Антивирус с искусственным интеллектом – выходец из россии

Антивирус BitDefender Antivirus Free с искусственным интеллектом

Главная » Антивирусы » Антивирус BitDefender Antivirus Free с искусственным интеллектом

Антивирус BitDefender Antivirus Free Edition  с искусственным интеллектом обеспечивает базовую защиту от вредоносного ПО  без вмешательства пользователя.

Разработчик называет BitDefender Antivirus Free Edition умным продуктом, который с помощью своего “искусственного интеллекта» способен найти наилучшее решение для защиты операционной системы без предварительных настроек и вмешательства с Вашей стороны. Особенностью антивируса является уменьшение нагрузки на систему за счет того, что сканирование проводится в промежутки, когда ОС пребывает в режиме ожидания и просканированные ранее чистые файлы пропускаются.

Из всего, что можно в данном антивирусе изменить, это включить/отключить 2 опции:

Функции и возможности

  • Защита в режиме реального времени,т.е. файлы проверяются, например, во время доступа к ним, копирования или загрузки из интернета.
  • Активный вирусный контроль — технология проактивного обнаружения новых потенциальных угроз.
  • Система обнаружения вторжений отслеживает все приложения, стремящиеся получить доступ в сеть.
  • Система проактивного обнаружения B-Have выявляет ранее неизвестные угрозы с помощью наблюдения поведения программ в виртуальной среде. Подозрительные программы перемещаются в карантин или удаляются.
  • Отслеживание безопасности всех ссылок, доступных Вам в браузере.
  • Выявление, блокировка и удаление руткитов.
  • Модуль «искусственного интеллекта» для принятия наилучших решений по поддержанию защиты на высоком уровне
  • Early Boot Scanning — сканирование системы при загрузке для раннего выявления вирусов и уменьшения времени загрузки системы
  • Auto Scan – сканирование критических областей для экономии ресурсов и времени

Операционные системы: с Windows XP по Windows 8

Лицензия: бесплатно

Язык: английский

 Скачать  BitDefender Antivirus Free Edition

К недостаткам антивируса можно отнести отсутствие каких-либо настроек и то, что в карантин помещаются только неопознанные файлы. Все остальное без всяких предупреждений удаляется. Так, например, все обнаруженные крякнутые программы, кейгены и т.п. будут удалены. Есть риск удаления файлов при ложном срабатывании.

Элементы искусственного интеллекта часто применяются в защитных программах. Но до выхода в свет BitDefender Antivirus Free Edition пользователь всегда мог принять свое окончательное решение.

Переложив все полномочия по защите на программу, разработчики сделали смелый ход. Одной из важнейших задач, возлагаемых на искусственный интеллект, является использование опыта ведущих экспертов.

Обратите внимание

Судя по лидирующим позициям BitDefender на рынке антивирусов, экспертам данной компании можно доверять.

Бесплатный антивирус BitDefender Antivirus Free Edition дает хорошую базовую защиту и является настоящей находкой для новичков, не привыкших принимать самостоятельное решение, когда программа предлагает удалить тот или иной файл.

Источник: http://bezopasnostpc.ru/antivirusi/besplatnyiy-antivirus-bitdefender-antivirus-free-edition

Искусственный интеллект научился писать трояны, невидимые для антивирусов. Платформа в открытом доступе

Выступая на хакерской конференции DEF CON эксперт компании Endgame Хирам Андерсон (Hyrum Anderson) показал, как можно настроить систему машинного обучения так, что она будет разрабатывать вредоносное ПО.

Речь идет не о полноформатной разработке троянов, однако автору доклада удалось использовать систему машинного обучения так, чтобы она превращала легитимный код во вредоносный, но при этом антивирусные решения с высокой долей вероятности продолжали ее игнорировать.

В целом алгоритм выглядит так: система машинного обучения вносит небольшие изменения в двоичный код, прогоняет его через антивирусный движок, анализирует полученные от антивируса данные и, в соответствии с ними, производит новые модификации.

Система, созданная в Endgame, тренировалась таким образом в течение 15 часов, произведя на свет в общей сложности 100 тыс. вредоносных сэмплов. 16% из них оказались невидимыми для антивирусных движков.

Вирусописательство следующего поколения

По словам Хирама Андерсона, такой подход позволяет обманывать в том числе те антивирусные платформы, которые сами базируются на системах машинного обучения и AI (искусственном интеллекте).

Хирам Андерсон, создатель системы машинного обучения, которая пишет вредоносное ПО

С 2016 г. некоторые компании, занимающиеся разработками подобных антивирусов, начали злоупотреблять определениями «искусственный интеллект» в маркетинговых целях, утверждая, что их разработки – это «антивирусы следующего поколения».

Таким образом, теперь «антивирусам следующего поколения» придется бороться с вирусами следующего поколения.

«Как видим, AI вполне возможно использовать во вредоносных целях, и это, на самом деле, весьма безрадостное развитие событий», – считает Ксения Шилак, директор по продажам компании SEC Consult.

– «Использование AI для усовершенствования скрытности вредоносных программ может перевести «гонку вооружений» между вирусописателями и антивирусными вендорами на принципиально новый уровень.

Особенно если такое автоматическое улучшение будет поставлено на поток».

Система Endgame построена на основе фреймворка OpenAI, разработанного некоммерческой организацией, возглавляемой Элоном Маском (Elon Musk). В апреле 2016 г. эта организация опубликовала публичную бета-версию OpenAI Gym, платформы для разработки и сравнения алгоритмов «стимулированного обучения» искусственного интеллекта.

Именно на базе этой платформы Endgame и разработали свой «вредоносный AI». Ее исходники опубликованы на GitHub и доступны всем желающим для использования.

Источник: http://safe.cnews.ru/news/top/2017-08-02_iskusstvennyj_intellekt_nauchilsya_pisat_troyany

В томске создадут иммунитет для компьютера

В Томском университете систем управления и радиоэлектроники (ТУСУР) разрабатывают систему, которая сможет обеспечить стопроцентное обнаружение вирусов в компьютере и определять их авторов.

“Антивирусы, которые существуют сейчас, не имеют функции распознавания вредоносного программного обеспечения. Они могут обнаружить только тот вирус, который уже известен и занесен в библиотеку.

Поэтому им требуются регулярные обновления, и есть проблема с обнаружением вредоносных программ, которых пока нет в базах, – объясняет руководитель отдела интеллектуальной собственности студенческого бизнес-инкубатора ТУСУР Евгений Гарин.

