KI-Modell erreicht 98,53% Genauigkeit bei der Erkennung von Ransomware auf Smart-Geräten

Wissenschaftler haben ein KI-Modell entwickelt, das Ransomware in IoT-Geräten mit hoher Genauigkeit erkennt. Dabei wurden Deep-Learning- und Optimierungstechniken für die Cybersicherheit verwendet.

Ein Team von Forschern hat heute in einem wissenschaftlichen Bericht, der von Nature veröffentlicht wurde, ihre Erkenntnisse detailliert vorgestellt. Sie präsentieren ein fortschrittliches, KI-gestütztes Modell, das darauf ausgelegt ist, Ransomware-Angriffe auf intelligente Geräte zu erkennen und zu verhindern.

Mit der raschen Ausbreitung der Internet of Things (IoT) Technologie in Haushalten, im Gesundheitswesen und in der Industrie, sind Cybersecurity-Bedrohungen zu einer wachsenden Sorge geworden.

Ransomware, eine der gefährlichsten Cyber-Bedrohungen, sperrt Nutzer von ihren Systemen aus, bis sie ein Lösegeld bezahlen. Die Forscher erklärten, wie herkömmliche Sicherheitsmaßnahmen oft versagen, diese sich entwickelnden Angriffe zu erkennen und zu verhindern, was die Forscher dazu veranlasst, AI-Lösungen zu erforschen.

Ihr neuentwickeltes Modell, genannt Multi-Head Attention-Based Recurrent Neural Network mit Enhanced Gorilla Troops Optimization (MHARNN-EGTOCRD), verbessert die Genauigkeit der Ransomware-Erkennung deutlich durch den Einsatz von maschinellen Lernverfahren.

Das Modell normalisiert zunächst eingehende Daten mit Min-Max-Normalisierung, um eine effiziente Verarbeitung zu gewährleisten. Anschließend nutzt es die Dung Beetle Optimization (DBO) – inspiriert von der Art und Weise, wie Mistkäfer Nahrung lokalisieren – um unnötige Informationen herauszufiltern und sich nur auf die relevantesten Cybersicherheitsbedrohungen zu konzentrieren.

Im Kern nutzt das System ein Multi-Head Attention und Long Short-Term Memory (MHA-LSTM) Netzwerk, einen fortschrittlichen Deep-Learning-Ansatz, der hilft, komplexe Angriffsmuster zu erkennen.

Durch die Analyse vergangener Ransomware-Verhaltensweisen kann die KI potenzielle Angriffe vorhersagen und markieren, bevor sie vollständig ausgeführt werden. Zusätzlich wird das System mit der Enhanced Gorilla Troops Optimization (EGTO) fein abgestimmt, die die Einstellungen der KI für maximale Effizienz optimiert.

Bei Tests erreichte das Modell eine beeindruckende Genauigkeit von 98,53% bei der Erkennung von Ransomware und übertraf damit traditionelle Cybersicherheitsmethoden. Diese hohe Präzision deutet darauf hin, dass KI zu einem mächtigen Werkzeug im Kampf gegen Cyberkriminalität werden könnte, insbesondere beim Schutz von Smart Devices vor ausgeklügelten Angriffen.

Die Forscherinnen glauben, dass ihr Modell in bestehende Cybersicherheitssysteme integriert werden könnte und somit einen Frühwarnmechanismus für Ransomware-Angriffe bereitstellen könnte.

Da IoT-Geräte immer mehr Einzug in den Alltag halten, ist die Stärkung ihrer Sicherheit entscheidend, um finanzielle Verluste und Datenverluste zu verhindern. Durch die Kombination von naturinspirierten Optimierungstechniken mit tiefem Lernen stellt dieses KI-Modell einen bedeutenden Fortschritt in der Cybersicherheit dar.