Χρήση τεχνητής νοημοσύνης για φιλτράρισμα ιστότοπων ηλεκτρονικού "ψαρέματος" (phishing).

Τα μέλη της ομάδας του έργου αναγνώρισαν αυτή την ευκαιρία ως μια πολύτιμη ευκαιρία για μάθηση, απόκτηση γνώσεων και εμπειρίας και συνεισφορά στην κοινότητα.

Μια ομάδα τεσσάρων φοιτητών από το Πανεπιστήμιο Swinburne του Βιετνάμ ολοκλήρωσε με επιτυχία την έρευνα και τον έλεγχο ενός εργαλείου τεχνητής νοημοσύνης (AI) ικανού να εντοπίζει και να φιλτράρει κακόβουλους και ψεύτικους ιστότοπους σε λίγα μόνο δευτερόλεπτα.

Από την ιδέα στην πράξη

Ο Le Nguyen Viet Cuong, επικεφαλής της φοιτητικής ομάδας, δήλωσε ότι τα μέλη της ομάδας έχουν παρατηρήσει την πρόσφατη εμφάνιση πολλών ιστοσελίδων απάτης με ολοένα και πιο εξελιγμένες μεθόδους, ενώ οι τρέχουσες λύσεις που βασίζονται στην ανθρώπινη παρέμβαση δεν επαρκούν για την πρόληψή τους.

Ως εκ τούτου, η ομάδα τεσσάρων φοιτητών δημιούργησε τον ιστότοπο https://ai.chongluadao.vn/, ο οποίος μπορεί να αναλύσει απευθείας τον ιστότοπο που επισκέπτεται ο χρήστης για να αξιολογήσει την ασφάλειά του. «Εφαρμόζοντας Τεχνητή Νοημοσύνη και ανάλυση, η ομάδα μπορεί να εντοπίσει μεθόδους απάτης και να παρέχει πληροφορίες στους χρήστες για να τους ευαισθητοποιήσει», εξήγησε ο Cường.

Σύμφωνα με τον Truong Duc Sang, μέλος της ομάδας, η ομάδα χρησιμοποίησε δημοφιλή μοντέλα τεχνητής νοημοσύνης που είναι άμεσα διαθέσιμα στην αγορά, όπως ChatGPT, Gemini, Claude, Grok, Deepseek, κ.λπ. Αφού ανέλυσε και συνέκρινε τα αποτελέσματα των μοντέλων, το λειτουργικό κόστος και τις αξιολογήσεις ακρίβειας, η ομάδα επέλεξε την καλύτερη και καταλληλότερη εφαρμογή για το έργο.

Μια ομάδα τεσσάρων φοιτητών στο Πανεπιστήμιο Swinburne του Βιετνάμ ερευνά μια εφαρμογή τεχνητής νοημοσύνης ικανή να εντοπίζει και να φιλτράρει κακόβουλους ιστότοπους σε λίγα μόνο δευτερόλεπτα. (Φωτογραφία: DUY PHÚ)

Ένα άλλο μέλος, ο φοιτητής Nguyen Van Huy Quang, επεσήμανε ότι οι εφαρμογές που κυκλοφορούν αυτήν τη στιγμή στην αγορά και φιλτράρουν κακόβουλους και δόλιους ιστότοπους χρησιμοποιούν πληροφορίες που έχουν ήδη συλλεχθεί από τον πάροχο στη βάση δεδομένων του, όχι περιεχόμενο απευθείας από τον ιστότοπο που βλέπει ο χρήστης. «Η χρήση ανάλυσης τεχνητής νοημοσύνης μπορεί να βοηθήσει τους χρήστες να εντοπίσουν κακόβουλους ιστότοπους και να κατανοήσουν πόσο επικίνδυνοι είναι σε πραγματικό χρόνο», εξήγησε ο Quang.

Τα μέλη της ομάδας που προωθεί αυτήν την εφαρμογή μπορούν εύκολα να έχουν πρόσβαση σε αυτήν μέσω του ιστότοπου, απαιτώντας μόνο σύνδεση στο διαδίκτυο. Οι χρήστες μπορούν να παρέχουν τη διεύθυνση URL ενός ιστότοπου που είναι ύποπτος για απάτη και η Τεχνητή Νοημοσύνη μπορεί στη συνέχεια να την αναλύσει και να την επαληθεύσει αμέσως.

Κοινοτικό έργο

Οι νέοι μαθητές που σπουδάζουν Τεχνητή Νοημοσύνη και λογισμικό πιστεύουν ότι για την επιτυχή υλοποίηση έργων, οι γνώσεις που αποκτήθηκαν στο σχολείο δεν επαρκούν. Αυτό που είναι πιο σημαντικό είναι η αποφασιστικότητα, η αυτοδιδασκαλία και η δίψα για γνώση.

