Redazione RHC : 23 Luglio 2023 22:22
Gli scienziati del Pacific Northwest National Laboratory (PNNL), una divisione del Dipartimento dell’Energia degli Stati Uniti, hanno sviluppato un nuovo sistema basato sull’apprendimento per rinforzo profondo (Deep Reinforcement Learning, DRL) in grado di prevenire il 95% degli attacchi informatici in un ambiente simulato prima si intensificano.
Gli scienziati hanno creato un ambiente simulato utilizzando il toolkit OpenAI Gym. Questo framework è stato quindi utilizzato per sviluppare entità attaccanti che dimostrano diversi livelli di abilità e persistenza sulla base di un sottoinsieme di 15 approcci e 7 tattiche dal framework MITRE ATT&CK.
L’obiettivo degli aggressori è passare attraverso le 7 fasi della catena di attacco – dall’accesso iniziale e dalla ricognizione ad altre fasi di attacco, fino a quando gli hacker raggiungono il loro obiettivo finale – la fase di attacco e di esfiltrazione dei dati.
CALL FOR SPONSOR - Sponsorizza l'ottavo episodio della serie Betti-RHCSei un'azienda innovativa, che crede nella diffusione di concetti attraverso metodi "non convenzionali"? Conosci il nostro corso sul cybersecurity awareness a fumetti? Red Hot Cyber sta ricercando un nuovo sponsor per una nuova puntata del fumetto Betti-RHC mentre il team è impegnato a realizzare 3 nuovi episodi che ci sono stati commissionati. Contattaci tramite WhatsApp al numero 375 593 1011 per richiedere ulteriori informazioni oppure alla casella di posta [email protected] 
Se ti piacciono le novità e gli articoli riportati su di Red Hot Cyber, iscriviti immediatamente alla newsletter settimanale per non perdere nessun articolo. La newsletter generalmente viene inviata ai nostri lettori ad inizio settimana, indicativamente di lunedì. |
Gli esperti hanno quindi addestrato 4 modelli DRL utilizzando principi di apprendimento per rinforzo come massimizzare i premi per evitare compromissioni e quindi ridurre le interruzioni della rete. È importante notare che l’obiettivo dei ricercatori non era quello di creare un modello in grado di bloccare il nemico prima che potesse lanciare un attacco all’interno del sistema. Gli scienziati presumevano che il sistema fosse già stato compromesso.
Gli esperimenti hanno dimostrato che gli algoritmi DRL possono essere addestrati con diversi livelli di abilità e persistenza, mostrando risultati di protezione efficaci in condizioni sperimentali. Lo studio dimostra che i modelli di intelligenza artificiale possono addestrarsi con successo in un ambiente simulato e sono in grado di rispondere agli attacchi informatici in tempo reale.
Tecnologie simili sono già state create nel 2016 dagli specialisti del Computer Science and Artificial Intelligence Laboratory del Massachusetts Institute of Technology (Computer Science and Artificial Intelligence Laboratory). Gli scienziati hanno sviluppato un’intelligenza artificiale in grado di tracciare gli attacchi hacker criminali consentendo una efficienza di ben 3 volte superiore rispetto alle soluzioni esistenti.
RedazioneLe aziende appaltatrici della difesa statunitense stanno sviluppando uno strumento di intelligenza artificiale chiamato Cyber Resilience On-Orbit (CROO) per rilevare attacchi informatici ai satelliti ...
Non brilliamo molto nella sicurezza informatica, ma sugli Spyware siamo tra i primi della classe! Secondo una ricerca dell’Atlantic Council, il settore dello spyware è in piena espansione, poiché ...
Gli utenti di Windows 11 che hanno installato l’aggiornamento di settembre 2025 potrebbero pensare che non cambi praticamente nulla. A prima vista, KB5065426 sembra una normale piccola patch che Mic...
Un nuovo strumento chiamato SpamGPT è apparso sui forum underground ed è rapidamente diventato oggetto di discussione nel campo della sicurezza informatica. Il software malevolo combina le capacità...
Nella giornata di oggi, la nuova cyber-gang “The Gentlemen” rivendica all’interno del proprio Data Leak Site (DLS) al laboratorio Santa Rita. Disclaimer: Questo rapporto include screenshot e/o t...