– К тому же вирусы постоянно эволюционируют, могут самообучаться и менять свое поведение. Наши алгоритмы не проверяют ряды на совпадение. Они смотрят на саму структуру программного обеспечения”.

Основной принцип работы “Адаптивного иммунитета операционной системы” (AIOS) – выявление в программах элементов искусственного интеллекта. Разработанные в ТУСУР алгоритмы позволяют обнаруживать в программном коде функции рекурсивной репликации – способность тела вируса самокопироваться – и другие признаки саморегулирующейся системы, подобной живому организму.

“У нашей антивирусной программы много аналогий с реальной иммунной системой, – говорит Евгений Гарин. – Сейчас антивирус, образно говоря, идет за таблетками в магазин своего производителя: если там нет лекарства именно от этой заразы, компьютер умрет, потому что у него нет собственного “иммунитета”. AIOS проверяет программный код на признаки вредоносности, работая как иммунная защита”. Новые способы кодирования и обработки данных позволяют увеличить быстродействие антивирусного ПО и снизить вычислительные затраты. Благодаря этому AIOS может работать на персональном компьютере автономно, без подключения к Сети.

“Наш анализ рынка показал, что 65 % пользователей не доверяют антивирусам, которые у них установлены, опасаясь, что эти программы могут скачивать личную информацию. Если мы предложим антивирус, встроенный в операционную систему и не связанный с внешними ресурсами, доверие к такому продукту на рынке будет больше”, – считает представитель ТУСУР.

Важно

По словам Евгения Гарина, принципиально новые подходы позволят достичь 100-процентного распознавания вирусов – такими результатами не может похвалиться ни один известный продукт. “Пока программа сырая и не обнаруживает вирусы на сто процентов, но сама концепция говорит о том, что этот предел вполне достижим”, – подчеркнул Гарин.

Разработчики также намерены добиться, чтобы AIOS не только обнаруживал вирус, но и с помощью анализа текста программного кода мог определить его автора. Следующим шагом станет создание библиотеки авторов вредоносного ПО. “Работа над AIOS началась около трех лет назад, – рассказывает Евгений Гарин.

– Сейчас разработчики занимаются публикацией математических алгоритмов и других методик, которые нельзя запатентовать. На создание готовой программы может уйти еще около двух лет”.

В июне 2016 года тусуровцы представили проект AIOS на конкурсе Startup Village в Сколково, где он заинтересовал несколько потенциальных инвесторов, среди которых – компания Samsung. Осенью представители компании приедут в Томск для более детального знакомства с проектом.

Источник: http://www.sib-science.info/ru/heis/v-tomske-sozdayut-26072016

Томские ученые создали иммунитет для компьютера

В Томске разработали искусственный интеллект, способный самостоятельно выявлять вредоносное программное обеспечение без помощи антивирусных систем.

Адаптивный иммунитет операционной системы (AIOS) также способен определить по анализу программного кода авторство вируса. Ученые намерены доказать, что вирусы, угрожающие нашим компьютерам, пишут сами антивирусные компании.

Виртуальный психодиагност из Томска устроит переворот на рынке труда

По данным экспертов, большинство пользователей тратит на защиту своих компьютеров от четырех до шести тысяч рублей ежегодно. При этом новые вирусы, угрожающие “здоровью” ПК, появляются практически ежемесячно. Они постоянно эволюционируют, могут самообучаться и менять свое поведение.

– Проведенный нами опрос среди пользователей показал, что 65% из них не доверяют существующим антивирусам из-за непрозрачности их работы, – рассказал “РГ” руководитель отдела интеллектуальной собственности ТУСУР Евгений Гарин. – К примеру, антивирусы имеют доступ абсолютно ко всем разделам на накопителях и оперативной памяти, то есть в том числе и к нашим личным данным.

Популярные антивирусы не имеют функции распознавания вредоносного программного обеспечения. Они способны найти только тот вирус, который уже известен и занесен в библиотеку. Поэтому им требуются регулярные обновления. Между тем, вредоносные программы, которых пока нет в данных базах, остаются необнаруженными.

Основной принцип работы AIOS – выявление в программах элементов искусственного интеллекта.

– Разработанные в ТУСУР алгоритмы позволяют обнаруживать в программном коде способность тела вируса самокопироваться и другие признаки саморегулирующейся системы, подобной живому организму, – сообщает пресс-служба инновационных организаций Томской области.

– Нашу программу можно сравнить с реальной иммунной системой, – объясняет Евгений Гарин. – Стандартный антивирус “идет за таблетками” в магазин своего производителя. Если там нет лекарства именно от этой заразы – компьютер умрет, ведь у него нет собственного “иммунитета”. AIOS проверяет программный код на признаки вредоносности, работая как иммунная защита.

Томские ученые нашли сходство “Звездных войн” с русской сказкой

По данным разработчиков, в перспективе искусственный иммунитет будет распознавать 100 % вирусов.

С помощью системы ученые собираются составить библиотеку индивидуального семантического следа программистов, которые пишут вредоносный код.

Охотник за вирусами будет не только изучать их поведение и изолировать, но и искать автора данных программ и сообщать о его деятельности в правоохранительные органы.

– Наша главная задача – пресечь написание вирусов самими антивирусными компаниями с целью актуализации спроса на свое программное обеспечение, – говорит Евгений Гарин.

– Возможно, что между производителями антивирусов и производителями операционных систем существует определенный сговор.

Поэтому мы планируем интегрировать наш адаптивный иммунитет в отечественные операционные системы в рамках программы импортозамещения.

Ученые намерены объединиться с производителями отечественных операционных систем и выпустить компьютеры уже со встроенным иммунитетом. Это защитит конечных потребителей не только от вирусов но и от недобросовестных производителей антивирусного ПО. При этом пользователям не нужно будет ежегодно тратить деньги на обновление системы.

Разработчики считают, что внедрение адаптивного иммунитета позволит нашим операционным системам  конкурировать с такими лидерами рынка как Windows, Linux, Android и iOS.

Совет

Проект AIOS уже заинтересовал несколько потенциальных инвесторов. В ближайшее время представители одной из компаний приедут в Сибирь для более детального знакомства с проектом.

