Εφαρμογή Τεχνητής Νοημοσύνης για φιλτράρισμα δόλιων ιστότοπων

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 πρόσφατα την εμφάνιση πολλών ολοένα και πιο εξελιγμένων ιστότοπων ηλεκτρονικού "ψαρέματος" (phishing), ενώ οι τρέχουσες λύσεις που βασίζονται σε ανθρώπινους παράγοντες δεν επαρκούν για την πρόληψή τους.

Ως εκ τούτου, μια ομάδα 4 φοιτητών δημιούργησε τον ιστότοπο https://ai.chongluadao.vn/, ο οποίος μπορεί να αναλύσει απευθείας από τον ιστότοπο τι βλέπουν οι χρήστες για να αξιολογήσει την ασφάλεια. «Εφαρμόζοντας Τεχνητή Νοημοσύνη και ανάλυση, η ομάδα μπορεί να μάθει πώς να κάνει απάτες, να παρέχει πληροφορίες στους χρήστες για να ευαισθητοποιήσει τους χρήστες» - παρουσίασε ο Cuong.

Σύμφωνα με τον Truong Duc Sang, μέλος της ομάδας, η ομάδα χρησιμοποίησε δημοφιλή μοντέλα τεχνητής νοημοσύνης που διατίθενται στην αγορά, όπως ChatGPT, Gemini, Claude, Grok, Deepseek... Αφού ανέλυσε και συνέκρινε τα αποτελέσματα των μοντέλων, το λειτουργικό κόστος, την αξιολόγηση της ακρίβειας..., η ομάδα επέλεξε την καλύτερη και καταλληλότερη τεχνική εφαρμογή για την υλοποίηση του έργου.

Εφαρμογή Τεχνητής Νοημοσύνης για φιλτράρισμα δόλιων ιστότοπων - Φωτογραφία 1.

Μια ομάδα τεσσάρων φοιτητών στο Πανεπιστήμιο Swinburne του Βιετνάμ ερεύνησε μια εφαρμογή τεχνητής νοημοσύνης που μπορεί να εντοπίσει και να φιλτράρει κακόβουλους ιστότοπους σε λίγα μόνο δευτερόλεπτα. Φωτογραφία: DUY PHU

Ένα άλλο μέλος, ο φοιτητής Nguyen Van Huy Quang, επεσήμανε ότι οι τρέχουσες εφαρμογές φιλτραρίσματος κακόβουλων και δόλιων ιστότοπων στην αγορά χρησιμοποιούν πληροφορίες που ο πάροχος έχει ήδη συλλέξει από την αποθήκη δεδομένων και όχι το άμεσο περιεχόμενο από τον ιστότοπο που βλέπει ο χρήστης. «Η χρήση ανάλυσης τεχνητής νοημοσύνης μπορεί να βοηθήσει τους χρήστες να εντοπίσουν κακόβουλους ιστότοπους και να αναγνωρίσουν πόσο επικίνδυνος είναι αυτός ο ιστότοπος σε πραγματικό χρόνο», εξήγησε ο Quang.

Τα μέλη της ομάδας που εισάγει αυτήν την εφαρμογή μπορούν εύκολα να έχουν πρόσβαση στον ιστότοπο, αρκεί να χρειάζεται internet. Οι χρήστες μπορούν να παρέχουν τη διεύθυνση URL ενός ιστότοπου που είναι ύποπτος για απάτη, και στη συνέχεια η τεχνητή νοημοσύνη μπορεί να το αναλύσει και να το ελέγξει αμέσως.

Κοινοτικά έργα

Μελετώντας την Τεχνητή Νοημοσύνη και το λογισμικό, οι νέοι μαθητές πιστεύουν ότι για την επιτυχή υλοποίηση έργων, οι γνώσεις που αποκτήθηκαν στο σχολείο δεν επαρκούν, αλλά, το πιο σημαντικό, η αποφασιστικότητα, η αυτομάθηση και η αναζήτηση γνώσης είναι απαραίτητες.

