Τα τελευταία χρόνια ένα από τα μεγαλύτερα τεχνολογικά επιτεύγματα που ακούει στο όνομα Τεχνητή Νοημοσύνη ή “ΑΙ” βρίσκεται σε κάθε πτυχή της καθημερινότητάς μας. Από απλές εφαρμογές πρόβλεψης του καιρού που έχουμε στα κινητά μας μέχρι σύνθετα μοντέλα πρόγνωσης σοβαρών ασθενειών αναπτύσσονται καθημερινά χάρη στις εξελίξεις στον χώρο της Τεχνητής ΝοημοσύνηςΤα τελευταία χρόνια ένα από τα μεγαλύτερα τεχνολογικά επιτεύγματα που ακούει στο όνομα Τεχνητή Νοημοσύνη ή “ΑΙ” βρίσκεται σε κάθε πτυχή της καθημερινότητάς μας. Από απλές εφαρμογές πρόβλεψης του καιρού που έχουμε στα κινητά μας μέχρι σύνθετα μοντέλα πρόγνωσης σοβαρών ασθενειών αναπτύσσονται καθημερινά χάρη στις εξελίξεις στον χώρο της Τεχνητής Νοημοσύνης.

Το βασικό ερώτημα «Τι είναι στην πραγματικότητα η Τεχνητή Νοημοσύνη και τι προσπαθεί να επιτύχει» πρέπει να απαντηθεί πριν αναφερθούμε στις Εγκληματολογικές εφαρμογές στις οποίες συνεισφέρει η Τεχνητή Νοημοσύνη. Σύμφωνα με τους Barr και Feigenbaum [1] μπορούμε να ορίσουμε την Τεχνητή Νοημοσύνη ως τον τομέα της επιστήμης των υπολογιστών που ασχολείται με τη σχεδίαση συστημάτων με νοημοσύνη. Δηλαδή, συστήματα που έχουν χαρακτηριστικά που εντοπίζουμε στην ανθρώπινη συμπεριφορά και σχετίζονται άμεσα με την ανθρώπινη νοημοσύνη.

Τέτοια χαρακτηριστικά που προσομοιάζει η Τεχνητή Νοημοσύνη και αποδίδονται στην ανθρώπινη αντίληψη και συμπεριφορά είναι η αντιληπτική ικανότητα μέσω της όρασης, η εξαγωγή συμπερασμάτων μέσω ανάλυσης έμμεσων στοιχείων, η κατανόηση της φυσικής γλώσσας κ.ά. Ένα στοιχείο της Τεχνητής Νοημοσύνης που την καθιστά ένα από τα σημαντικότερα επιτεύγματα της Ανθρωπότητας είναι η ικανότητά της να μαθαίνει. Ναι, όσα περισσότερα νέα δεδομένα λαμβάνει ένας αλγόριθμος Τεχνητής Νοημοσύνης τόσο καλύτερα αποδίδει. Όπως ακριβώς ο άνθρωπος!

Εξέχουσα θέση κατέχει η Τεχνητή Νοημοσύνη στον ευρύτερο τομέα της Εγκληματολογίας, όπου οι αλγόριθμοί της συνεισφέρουν σε μία ευρεία γκάμα εφαρμογών βοηθώντας τις Αρχές και τους ερευνητές να επιτύχουν γρηγορότερα και καλύτερα αποτελέσματα, αυτοματοποιώντας τις υπάρχουσες διαδικασίες. Σε αυτό το άρθρο θα δούμε κάποιες προχωρημένες εφαρμογές της Τεχνητής Νοημοσύνης που βασίζονται σε δύο κατηγορίες βιομετρικών χαρακτηριστικών.

Υπάρχουν δύο βασικές κατηγορίες βιομετρικών χαρακτηριστικών που χρησιμοποιούνται στην εξιχνίαση και την πρόληψη εγκλημάτων: τα φυσικά (physical) και τα συμπεριφορικά (behavioral) βιομετρικά χαρακτηριστικά.

Φυσικά βιομετρικά χαρακτηριστικά (Physical biometrics)

Τα φυσικά βιομετρικά χαρακτηριστικά είναι διακριτά, και κατά μία έννοια μετρήσιμα, χαρακτηριστικά του κάθε ατόμου, όπως για παράδειγμα το πρόσωπο, η ίριδα του ματιού, οι φλέβες της παλάμης, τα δακτυλικά αποτυπώματα κ.ά. Οι πληροφορίες που λαμβάνονται μετατρέπονται σε έναν κώδικα κατανοητό από το σύστημα Τεχνητής Νοημοσύνης που με τη σειρά του θα καταστήσει ικανή την ταυτοποίηση ενός ατόμου και κατ’ επέκταση την ενδεχόμενη εξιχνίαση ενός εγκλήματος.