Источник: https://rg.ru/2016/07/26/reg-sibfo/tomskie-uchenye-sozdali-immunitet-dlia-kompiutera.html

Как искусственный интеллект может противостоять киберугрозам

Искусственный интеллект и машинное обучение могут стать отличными помощниками испытывающим нехватку персонала группам безопасности, которым нужно быстрее и эффективнее реагировать на киберугрозы.

Уже давно стало ясно, что компаниям нужно в обязательном порядке реагировать на все возрастающее количество предупреждений систем безопасности.

А с учетом скорости, с которой в 2017 году распространялись по миру атаки вирусов-вымогателей, и все более жестких законодательных требований реакция должна быть гораздо более быстрой.

В условиях дефицита соответствующих специалистов компании обращаются к средствам машинного обучения и искусственного интеллекта для автоматизации процессов безопасности.

Читайте также:  Создан искусственный интеллект, который способен обучаться как ребенок

Что такое искусственный интеллект и машинное обучение?

В контексте информационной безопасности искусственный интеллект (artificial intelligence, AI) – это ПО, способное интерпретировать состояние среды, распознавать происходящие в ней события и самостоятельно принимать необходимые меры. AI особенно хорошо справляется с распознаванием закономерностей и аномалий, поэтому может быть прекрасным инструментом обнаружения угроз.

Системы машинного обучения – это ПО, способное самостоятельно обучаться на введенных человеком данных и результатах выполненных действий. Средства машинного обучения способны строить прогнозы, опираясь на сведения о развитии событий в прошлом.

Применение искусственного интеллекта и машинного обучения для обнаружения угроз

В компаниях уже начали пользоваться искусственным интеллектом и машинным обучением для распознавания угроз безопасности и реагирования на них. Появились достаточно мощные инструменты, но нужно определиться, как включить их в общую стратегию кибербезопасности предприятия.

Например, в банке Barclays Africa применяют искусственный интеллект для обнаружения признаков компрометации систем в локальной корпоративной сети и в облаке. При этом требуется обработка гигантских объемов данных, а в связи с быстрым изменением мирового ландшафта угроз и растущим взаимодействием атакующих, для противостояния им необходимы самые передовые технологии и методы.

Внедрив машинное обучение, людям можно поручить задания, с которыми они справляются лучше машин. Сетуя на острый дефицит специалистов, в банке отмечают, что решать задачи безопасности вручную сегодня уже просто невозможно.

В компании Cadence Design Systems, предоставляющей инженерные услуги, внедрили системы непрерывного мониторинга угроз, помогающие защищать ее интеллектуальную собственность. Ежедневный трафик данных безопасности, поступающих от 30 тыс. оконечных устройств и 8,2 тыс.

пользователей, составляет порядка 30-60 Гбайт, а аналитиков, которые их изучают, в компании всего 15.

Обратите внимание

И это еще не все данные о сети, которые можно было бы обрабатывать, отмечают в Cadence, и, поскольку необходим анализ еще большего объема, приходится внедрять средства искусственного интеллекта, позволяющие более эффективно обнаруживать и устранять проблемы.

Для мониторинга поведения пользователей и систем, а также для управления доступом в Cadence пользуются соответствующими продуктами Aruba Networks, дочерней компании HPE. Как отмечают в Cadence, важным свойством платформы Aruba является то, что она работает по принципу обучения без учителя.

Атаки меняются и становятся все сложнее, добавляют в компании: например, в течение какого-то времени может иметь место малозаметная вредоносная активность, которая лишь позднее даст злоумышленнику возможность украсть большой объем данных, инструменты же машинного обучения помогают обнаружить подобное.

Из-за перегруженности большими объемами данных по безопасности страдают даже некрупные компании.

Например, у Daqri, производителя очков и шлемов дополненной реальности для архитекторов и специалистов производственных предприятий, в штате только 300 сотрудников, причем в центре обеспечения безопасности работает всего один человек. При этом процессы анализа и реагирования на события безопасности чрезвычайно трудоемкие.

С помощью средств искусственного интеллекта от компании Vectra Networks в Daqri ведут мониторинг трафика приблизительно 1,2 тыс. устройств, работающих в корпоративной среде.

Автоматизированные средства способны заметить, когда кто-то выполняет сканирования портов, переходя от хоста к хосту, или, допустим, необычным способом пересылает большие объемы данных. В компании собирают всю соответствующую информацию, анализируют ее и вводят в модель глубокого обучения.

Важно

Благодаря этому достигается возможность надежно прогнозировать вероятность того, что тот или иной вид трафика окажется вредоносным.

Такой анализ необходимо выполнять быстро, сократив до минимума время между распознаванием и реакцией. Искусственный интеллект позволяет ускорить разбор инцидентов и тем самым улучшить понимание происходящего в корпоративной сети, точнее прогнозировать серьезные утечки, быстрее обнаруживать инциденты и оперативно реагировать на них, чтобы минимизировать возможный ущерб.

Применение искусственного интеллекта для обеспечения безопасности растет

Искусственный интеллект и машинное обучение существенно ускоряют реагирование на угрозы, признают аналитики Nemertes Research. По их словам, сегодня это уже серьезный рынок, сформированный под влиянием реальной потребности.

В Nemertes провели глобальное исследование, посвященное безопасности, и его результаты свидетельствуют: в среднем на обнаружение атаки и реагирование на нее в организациях уходит 39 дней, однако в некоторых компаниях сумели сократить это время до считанных часов. Скорость реагирования напрямую зависит от уровня автоматизации, которая обеспечивается средствами AI и машинного обучения.

Среднее время обнаружения атаки – час. В самых эффективных компаниях, применяющих машинное обучение, на обнаружение уходит менее 10 минут, а в отстающих – дни или недели. Что касается среднего времени анализа угроз, оно составляет три часа.

В лучших компаниях на такой анализ уходят минуты, в худших – дни или недели. Поведенческий анализ угроз уже применяется в 21% компаний, участвовавших в опросе, и еще в 12% сообщают, что внедрят соответствующие средства к концу текущего года.

На передовой находятся компании сферы финансовых услуг. Поскольку их данные имеют повышенную ценность, они обычно по кибербезопасности идут на шаг впереди всех и вкладывают значительные средства в новые далеко не дешевые технологии.

По масштабам применениях AI и машинного обучения в целом показатели еще выше. Согласно исследованию Vanson Bourne, сегодня в 80% организаций применяют для тех или иных целей искусственный интеллект, и это уже окупается.

