Biuletyn CyberPoligon - SEP 2024

| 33 CYBER POLIGON 2024 no możliwości zastosowania uczenia maszynowego do detekcji anomalii i wykrywania ataków cyberne- tycznych. Przedstawiono przykłady zastosowania klasycznych klasyfikatorów i metod głębokiego ucze- nia do wykrywania złośliwych aplikacji mobilnych za- instalowanych na urządzeniu użytkownika. Przyszłe konflikty zbrojne to również w dużym stopniu wojny maszyn (wojny na algorytmy i to już nie tylko z obszaru kryptologii). Szczególnie cieka- wym spostrzeżeniem jest jednak fakt, że jak się oka- zuje niekiedy nawet niezwykle złożone systemy wy- korzystujące elementy sztucznej inteligencji można dość łatwo ” oszukać”. Stąd w ostatnich latach zro- dził się obszar antagonistycznego uczenia maszy- nowego AML (ang. Adversarial Machine Learning). Wydaje się, że AML to początek bardzo poważnych badań nad wojnami maszyn, obszar niezwykle cieka- wy i dynamicznie rozwijający się, ale również obszar niełatwy ze względu choćby na trudności związane z możliwością interpretacji/wyjaśnienia sposobu dzia- łania "inteligentnych” maszyn. Celem wykładu było zasygnalizowanie wyzwań związanych z nowym po- ziomem możliwości hakowania rozwiązań operatach o sztuczną inteligencje.