Το μέλος της ομάδας, φοιτητής Nguyen Vinh Khang, εξέφρασε ότι πρόκειται για ένα έργο προσανατολισμένο στην κοινότητα και η ομάδα ελπίζει να διαδώσει ευρέως πληροφορίες στους χρήστες, συμβάλλοντας στην ευαισθητοποίηση της κοινότητας σχετικά με τους κινδύνους που εγκυμονεί η συνάντηση με ψεύτικους ιστότοπους, οι μολύνσεις από κακόβουλο λογισμικό και η εξαπάτηση δεδομένων ή περιουσιακών στοιχείων. Ταυτόχρονα, η ομάδα ελπίζει επίσης να λάβει υποστήριξη από τις αρμόδιες αρχές για την άμεση αποτροπή της εξάπλωσης δόλιων ιστότοπων.

Αναλύοντας τη διαδικασία υλοποίησης, ο Duc Sang είπε ότι η μεγαλύτερη πρόκληση ήταν ότι το έργο χρησιμοποιούσε μοντέλα Τεχνητής Νοημοσύνης, μοντέλα γλώσσας μεγάλης κλίμακας που υπήρχαν μόνο 1-2 χρόνια. «Με τα προηγούμενα έργα και με εκείνα που προηγήθηκαν, το εμπόδιο ήταν η πολύ περιορισμένη τεκμηρίωση. Η ομάδα έπρεπε να κάνει σχολαστική έρευνα, να πειραματιστεί και να δοκιμάσει πολλές φορές, και δεν απέδωσε κάθε προσπάθεια τα αναμενόμενα αποτελέσματα, επομένως ήταν αρκετά χρονοβόρα», θυμήθηκε ο Duc Sang.

Σύμφωνα με τον επικεφαλής της ομάδας, Le Nguyen Viet Cuong, το πιο δύσκολο κομμάτι ήταν η συλλογή δεδομένων, επειδή χρειάζονται πολλά δεδομένα για την εκπαίδευση της Τεχνητής Νοημοσύνης, ενώ οι πληροφορίες και τα δεδομένα στο διαδίκτυο είναι σχετικά ακριβή.

«Επειδή γνωρίζαμε ότι δεν υπήρχε τέλεια πηγή δεδομένων, τα μέλη της ομάδας έπρεπε να εισάγουν και να επεξεργαστούν τα δεδομένα χειροκίνητα. Μετά την εισαγωγή των δεδομένων, η αναμονή για την επιστροφή των αποτελεσμάτων από την Τεχνητή Νοημοσύνη ήταν ταυτόχρονα αγχωτική και συναρπαστική. Η επεξεργασία μεγάλων συνόλων δεδομένων μπορούσε να διαρκέσει μια ολόκληρη ημέρα και, αφού έρθουν τα αποτελέσματα, συνεχίσαμε τις δοκιμές. Υπήρξαν φορές που νομίζαμε ότι είχαμε πετύχει, αλλά τα αποτελέσματα έδειξαν χαμηλή ακρίβεια. Αν και απογοητευμένοι, όλη η ομάδα ήταν αποφασισμένη να βρει μια λύση», αφηγήθηκε ο Cườong.

Ακρίβεια έως και 98%

Ο ειδικός σε θέματα κυβερνοασφάλειας, Ngo Minh Hieu, διευθυντής του έργου Chongluadao.vn, δήλωσε ότι στα τέλη του 2024, ενώ δίδασκε κυβερνοασφάλεια στο Πανεπιστήμιο Swinburne του Βιετνάμ, ανακάλυψε μια ομάδα φοιτητών που ήταν πολύ ενθουσιώδεις και έσπευσαν να εφαρμόσουν την Τεχνητή Νοημοσύνη. Στη συνέχεια, τους συγκέντρωσε για να συζητήσουν την μακροχρόνια ιδέα τους. Το εργαλείο φιλτραρίσματος κακόβουλων ιστότοπων, που αναπτύχθηκε από την ομάδα φοιτητών χρησιμοποιώντας τις γνώσεις και την εμπειρία των μελών του έργου Chongluadao.vn, έχει ολοκληρωθεί και επιτυγχάνει ποσοστό ακρίβειας άνω του 98%.

Ο «χρήστης» του έργου σχολίασε ότι το εργαλείο βοηθά στην ανίχνευση ιστότοπων ηλεκτρονικού «ψαρέματος» (phishing) πολύ νωρίς, ακόμη και πριν δημιουργηθεί μια βάση δεδομένων. Επιπλέον, το εργαλείο διαθέτει ένα φιλικό προς το χρήστη περιβάλλον εργασίας και μπορεί να ενσωματωθεί στις διεπαφές πολλών διαφορετικών μερών.

«Ελπίζουμε ότι αυτό το προϊόν μπορεί να χρησιμοποιηθεί από ανθρώπους, επιχειρήσεις και μεγάλες εταιρείες. Ελπίζουμε επίσης ότι οι φοιτητές της ερευνητικής ομάδας θα αποτελέσουν τη δεύτερη γενιά του έργου Chongluadao.vn», εξέφρασε ο κ. Hieu.

Πηγή: https://nld.com.vn/ung-dung-ai-de-loc-website-lua-dao-196250422215400349.htm