Больше всего дивидендов он приносит в области исследований и разработки новых продуктов – 50% респондентов сообщили, что новшество обеспечивает положительные результаты. Второе и третье места – у цепочки поставок (46%) и основной деятельности (42%).

Совет

Ненамного отстают безопасность и управление рисками: 40% респондентов сообщили о положительном опыте применения AI в этих областях.

Перечисленные показатели продолжат расти: как выявило недавнее исследование Spiceworks, в 30% организаций, имеющих более 1 тыс. сотрудников, применяют искусственный интеллект в ИТ-службах, в 25% собираются начать это делать в следующем году.

В маркетинговом агентстве Garrigan Lyman Group внедряют искусственный интеллект и машинное обучение для решения целого ряда задач кибербезопасности, в том числе для обнаружения необычной активности сети и пользователей, а также для распознавания новых кампаний фишинга. Без новых технологий было бы невозможно нормально работать, поскольку злоумышленники уже давно прибегают к автоматизации своей деятельности, признаются в Garrigan Lyman.

Искусственный интеллект и машинное обучение обеспечивают этой компании преимущество. Сама она небольшая, всего 125 сотрудников, но благодаря облачным сервисам имеет возможность быстро внедрять самые новые технологии.

В Garrigan Lyman удается вводить в эксплуатацию полезные новшества всего за пару недель.

В частности, здесь пользуются средствами безопасности с искусственным интеллектом компаний Alert Logic и Barracuda Networks, и, как признаются в Garrigan Lyman, системы «умнеют буквально на глазах».

Искусственный интеллект помогает системам адаптироваться к требованиям компании без объемного предварительного обучения.

Например, как отмечают в Barracuda, модель AI может самостоятельно понять, что, когда генеральный директор компании определенного типа пользуется некорпоративным адресом электронной почты, это аномалия.

«В некоторых организациях, если руководитель общается через личную почту на мобильном устройстве, это норма, а вот если главный бухгалтер отправляет сообщения с персонального адреса, это уже аномалия», – добавляет Асаф Сайдон, вице-президент по сервисам обеспечения безопасности контента Barracuda.

Еще одно преимущество облачной доставки: разработчикам проще совершенствовать свои продукты исходя из клиентских откликов.

«Кибербезопасность – это как соседская бдительность: если я заметил что-то подозрительное в нашем квартале, то предупрежу других», – говорит Крис Гейзер, директор по технологиям Garrigan Lyman.

Обратите внимание

Фишинговые сообщения или сетевые атаки могут быть обнаружены раньше в других часовых поясах, благодаря чему у компаний появляется время подготовиться. Естественно, должно быть доверие к поставщику сервиса.

В Garrigan Lyman при выборе поставщиков проводили подробный анализ – например, удостоверялись в том, что кандидат придерживается определенных норм проведения аудита, и в том, что доступ к клиентским данным могут получить только уполномоченные лица.

Недоверие к новшествам затрудняет переход от традиционных процессов к автоматизации на основе искусственного интеллекта – ведь кроме знания особенностей работы вашего поставщика не помешают сведения о том, как именно AI принимает решения. Принципы работы экспертных систем должны быть понятными, чтобы им можно было доверять. Понимая, как действует система, клиент дает свои отзывы и пожелания, это помогает совершенствовать модели машинного обучения.

В компании LexisNexis Legal and Professional 12 тыс. ее сотрудников недавно начали для защиты электронной почты пользоваться системой GreatHorn.

Теперь, если, к примеру, начинают поступать сообщения из домена, по написанию похожего на хорошо известный, система автоматически отметит его в качестве «самозванца» и сообщит, почему это сделано: «Отметка поставлена, поскольку домен похож на тот, с которым вы обычно обмениваетесь сообщениями, однако его техническая информация выглядит подозрительно».

По мере роста уровня доверия к системе и точности ее решений в LexisNexis хотят перейти от простой маркировки подозрительных сообщений к автоматическому перемещению таких сообщений в карантин.

На сегодня результаты весьма впечатляющие: маркируются именно вредоносные сообщения. А когда будет налажено карантинирование, пользователи вообще перестанут их видеть.

После этого инструмент планируется внедрить и в других подразделениях компании, а также изучить иные возможности использования AI для обеспечения безопасности.

Как искусственный интеллект позволяет опередить злоумышленников

AI совершенствуется по мере роста объема получаемых данных. При накоплении достаточно больших срезов данных системы способны обнаруживать очень ранние признаки появления новых угроз. Пример – SQL-инъекции.

В компании Alert Logic ежеквартально собирают данные примерно по 500 тыс. инцидентов, происходящих у 4 тыс. ее клиентов. Около половины таких инцидентов связаны с атаками на основе SQL-инъекций.

Ни в одной компании мира нет возможности рассматривать каждый такой инцидент в отдельности, чтобы выяснить, удалась ли попытка инъекции, уверены в Alert Logic.

Важно

Благодаря машинному обучению системы компании не только быстрее обрабатывают данные, но и коррелируют события, происходившие в разные периоды времени в разных регионах. Некоторые атаки могут повторяться через несколько недель или месяцев, при этом исходить из других сегментов Интернета. Если бы не машинное обучение, такие инциденты в Alert Logic упускали бы, уверены в компании.

Источник: https://www.cio.ru/articles/1995

Искусственный интеллект в России. Достижения и основные направления развития

Исследованиями в области искусственного интеллекта занимаются специалисты из разных стран. Осознавая огромные перспективы высокоинтеллектуальных систем, российские разработчики также уделяют этому направлению особое внимание. В данном обзоре мы собрали информацию о российских компаниях, занимающихся исследованиями в области искусственного интеллекта.

Компания Яндекс

Компания Яндекс уже на протяжении нескольких лет применяет технологии искусственного интеллекта в своих поисковых механизмах.

В настоящий момент работа ведется над созданием нейронной сети, способной вывести принцип работы поисковика на новый революционный уровень. Традиционный алгоритм поиска основан на сопоставлении содержания запроса с контентом анализируемых страниц.

Безусловно, все это делается с некоторыми дополнениями и расширениями – запросы переформулируются, добавляются синонимы, переводятся на другой язык и т.д.

https://www.youtube.com/watch?v=JAMyTEb6D8U

В новом подходе каждому запросу ставится в соответствие некое векторное число, наиболее точно отражающее его смысл. Далее поиск осуществляется по этому числу. При этом запрос и ответ могут не иметь ни одного общего слова. Все, что их будет объединять – это одинаковый смысл содержимого.

