سایبرپژوه– بدافزار ها و تهدیدهای سایبری ازاین‌پس توسط مایکروسافت و اینتل برای هوش مصنوعی مسئول کشف رخنه‌های امنیتی به‌صورت بصری تجسم می‌شوند.
مایکروسافت و اینتل در راستای ایده‌های خلاقانه خود برای طبقه‌بندی بدافزارها تصمیم دارند که آن‌ها را برای هوش‌های مصنوعی به‌صورت بصری تجسم کنند. آن‌ها برای این کار تحت عنوان پروژه‌ای به نام استامینا همکاری می‌کنند. در این پروژه کدهای سخت به تصاویر خاکستری تبدیل می‌شوند و به‌این‌ترتیب سیستم‌های یادگیری عمیق می‌توانند به‌راحتی آن‌ها را موردمطالعه و بررسی قرار دهند.
پروژه استامینا
در این رویکرد شکل دوگانه یک فایل ورودی به جریان ساده‌ای از پیکسل‌ها تبدیل می‌شوند. این جریان نیز درنهایت به تصویر دارای ابعادی تبدیل می‌شود که جنبه‌های مختلف آن نظیر اندازه فایل‌ها متغیر است. سپس یک شبکه عصبی آموزش داده است تشخیص خواهند داد که این فایل توسط چه چیزی مورد حمله قرار گرفته است.
گزارش‌ها خبر از آن دارند که این هوش مصنوعی با استفاده از حجم عظیمی از داده‌های گرد آوری شده از ویندوز دیفندر آموزش دیده است. این فناوری به بازسازی پیکسل به پیکسل و در اندازه کامل ویروس‌ها نیاز ندارد و این امر بسیار منطقی به نظر می‌رسد زیرا یک بدافزار بزرگ می‌تواند به‌راحتی به یک تصاویر غول‌پیکر ترجمه شود.
پروژه استامینا با دقت ۹۹ درصدی در طبقه‌بندی بدافزارها و نرخ مثبت کاذب زیر ۲.۶ درصد بسیار مؤثر واقع شده است. بااین‌حال این سیستم نیز محدودیت‌های خاص خود را دارد و تنها با فایل‌های کم‌حجم خوب کار می‌کند و هنوز از پردازش فایل‌های با حجم زیاد عاجز است.
بااین‌وجود، این سیستم در صورت اعمال تغییرات لازم می‌تواند بسیار مفید باشد. بیشتر سیستم‌های تشخیص بدافزارها به استخراج امضاهای باینری یا اثرانگشت متکی هستند اما تعداد زیاد امضاها این امر را غیرعملی می‌کند. این سیستم می‌تواند به ابزارهای ضد بدافزار کمک کند تا به‌طور مؤثر در برابر تهدیدات امنیتی که از سیستم‌های تدافعی قبلی عبور کرده‌اند، مقاومت کند. این سیستم به شناسایی بدافزارها کمک بزرگی می کند.
