AI模型在智能设备上检测勒索软件的准确率达到98.53%

科学家们研发出了一种AI模型，通过使用深度学习和优化技术，能够高精度地在物联网设备中检测到勒索软件，以提高网络安全。

一个研究团队今天在由Nature出版的《科学报告》论文中详细介绍了他们的研究成果，他们设计了一个先进的AI驱动模型，用于检测并防止对智能设备进行的勒索软件攻击。

随着物联网（IoT）技术在家庭、医疗保健和工业中的快速扩展，网络安全威胁已成为日益增长的担忧。

勒索软件，作为最危险的网络威胁之一，会将用户锁在他们的系统之外，直到他们支付赎金。研究人员解释了传统安全措施常常无法检测和防止这些不断演变的攻击，这促使研究人员探索AI解决方案。

他们新开发的模型，名为多头注意力基础的递归神经网络与增强猩猩部队优化（MHARNN-EGTOCRD），通过使用机器学习技术，显著提高了勒索软件检测的准确性。

该模型首先使用最小-最大规范化来规范化输入数据，确保高效处理。然后，它采用了由粪金龟优化（DBO）-受到粪金龟定位食物的启发，过滤掉不必要的信息，只关注最相关的网络安全威胁。

在其核心，该系统利用了多头注意力和长短期记忆（MHA-LSTM）网络，这是一种先进的深度学习方法，有助于检测复杂的攻击模式。

通过分析过去的勒索软件行为，AI可以预测并标记可能的攻击，早于它们完全执行。此外，该系统使用增强型大猩猩部队优化（EGTO）进行微调，以优化AI的设置以实现最大效率。

在测试中，该模型在检测勒索软件方面取得了令人印象深刻的98.53%的准确率，超过了传统的网络安全方法。这种高精度表明，AI可能成为对抗网络犯罪，特别是保护智能设备免受复杂攻击的强大工具。

研究人员相信他们的模型可以整合到现有的网络安全系统中，为勒索软件攻击提供早期警告机制。

随着物联网设备在日常生活中的不断扩张，加强其安全性对于防止财务和数据损失至关重要。通过将自然启发的优化技术与深度学习相结合，这种AI模型在网络安全方面代表了一个重要的进步。