Παρακάτω ακολουθούν κάποιες από τις πιο εξελιγμένες εφαρμογές φυσικών βιομετρικών χαρακτηριστικών που με τη χρήση αλγορίθμων Τεχνητής Νοημοσύνης συμβάλλουν στην εξιχνίαση είτε στην αποτροπή τέλεσης αδικημάτων, αλλά και στον έλεγχο ασφαλείας γενικότερα.

Αναγνώριση προσώπου (Face recognition)

Ένα βιομετρικό σύστημα αναγνώρισης προσώπου αναγνωρίζει και επαληθεύει ένα άτομο εξάγοντας και συγκρίνοντας επιλεγμένα χαρακτηριστικά προσώπου από μια ψηφιακή εικόνα ή ένα καρέ ενός βίντεο με μια βάση δεδομένων προσώπου. Για παράδειγμα, ένας αλγόριθμος μπορεί να αναλύσει την απόσταση μεταξύ των ματιών, το πλάτος της μύτης, το σχήμα των ζυγωματικών, το μήκος της γραμμής του σαγονιού κ.ά., και να κωδικοποιήσει τα αντίστοιχα δεδομένα τα οποία μπορούν στη συνέχεια να χρησιμοποιηθούν για την εύρεση των κατάλληλων αντιστοιχιών σε μια βάση δεδομένων.

Αναγνώριση φωνής (Voice recognition)

Η αναγνώριση φωνής διαφέρει από την αναγνώριση ομιλίας στο ότι η πρώτη αναγνωρίζει και προσδιορίζει έναν ομιλητή χρησιμοποιώντας χαρακτηριστικά της φωνής του και η δεύτερη αναλύει το περιεχόμενο των λεγομένων του ομιλητή. Τα βιομετρικά χαρακτηριστικά της φωνής περιλαμβάνουν τόσο φυσικά χαρακτηριστικά, όπως το σχήμα της φωνητικής οδού που είναι υπεύθυνο για την άρθρωση και τον έλεγχο της παραγωγής ομιλίας, όσο και χαρακτηριστικά συμπεριφοράς, όπως τον τόνο, τον ρυθμό κ.ά.

Αναγνώριση δακτυλικών αποτυπωμάτων (Fingerprint recognition)

Σε αυτήν την κατηγορία οι αλγόριθμοι αναζητούν συγκεκριμένα χαρακτηριστικά ενός δακτυλικού αποτυπώματος, όπως τα μοτίβα της κορυφογραμμής στο δάχτυλο, οι κοιλάδες ανάμεσα στις κορυφογραμμές κ.λπ., τα οποία στη συνέχεια μετατρέπονται σε ψηφιακά δεδομένα. Για να μπορέσουν τα συστήματα Τεχνητής Νοημοσύνης να προβούν σε αντιστοίχιση δακτυλικών αποτυπωμάτων για επαλήθευση ή εξουσιοδότηση θα πρέπει να βρουν επαρκή αριθμό λεπτομερειών. Αυτός ο αριθμός ποικίλλει μεταξύ των συστημάτων.

Αναγνώριση ίριδας (Iris recognition)

Η σάρωση της ίριδας του ματιού καταγράφει τα μοναδικά μοτίβα στις ίριδες και τους χρωματιστούς κύκλους στα μάτια των ανθρώπων. Οι βιομετρικοί σαρωτές αναγνώρισης ίριδας λειτουργούν φωτίζοντας την ίριδα με αόρατο υπέρυθρο φως για να συλλέγουν τα μοτίβα που δεν είναι ορατά με γυμνό μάτι. Οι σαρωτές ίριδας ανιχνεύουν και αποκλείουν τις βλεφαρίδες, τα βλέφαρα και τις κατοπτρικές αντανακλάσεις που τυπικά μπλοκάρουν τμήματα της ίριδας.

Στη συνέχεια, αναλύεται το μοτίβο των γραμμών και των χρωμάτων του ματιού για να εξαχθεί ένα μοτίβο που κωδικοποιεί τις πληροφορίες. Αυτό το μοτίβο ψηφιοποιείται και συγκρίνεται με αποθηκευμένα πρότυπα σε μια βάση δεδομένων για επαλήθευση ή αναγνώριση του εκάστοτε ατόμου.

