Inteligência de enxame identifica ataques cibernéticos

A introdução em larga escala da conexão 5G (capaz, por exemplo, de transmitir um filme de longa-metragem full HD em 1 segundo) vai representar uma revolução na Internet das Coisa (IoT), permitindo que um sem-número de objetos interajam entre si de maneira rápida e eficiente. Esse novo patamar da cultura cibernética é esperado para o Brasil num futuro próximo, entre o final de 2020 e 2021. Como ocorre em qualquer avanço tecnológico desse porte, ele traz consigo preocupações adicionais relacionadas à segurança. A conexão ultrarrápida numa constelação de itens diferentes poderia facilitar o ataque de programas mal intencionados.

Laboratórios do mundo inteiro estão buscando se preparar para esse novo cenário, e uma novidade muito animadora foi relatada na última semana por uma equipe multidisciplinar da Universidade da Caledônia em Glasgow, na Escócia, e da Universidade COMSATS, do Paquistão. O trabalho foi apresentado na conferência UK-China Emerging Technologies (UCET). O novo sistema de detecção de ataques é baseado em um algoritmo de colônia artificial de abelhas (ABC) e em uma rede neural aleatória (RNN). A inteligência de enxame (swarm intelligence) é baseada no comportamento coletivo de animais, e se inspira na forma de organização descentralizada desenvolvida pela interação de elementos simples (chamados boids). Essa estratégia de inteligência foi incorporada à informática com o nome de computação natural (CN).

“A fronteira da Inteligência Artificial (AI) está sendo expandida a cada dia que passa, e uma das sua vertentes mais promissoras é exatamente a inteligência de enxame, que promete nos próximos anos mudar tudo o que sabemos a respeito do mundo cibernético”, diz o especialista em tecnologias disruptivas Arie Halpern.

 

Mais “abelhas”, mais precisão

Após treinar seu modelo RNN-ABC em dados de tráfego da internet, os pesquisadores realizaram uma série de testes para avaliar seu desempenho na identificação e classificação de ataques. O esquema foi capaz de classificar ameaças com uma precisão de 91,65%, superando por larga margem os melhores modelos existentes. A precisão do esquema melhora quanto maior o tamanho da colônia de componentes de inteligência de enxame (quanto mais “abelhas artificiais” no sistema), o que permite prever uma margem de acerto ainda melhor no futuro.

Com informações: Universidade da Caledônia (Reino Unido); Universidade COMSATS (Paquistão); UK-China Emerging Technologies; Unicamp; Phys.