Стоит отметить, что в перспективе в векторное число смогут переводится изображения и видео, что, по словам представителей Яндекс, позволит значительно расширить границы «умного» поиска.

Совсем недавно компания Яндекс выпустила обновленную версию своего браузера, в котором технологии искусственного интеллекта позволяют персонализировать поиск в соответствии с интересами пользователя. Новый сервис получил название Дзэн.

Например, если человека заинтересуется анатомией, то материалов, связанных с этой темой, в его новостной ленте станет значительно больше. При этом, Дзен не ограничивается лишь любимыми сайтами и предпочтениями пользователя.

Пользователю могут предлагаться материалы из совершенно незнакомых источников, если Дзен посчитает, что они могут его заинтересовать.

Достаточно интересным является применение технологий искусственного интеллекта в сервисе Яндекс.Аудитории. Данный сервис позволяет компаниям найти в Интернете целевых клиентов с целью более эффективного таргетирования рекламных объявлений.

Совет

Достаточно загрузить в сервис список клиентов с телефонами и/или e-mail адресами, и система, сканируя социальные сети с помощью искусственного интеллекта, находит этих людей в сети Интернет. Далее можно разбить клиентов по целевым группам и персонализировать для них через Яндекс.Директ рекламные объявления.

Например, можно ненавязчиво предлагать целевой аудитории новый товар, или в конце концов склонить пользователей к покупке товара, которым они уже интересовались ранее.

Abbyy

Компания ABBYY является признанные мировым лидеров в области интеллектуальной обработки данных и лингвистики.

Компания разработала решения, позволяющие с помощью технологий искусственного интеллекта распознавать текстовые данные, работать с печатными документами и файлами в формате PDF, самостоятельно осуществлять ввод данных в информационные системы компаний, производить корпоративный семантический поиск, а также находить переводы незнакомых слов и фраз.

Одним из главных достижений ABBYY является система Compreno, позволяющая анализировать и понимать текст на естественном языке. Над созданием данной системы специалисты компании работали около 10 лет. Стоимость проекта составила более $80 млн. Принцип работы Compreno представлены на следующем рисунке.

Этапы работы ABBYY Compreno. Источник: ABBYY

1 Этап. Лексико-морфологический анализ. На первом этапе анализируемый текст делится на абзацы, предложения и слова. Для каждого слова определяется часть речи и морфологические характеристики (род, число, падеж и т.д.

2 Этап. Синтаксический анализ. В тексте выделяются предложения. Для каждого предложения определяется структура и принцип организации связи слов.

3 Этап. Семантический анализ. Определяется значение каждого слова и строится семантическая структура предложения, исходя из установленных на прошлом этапе связей.

4 Этап. Прагматический уровень анализа. На этом этапе накладывается прагматический слой анализа текста, применяются онтологии (терминология для конкретной предметной области анализа) и правила извлечения нужных объектов.

В результате, на выходе системы получается универсальный и структурированный набор данных, что позволяет ABBYY Compreno решать задачи по анализу и извлечению важной информации, «умному» поиску и классификации данных.

Технологии компании ABBYY используются по всему миру.

Все решения лицензируются крупнейшими международными ИТ-компаниями, такими как EPSON, Fujitsu, Samsung, Panasonic, Sharp, Acer, KnowledgeLake, Microsoft и другие.

Заказчиками ABBYY являются российские и международные компании из банковской, энергетической, нефтегазовой, телекоммуникационной и других отраслей, а также из государственного сектора. 

Findo

В начале 2016 года Давид Ян, основатель компании ABBYY, объявил о запуске в США нового проекта – Findo. Findo является интеллектуальным помощником, которые предназначен для поиска информации в интернете, в облаке и локальных файлах. Уникальной способностью помощника является распознавание естественной речи (правда, пока только на английском языке).

Для поиска могут использоваться достаточно «сложные» запросы. Например, Findo способен работать с запросами, вида: «найди документы, которые я редктировал в прошлую среду», «покажи письмо, которое мне вчера прислали из Москвы» и т.д.

Пример запросов, обрабатываемых Findo. Источник: finsmes.com

Для более точного «понимания» естественного языка используются наработки технологии ABBYY Compreno. Сама компания ABBYY вложила в стартап около $3 млн.

Головной офис Findo находится в Менло-парк, Калифорния. Пока сервис предоставляется бесплатно. В будущем компания планирует зарабатывать по модели freemium: предоставление базового функционала бесплатно и около $5 в месяц за расширенную версию.

VisionLabs

Компания VisionLabs была основана в 2012 году и является резидентом IT-кластера «Сколково». Компания специализируется на решениях, позволяющих распознавать лица клиентов в самых быстрорастущих сегментах рынка: банковский сектор и ритейл. Массачусетский университет включил VisionLabs в тройку лучших мировых систем в области распознавания лиц для коммерческих целей.

Высокоточные алгоритмы распознавания образов были получены в результате использования нейронных сверточных сетей, обученных с помощью методов глубокого обучения и многомиллионных массивов данных, что, по словам представителей компании, является существенным преимуществом выпускаемого продукта. Малый размер ключа извлекаемого из фотоизображения позволяет проводить сравнения 500 миллионов ключей менее чем за 1 секунду.

Платформа распознавания лиц VisionLabs LUNA – флагманский продукт компании. LUNA позволяет в режиме реального времени анализировать колоссальные объемы фото- и видеоданных с целью определения в них лиц людей и сравнения их с многомиллионными базами данных.

Обратите внимание

На базе данной технологии также создан облачный сервис FACE_IS, который может связывать клиентов с предшествующей историей их покупок и помогать выстраивать взаимодействие с брендом.

Решения компании являются plug’&’play, по умолчанию имеют интеграцию с большинством баз данных, CRM и BI-систем, и не требуют от пользователей замены оборудования, так как интегрируются в их существующую IT- инфраструктуру.

В 2014 году компания VisionLabs заключила эксклюзивный контракт с Бюро кредитных историй «Эквифакс» в России по запуску системы распознавания лиц на межбанковском уровне.

Система используется в рамках сервиса противодействия кредитному мошенничеству. К данному сервису на базе решения VisionLabs подключено уже более 20 крупнейших банков в России.

