

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G