AI數位戰警：利用人工智慧網路掃黑

國防
Jiachen
2023-04-12

前言

　　網路世界充滿危險，不僅企業受害，政府也難以防範。台灣軟體聯盟曾公布調查報告，全球企業因惡意程式受損，每年損失超過十兆新台幣。去年五月底，美國資安公司「Cyble Inc」揭露駭客在暗網販售「臺灣全國戶政登記資料庫」，涉及超過兩千萬筆台灣民眾個資。為因應駭客攻擊，臺灣大學電機工程學系教授林宗男率領團隊，開發出一套「AI Cyber Security」（人工智慧網路安全）系統，能夠偵測Android和Windows系統中的惡意程式，並展開全面的網路掃黑行動。

抓出惡意程式的AI網路安全系統

　　林宗男教授領導的研究團隊致力於發展國家級網路防禦系統，透過AI網路安全系統來彰顯國家實力。該系統亦希望成為各國企業與政府在數位世界中的最佳防禦工具。研究團隊使用CNN（Convolutional Neural Networks，卷積神經網路）模型，以訓練AI對Android和Windows系統上是否存在惡意程式進行偵測。

Windows 與 Android 的惡意程式偵測

　　為了遏止惡意程式的執行，研究團隊提出了「圖像轉換」方法，此方法可將下載的執行檔案轉換成圖像檔案，並透過模型判斷其是否具備惡意特徵。如果模型判斷機率太高，即可避免執行造成危害。透過僅檢視圖像結構，使得偵測模型避免受到感染的風險。林宗男教授強調，這是確保網路安全的第一道防線。

　　經過驗證，林宗男教授帶領的研究團隊開發的Windows惡意軟體偵測系統在成功率和準確率方面均達到88.9％，超越全球圖形處理器領導廠商NVIDIA所發表的AI惡意軟體偵測技術7.2％。

　　相較於Windows偵測系統的獨立開發，林宗男教授帶領的團隊與日本NICT（情報通信研究機構）合作研發Android惡意軟體偵測系統，並利用他們所提出的新演算法，將NICT開發的AI惡意軟體偵測系統的抓駭效率從92％提升到96.2％。

　　Android惡意程式的偵測方法為：研究團隊利用反混淆技術，取出已知惡意程式的可執行檔特徵，加入新的特徵，然後利用AI演算法處理這些特徵，以判斷Android程式是否為惡意軟體。

透過機器學習，分析暗網流量

　　為了洞悉駭客行為的特徵，研究團隊運用暗網來源進行情報收集，分析駭客的行為特徵。對於研究追蹤技術的學者而言，觀察駭客在暗網下的活動是一個重要的情報來源。該團隊透過AI分析已知惡意程式的網路行為特徵，並依據側錄收集到的暗網流量和行為模式，找出駭客經常使用的路徑。研究結果顯示，將暗網流量進行善惡分類的辨識率高達99.6%，且遠超加拿大研究團隊的81.6%。對於網路服務供應商而言，如果能夠清晰地區分暗網流量的類別，就可以避免將可能未受惡意攻擊的影音串流全部導入入侵檢測系統（IDS）的資安偵測中，有效節省資源。

惡意流量偵測，鞏固第 2 道防線

　　研究團隊進行了包括勒索軟體 WannaCry 在內的 10 種惡意程式的惡意流量偵測演練，此為第 2 道防線。惡意流量的出現已經代表電腦已受到感染，我們的目標是盡可能縮短偵測時間。CISCO思科的商用偵測系統已達到 97.7% 的精確度，然而研究團隊進一步提升了 0.3% 的精確度，展現出不斷追求更好的信念，為網路安全帶來更高層次的保障。