Крупнейшим реализованным проектом в РФ является проект c «Почта Банк», в СНГ – с Kaspi Bank.

При этом, по словам Алексея Нехаева, у российского рынка есть ряд преимуществ, и их VisionLabs также старается активно использовать для продвижения своих продуктов.

Низкий курс локальной валюты, высокое качество математической школы – ключевые факторы в пользу создания Российского R&D центра.

Источник: http://iot.ru/gorodskaya-sreda/iskusstvennyy-intellekt-v-rossii-dostizheniya-i-osnovnye-napravleniya-razvitiya

Шесть профессий, спрос на которые подскочит из-за искусственного интеллекта

Фото: iStock

Развитие искусственного интеллекта (ИИ) несет в себе риск уничтожения части профессий по всему миру. Но есть и хорошие новости: по прогнозам Gartner, к 2020 году ИИ создаст 2,3 млн рабочих мест, компенсировав потери от автоматизации. О том, на какие профессии подскочит спрос благодаря ИИ, VentureBeat рассказал глава консалтинговой компании Sigmoidal Мариуш Киерски.

Технологическая революция открывает перед людьми больше свобод, позволяя им заниматься хобби и следовать за мечтой. По прогнозам Киерски, развитие ИИ приведет к бурному росту предпринимательской деятельности. А как отмечает американский Inc., всё больше малых компаний будут использовать искусственный интеллект в качестве инструмента конкурентной борьбы.

Однако для самой технологической революции потребуются люди, которые будут создавать алгоритмы. Сейчас на рынке не хватает квалифицированных специалистов, что позволяет небольшому числу экспертов просить больше $300 тысяч за должность старшего исследователя в сфере ИИ (в DeepMind медианная зарплата таких специалистов достигает $345 тысяч).

Важно

По оценке Gartner, к 2020 году ИИ будет внедрен почти в каждый программный продукт. Поэтому ИИ-инженеры с навыками создания алгоритмов машинного обучения понадобятся как в программировании, так в физике и биологии.

Машины на искусственном интеллекте нужно будет обучать и тренировать. Киерски считает, для обучения ИИ потребуются специалисты, которые будут собирать и управлять релевантной информацией.

В этой отрасли появятся новые профессии.

На некоторые должности смогут претендовать люди без опыта работы, а другие рабочие места (например, специалист по обучению ИИ-судьи) потребуют от соискателей высокой квалификации.

Даже после запуска машины требуют испытаний и контроля качества, который должны проводить люди. Развитие искусственного интеллекта повысит спрос на специалистов по тестированию ПО, а также экспертов по контролю за работой ИИ.

Технологии сделают медицинскую помощь доступнее, однако машины сложно будет научить правильно общаться с людьми, а также правильно выражать сочувствие. А из-за повышения средней продолжительности жизни благодаря технологиям повысится спрос на уход за пожилыми жителями планеты. Поэтому развитие искусственного интеллекта приведет к росту спроса на сиделок и социальных работников.

Киерски настаивает, что машинам не удастся лишить рабочих мест специалистов по продажам и маркетингу. Вместо этого ИИ изменит принципы работы этих специалистов и повысит эффективность работы.

Вместе с этими профессиями искусственный интеллект поможет создать новые сферы бизнеса, ожидает Киерски. С автоматизацией вырастет спрос на специалистов с техническими навыками, которые смогут ремонтировать машины.

А в феврале аналитики PwC опубликовали отчет о проблеме автоматизации труда. Аналитики рассказали о трех волнах автоматизации, которые повлияют на рынок труда в период с 2010-х по 2030-е годы.

Подписывайтесь на наш канал в Telegram!

Источник: https://incrussia.ru/news/shest-professij-spros-na-kotorye-podskochit-iz-za-iskusstvennogo-intellekta/

Об искусственном интеллекте в сфере ИБ

О грядущем вымирании некоторых специальностей и замене специалистов на роботов говорят даже с самых высоких трибун.

Развитие прикладной математики и доступность вычислительных мощностей привели к тому, что машины готовы вторгнуться в область принятия решений, ранее считавшуюся доступной лишь для человека.

Давайте порассуждаем о некоторых аспектах, связанных с применением искусственного интеллекта в сфере ИБ.

Совет

Нехватку квалифицированного персонала в любой области решают с помощью нескольких подходов. Первый – «нарожать и обучить» – самый понятный, но и самый долгий, а потому не обеспечивает решение задачи здесь и сейчас.

Второй подход сегодня активно развивается. Это – аутсорсинг, подразумевающий концентрацию в центрах компетенции профессионалов, которые постоянно поддерживают собственную квалификацию и продают свои услуги потребителям.

Третий путь, ставший популярным в последнее время, – роботизация.

Инструменты бизнес-анализа, известные как системы поддержки принятия решений, существуют уже не одно десятилетие. Но прежде они не принимали решения самостоятельно, а лишь предлагали пользователю варианты и просчитывали их последствия (так называемый «what-if-анализ»). Теперь пришло время не только подсказывать, но и выбирать те или иные решения.

Эта тенденция не могла не породить рыночного «хайпа»: в маркетинговых целях возможности искусственного интеллекта приписывают любому продукту, значительно взвинчивая его цену.

Если 10 лет назад маркером десятикратной наценки служило слово «smart» (умные часы, умный дом, умный телефон, умный автомобиль и т.п.), то сегодня одного «ума» (а точнее – операционной системы, встроенной в систему управления продукта) стало недостаточно.

Такой продукт должен обладать не просто умом, а интеллектом, поэтому теперь все умные устройства объявлены интеллектуальными.

Просто разорви цепь

Службы информационной безопасности стояли в стороне от этого ажиотажа – прежде всего, из-за того, что на них возлагается большая ответственность.

Если движок распознавания лиц правильно распознает 80% лиц, его разработчики ликуют – четыре из пяти лиц определены, отличный результат! Однако безопасника такая эффективность приводит в ужас, ведь каждая пятая атака будет пропущена или каждое пятое легитимное действие пользователя будет заблокировано. Такие технологии искусственного интеллекта, как машинное обучение (machine learning) и глубокое обучение (deep learning), довольно долго применялись в сфере безопасности лишь для внутренних целей – автоматизации работы вирусного аналитика, анализа аномалий трафика. Они оставались принципиально пассивными и лишь «подсвечивали» аналитикам сомнительные места, с которыми те затем разбирались самостоятельно.