Ένα μέλος της ομάδας, ο φοιτητής Nguyen Vinh Khang, εξέφρασε ότι πρόκειται για ένα κοινοτικό έργο, επομένως η ομάδα ελπίζει να είναι σε θέση να το διαδώσει ευρέως στους χρήστες, συμβάλλοντας στην αύξηση των προειδοποιήσεων προς την κοινότητα σχετικά με τον κίνδυνο να συναντήσει ψεύτικους ιστότοπους, κακόβουλο λογισμικό, να πέσει θύμα απάτης και να χάσει δεδομένα ή περιουσιακά στοιχεία. Ταυτόχρονα, η ομάδα ελπίζει επίσης να λάβει υποστήριξη από τις αρμόδιες αρχές για την άμεση πρόληψη των δόλιων ιστότοπων πριν από την εξάπλωσή τους.

Μιλώντας περισσότερο για τη διαδικασία υλοποίησης, ο Duc Sang είπε ότι η μεγαλύτερη δυσκολία ήταν ότι το έργο χρησιμοποιούσε μοντέλα Τεχνητής Νοημοσύνης, μεγάλα γλωσσικά μοντέλα που υπήρχαν μόνο για 1-2 χρόνια. «Με προηγούμενα έργα και προκατόχους, το εμπόδιο ήταν ότι η τεκμηρίωση ήταν πολύ περιορισμένη. Η ομάδα έπρεπε να εξερευνήσει, να μάθει και να πειραματιστεί πολλές φορές και δεν πέτυχε πάντα τα αναμενόμενα αποτελέσματα, επομένως ήταν αρκετά χρονοβόρο» - θυμήθηκε ο Duc Sang.

Για τον επικεφαλής της ομάδας, Le Nguyen Viet Cuong, το πιο δύσκολο κομμάτι είναι η συλλογή δεδομένων, επειδή χρειάζονται πολλά δεδομένα για την εκπαίδευση της Τεχνητής Νοημοσύνης, ενώ οι πληροφορίες και τα δεδομένα στο διαδίκτυο βρίσκονται μόνο σε σχετικό επίπεδο.

«Επειδή γνωρίζουμε ότι καμία πηγή δεδομένων δεν είναι τέλεια, τα μέλη πρέπει να εισάγουν και να επεξεργάζονται δεδομένα χειροκίνητα. Μετά την εισαγωγή των δεδομένων, η αναμονή για την επιστροφή των αποτελεσμάτων από την Τεχνητή Νοημοσύνη είναι επίσης μια περίοδος νευρικότητας και ενθουσιασμού. Η επεξεργασία μεγάλων δεδομένων μπορεί να διαρκέσει όλη μέρα, και μετά την ανακοίνωση των αποτελεσμάτων, συνεχίζουμε τις δοκιμές. Υπήρξαν στιγμές που νομίζαμε ότι είχαμε πετύχει, αλλά τα αποτελέσματα δεν ήταν ακριβή. Αν και απογοητευμένοι, όλη η ομάδα ήταν αποφασισμένη να βρει έναν τρόπο», δήλωσε ο Cuong.

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 ενθουσιώδεις και έσπευσαν να μάθουν για τις εφαρμογές τεχνητής νοημοσύνης, οπότε συγκεντρώθηκαν για να συζητήσουν τις ιδέες τους. Το εργαλείο φιλτραρίσματος κακόβουλων ιστότοπων, που κατασκευάστηκε από την ομάδα φοιτητών με τις γνώσεις και την εμπειρία των μελών του έργου Chongluadao.vn, ολοκληρώθηκε με ακρίβεια άνω του 98%.

Ο «χορηγός» του έργου σχολίασε ότι αυτό το εργαλείο βοηθά στην ανίχνευση δόλιων ιστότοπων πολύ νωρίς, ακόμη και πριν δημιουργηθεί η βάση δεδομένων. Επιπλέον, αυτό το εργαλείο διαθέτει μια φιλική προς το χρήστη διεπαφή, η οποία μπορεί να ενσωματωθεί στη διεπαφή πολλών 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