Maskinlæring fremmer nyt værktøj til at bekæmpe cyberkriminalitet i skyen

Øget anvendelse af cloud-applikationer, såsom Dropbox og Google Drev, af private brugere har øget bekymring over brugen af ​​cloud-information til cyberkriminalitet såsom udnyttelse af børn, ulovlig narkotikahandel og ulovlige skydevåbentransaktioner.

Forskere ved Purdue University har udviklet en skyforensisk model ved hjælp af maskinlæring til at indsamle digitale beviser relateret til ulovlige aktiviteter på cloud-lagringsapplikationer.

"Det er afgørende at opdage ulovlige skyaktiviteter i bevægelse, " sagde Fahad Salamh, en ph.d. studerende ved Purdue Polytechnic Institute, som var med til at skabe systemet. "Vores teknologi identificerer og analyserer i realtid hændelser relateret til disse cyberkriminalitet gennem transaktioner uploadet til cloud storage-applikationer."

Salamh arbejdede på teknologien med Marcus Rogers og Umit Karabiyik, professorer i Polyteknisk Læreanstalt med speciale i computer- og informationsteknologi.

Purdue-systemet implementerer deep learning-modeller til at klassificere børneudnyttelse, ulovlig narkotikahandel og ulovlige skydevåbentransaktioner uploadet til cloud-lagringsapplikationer og rapporterer ulovlige aktiviteter via et retsmedicinsk bevisindsamlingssystem.

Processen begynder, når en bruger af en cloud-lagringsapplikation uploader en mediefil, enten billede eller video. De fortrænede maskinlæringsmodeller scanner både billeder og thumbnails for at lede efter tegn på cyberkriminalitet.

Ved at identificere og analysere disse hændelser ved hjælp af maskinlæring, cloud-tjenesteudbydere kan indsamle advarede logfiler, blokere de tilknyttede konti og rapportere dem til retshåndhævelsen baseret på en anmodning om skysøgningskendelse.

"Det er vigtigt at automatisere processen med digital retsmedicin og hændelsesvar for at klare avanceret teknologi og sofistikerede skjuleteknikker og for at reducere masselagringen af ​​digitale beviser i sager, der involverer cloud-lagringsapplikationer, "Salamh sagde. "Skymiljøer udfordrer efterforskere i at identificere ejerskabet af uploadede mediefiler på grund af deres netværksarkitektur og databehandling."

Purdue-teamet testede mere end 1, 500 billeder, og modellen klassificerede et billede nøjagtigt omkring 96 % af tiden.