Обратите внимание

Старые проверенные методы, связанные с использованием обратной связи, безопасники не отбрасывали. Есть процессы, в которых ум – во вред, поскольку в их рамках надо однозначно реагировать на конкретные ситуации: при возникновении опасности ее причина должна блокироваться.

Вспомните эволюцию предохранителей, реагирующих на повышение силы тока в сети. Сначала это были одноразовые предохранители, которые плавились при повышении температуры, связанном с увеличением силы тока.

Потом они стали удобнее: просто размыкали сеть, и после срабатывания их не надо было менять. И не нужен такой системе никакой интеллект! Когда дело касается защиты, этот подход (разорви цепь при нагреве) гораздо эффективнее.

Всем спокойнее, если действия системы защиты являются «тупой» реакцией на угрозу, и надо не обдумывать конкретное решение, а просто реагировать по заранее прописанному сценарию.

Потому-то специалисты по информационной безопасности до сих пор не отказались от старых добрых сигнатур атак и вирусов.

В соответствующие базы знаний давно входят сотни миллионов образцов, и такие сигнатуры хорошо себя проявляют при очередном воздействии уже известных вредоносов и атак.

Читайте также:  Немецкие инженеры обучают робота-хобота аккуратно захватывать предметы

В этом и состоит основная проблема: да, известные атаки отражаются легко и полностью автоматически, но новые, неизвестные средству защиты, не отражаются вовсе.

Защита со многими неизвестными

Важно

Аналитики делают все возможное – быстро изучают новые угрозы и выпускают средства для защиты от них, которые оперативно распространяются.

Однако факт остается фактом: в промежутке между первой атакой и появлением соответствующего средства противодействия (а это – от нескольких часов до нескольких дней) пользователи беззащитны, поэтому сегодня основные усилия разработчиков направлены на поиск средств отражения именно неизвестных атак.

Нападающая сторона, конечно, не осталась том же уровне, на котором она находилась лет десять назад. Она уже использует технологии искусственного интеллекта для обхода средств защиты, обучая свои системы на реакциях объекта атаки. Можно утверждать, что классическое противостояние «снаряда и брони» охватило и эту область знаний.

Однако если нападающих мало интересуют мораль и законы, то у защитников при использовании искусственного интеллекта возникает немало проблем. Они знакомы широкой публике, например, по обсуждениям алгоритмов принятия решения автомобильных автопилотов.

Кто будет отвечать, если «робот» принял неверное решение, которое привело к отрицательным последствиям? И если нет хорошего решения, то что считать меньшим злом? В сфере информационной безопасности такие вопросы тоже стоят очень остро.

Кто ответит за ущерб компании, понесенный в случае принятия искусственным интеллектом неверного решения? Человека, принявшего такое решение, можно осудить по закону, а что делать с «роботом»?

Сочетая и интегрируя

Компании, разрабатывающие решения по защите информации на базе алгоритмов искусственного интеллекта, не делают ставку исключительно на такие алгоритмы.

Они сочетают старые, проверенные и новые методы защиты, чтобы эффективнее использовать их сильные стороны. Чаще всего технологии искусственного интеллекта применяют для обнаружения и анализа аномалий.

Любые аномалии в поведении системы, пользователя, в сетевом трафике могут быть как признаками атаки, так и совершенно легитимным новым функционалом.

Совет

Эта дилемма (на сленге – «бага или фича?») стала особенно насущной, когда системы начали меняться очень быстро и без документирования по методологиям гибкой разработки aka agile. При таких изменениях новый функционал вызывает аномалии в поведении пользователей, системы и трафика, очень похожие на аномалии при атаке.

Можно запускать режим самообучения системы защиты на новом функционале, но алгоритмы работают только в том случае, если время процесса самообучения – меньше интервалов между изменениями, а в подавляющем большинстве случаев дело обстоит уже не так.

Блокировать эти аномалии нельзя, поэтому очень много разработок направлены на изучение различных аномалий и оценку их опасности для процесса.

Системы защиты стали все теснее и теснее интегрироваться с защищаемыми объектами. Сегодня безопасность приложений начинается с безопасной разработки, то есть защита имеет возможность влиять на объект защиты.

Это – очевидный ход: при постоянных изменениях приложения важно не только фильтровать данные на входе, но и понимать их путь внутри приложения, поэтому появился тренд объединения различных систем анализа защищенности и активной защиты.

Данный подход позволяет не ограничивать уязвимый функционал приложения полностью, а только блокировать трафик к нему.

Верно и обратное: если система защиты знает, что атака не достигнет цели (например, в запросе фигурирует команда, но в поле ввода, в которое он направляется, нет возможности провести инъекцию), то такой трафик можно считать легитимным.

Робот конкурирует с человеком?

Когда система защиты не только видит аномалии, но и может предсказать реакцию системы на них, появляется гораздо больше информации для анализа и обучения алгоритмов искусственного интеллекта. Поэтому не за горами – то время, когда некоторые ИБ-профессии начнут отмирать.

Обратите внимание

Как в реальной экономике первыми жертвами «роботизации» станут профессиональные водители, так в области защиты информации – операторы систем защиты.

Сегодня работа такого оператора подразумевает выявление инцидента информационной безопасности на основе входящей информации, а затем – реакцию на инцидент согласно заранее написанным рекомендациям.

С повышением точности систем, действующих на базе искусственного интеллекта, разрешение коллизии «найденная аномалия – это бага или фича?» стала разрешаться без вмешательства человека, как происходило раньше, например, с детектированием вирусов.

Сначала операторы радуются снижению нагрузки, ведь «роботы» выполняют их задачи, но затем руководитель замечает, что его сотрудники лишь наблюдают за автоматической работой системы и, по большому счету, не нужны.

Однако внедрение систем с искусственным интеллектом в сфере информационной безопасности, как бы нас ни пугали футуристы, не приводит к увольнению людей – при нынешнем дефиците безопасников освободившиеся ресурсы всегда есть куда пристроить.

Другими словами, задач информационной безопасности больше, чем людей, и их число растет.

Повышение точности распознавания неизвестных атак на основе технологий искусственного интеллекта позволит не только решить проблему нехватки кадров, но и вновь сделать ИБ-деятельность активной.

Из-за большого количества ложных срабатываний при использовании традиционных сигнатурных технологий индустрия привыкла, что большинство средств защиты включаются в режиме мониторинга, лишь сообщая о чем-то необычном, а не блокируя атаки.

Важно

Однако точность сегодняшних систем, использующих технологии искусственного интеллекта, уже превышает точность оператора. Можно вспомнить и о неравномерной работоспособности, потребности в сне, об отпусках, болезнях и других «недостатках» человека по сравнению с «роботом».

Забрав у людей рутинную работу, искусственный интеллект освободит их для новых интересных задач, которых на наш век хватит. Если люди, конечно, захотят их решать.

Источник: https://bis-expert.ru/articles/56631

Применение технологий искусственного интеллекта в России: опыт Право.ru – Блог Legal IT

Западный рынок Legal Tech, а в особенности Legal AI (Artificial intelligence) развит намного больше, чем российский. Но и у нас по каждому из перечисленных выше направлений уже ведется работа. С одной стороны — появляются стартапы, с другой — модернизируют свои продукты уверенные игроки рынка.

В работе со сложными технологиями важно не забыть о простоте интерфейса. Порог вхождения в Legal Tech всегда был высоким, а в случае с искусственным интеллектом тем более. Инструмент на базе ИИ должен быть понятным, чтобы юристы сразу могли с ним взаимодействовать. Чем чище и понятнее интерфейс, чем больше ему доверяют, а значит — будут пользоваться.

Компания Право.ru 9 лет занимается разработкой юридического программного обеспечения. Ежедневно Картотекой арбитражных дел пользуются 300 тысяч юристов.

15% исков подается в электронном виде через систему Мой арбитр. Имея опыт разработки систем для российской арбитражной системы, Право.

ru запустила ряд сервисов для юристов, в которых уже сейчас используются технологии искусственного интеллекта и машинного обучения.

В направлении Legal data research ведется работа в системе для мониторинга судебных дел и проверки контрагентов Casebook. По арбитражным делам с самого раннего этапа запускается процесс оценки математической вероятности исхода дела, а также его продолжительности.

Разработчики запустили математическую модель: для расчета берутся результаты уже завершенных дел, выделяются их признаки, например: участники, суды, судьи, вид и категория спора, список событий в деле.  В основе алгоритма лежат нейронные сети. Casebook анализирует данные и выдает свой прогноз.

При этом система постоянно учится — по завершении дела нейронная сеть перепроверяет полученный прогноз, чтобы учесть этот результат в будущем.

Точность прогноза составляет 82%

Совет

В стадии тестирования находится функциональность по предсказанию банкротства компаний. Машина получает задачу: оценить показатели компании в динамике, например, бухгалтерский баланс, наличие судебных дел в роли ответчика. После система строит «кардиограмму» состояния компании.

Всего выделено 4 состояния по классам: «А» говорит о том, что нет предпосылок банкротства, «D» — что несостоятельность не за горами. Классы располагаются на оси ординат, а на оси абсцисс — временные промежутки (например, месяца).

То есть, если в компании за последний год все стабильно хорошо, на графике мы увидим горизонтальную линию, выходящую из точки А. Если показатели ухудшаются, то график «провалится» ниже, до уровня точек В, С или D.

Разработчики Casebook учат систему анализировать компании, которые обанкротились ранее, и оценивать, что произошло, а полученную информацию применять для модели предсказания по пока еще «здоровым» организациям.

В системе для поиска и анализа судебной практики Caselook также применяются технологии машинного обучения. В стадии разработки находится функция «Похожие документы».

Пользователь задает параметры поиска и получает список судебных актов, а с помощью алгоритмов машинного обучения программа тут же подбирает к каждому найденному документу похожие на него.

Для поиска схожести учитываются текст, категория спора, суд и другие признаки, каждый из которых имеет свой вес. Далее вступает принцип матрешки. На основе выделенных признаков программа разбивает документы на кластеры, а потом каждый кластер делится на более мелкие и т.д.

И уже в них производится расчет похожести документов между собой. Это позволяет искусственному интеллекту сравнивать судебные акты более детально, а юристам — не тратить время на изучение неподходящей практики.

Caselook подбирает похожие по содержанию документы

Обратите внимание

Система организации работы и ведения дел и проектов в юридических департаментах Case.pro также снабжена функциями, которые используют технологии искусственного интеллекта и машинного обучения. Юристы создают в системе задачи и события разных типов, а затем заполняют их данными: что сделано и сколько времени было потрачено.

Машина анализирует по каждому пользователю, какое время он чаще всего тратит на те или иные события, какие данные вносит. Условно говоря, прогнозирует, что хочет записать юрист, и предлагает свой готовый вариант для заполнения полей.

Кроме того, система интегрирована с сервисом Casebook, поэтому по арбитражным делам прямо в карточку подтягивается информация о вероятности исхода дела.

Case.pro — система для автоматизации работы юристов

В летнем сезоне в Case.pro внедрили новинку — AI Ассистента. Это умный помощник юриста. С помощью искусственного интеллекта ассистент анализирует работу пользователя в системе и предсказывает дальнейшие шаги.

Например, в зависимости от совершенного действия, юристу предлагают закрыть задачу, назначить исполнителя или создать новое событие. Благодаря этому пользователю не приходится совершать лишние клики для базовых действий.

Чем активнее вы работаете в системе — тем умнее становится ваш личный AI Ассистент.

Выбор того, в какое русло проекта направить искусственный интеллект, в Право.ru начинается с аналитики. Нет смысла внедрять технологии туда, где они не смогут быть полезны, просто потому, что Artificial intelligence — это тренд. Компания собирает отзывы клиентов, проводит исследования, оценивает эффективность использования функций на практике.

Рынок Legal AI безусловно будет расти и охватывать всё новые области применения. Но при этом должны меняться и сами юристы. Выбор «принимать или не принимать технологии» уже не стоит. Потому что давление на юристов будет усиливаться, и на первое место выходит слоган «делай больше с меньшими затратами».

Важно

В этом отношении инструменты на базе искусственного интеллекта дают вам возможность работать с большими объемами данных быстрее и дешевле. Они похожи на прожектор, который может заглянуть в любые уголки организации.

Кроме того, поручив машине типовые операции, вы экономите время и освобождаете сотрудников для решения более сложных и в юридическом смысле творческих задач.

Источник: https://blog.casebook.ru/primenenie-tehnologij-iskusstvennogo-intellekta-v-rossii-opyt-pravo-ru/

Ссылка на основную публикацию