Συμπεριφορικά βιομετρικά χαρακτηριστικά (Behavioral biometrics)

Τα συμπεριφορικά βιομετρικά χαρακτηριστικά χρησιμοποιούνται ως μηχανισμός αναγνώρισης: προσδιορίζουν τους ανθρώπους ανάλογα με τον τρόπο που αλληλεπιδρούν με διαδικτυακές εφαρμογές και συσκευές. Λειτουργούν παθητικά στο παρασκήνιο, καθιστώντας αδύνατο να παραβιαστεί ένας λογαριασμός, σε αντίθεση με τους κωδικούς πρόσβασης. Αξίζει να αναφέρουμε ότι οι τεχνολογίες που βασίζονται σε συμπεριφορικά βιομετρικά χαρακτηριστικά μπορούν να λάβουν περισσότερες από 2.000 παραμέτρους μόνο από μια κινητή συσκευή.

Παρακάτω ακολουθούν κάποιες από τις πιο εξελιγμένες μορφές συμπεριφορικών βιομετρικών χαρακτηριστικών που χρησιμοποιεί η Τεχνητή Νοημοσύνη σε πληθώρα εγκληματολογικών, και όχι μόνο, εφαρμογών της.

Η πίεση που χρησιμοποιεί κάποιος όταν πληκτρολογεί.
Ο τρόπος που ένα άτομο κρατά το τηλέφωνο.
H ταχύτητα που κάποιος χρησιμοποιεί το ποντίκι του υπολογιστή σε συνδυασμό με τα μοτίβα των κινήσεων που πραγματοποιεί.
Πώς ανταποκρίνεται ένα άτομο σε διαφορετικά ερεθίσματα που έχουν παρουσιαστεί από διαδικτυακές εφαρμογές.
Η χρήση συμπεριφορικών βιομετρικών χαρακτηριστικών έχει επεκταθεί στον έλεγχο ταυτότητας προκειμένου να παρουσιαστεί ένα ενιαίο πλαίσιο για την αξιολόγηση της εγκυρότητας για την είσοδο σε διαδικτυακές εφαρμογές υπό το φως των ακραίων παραβιάσεων προσωπικών δεδομένων, καθώς και για την ενεργοποίηση του ελέγχου ταυτότητας σε εφαρμογές πληρωμών.

Για παράδειγμα, κατά τη διάρκεια μιας τραπεζικής μεταφοράς, αλγόριθμοι Τεχνητής Νοημοσύνης μπορούν να αναλύσουν τα πλήκτρα εξετάζοντας την ταχύτητα, καθώς και ποια δάχτυλα χρησιμοποιούνται για πληκτρολόγηση, και μέσα σε λίγα λεπτά, μπορούν να δημιουργήσουν ένα προφίλ αρκετά ισχυρό για να επικυρώσει έναν χρήστη.

Πηγή: https://www.csii.gr/cyber-security-month-i-techniti-noimosyni-stin-ypiresia-tis-egklimatologias/

Μια από τις γρηγορότερα αναπτυσσόμενες μορφές εγκλήματος, παγκοσμίως, είναι πλέον το ψηφιακό έγκλημα. Μόνο το 2020 το κόστος του κυβερνοεγκλήματος στην παγκόσμια οικονομία υπολογίζεται ότι διαμορφώθηκε σε €5,5 τρισ. Μάλιστα, μέσα σε μία πενταετία (μεταξύ 2015 και 2020), το ετήσιο κόστος των κυβερνοεπιθέσεων διπλασιάστηκεΜια από τις γρηγορότερα αναπτυσσόμενες μορφές εγκλήματος, παγκοσμίως, είναι πλέον το ψηφιακό έγκλημα. Μόνο το 2020 το κόστος του κυβερνοεγκλήματος στην παγκόσμια οικονομία υπολογίζεται ότι διαμορφώθηκε σε €5,5 τρισ. Μάλιστα, μέσα σε μία πενταετία (μεταξύ 2015 και 2020), το ετήσιο κόστος των κυβερνοεπιθέσεων διπλασιάστηκε.

Η ζημιά, που προκαλείται από τις κυβερνοεπιθέσεις, δεν αφορά μόνο την οικονομία και το χρηματοπιστωτικό σύστημα, αλλά επηρεάζει τα δημοκρατικά θεμέλια και απειλεί τις βασικές λειτουργίες της κοινωνίας. Και αυτό γιατί σήμερα βασικές υπηρεσίες και τομείς ζωτικής σημασίας, όπως οι μεταφορές και η υγεία, εξαρτώνται όλο και περισσότερο από την ψηφιακή τεχνολογία.

“Η εξάρτηση αυτή, σε συνδυασμό με την ολοένα και αυξανόμενη διασύνδεση των υλικών αντικειμένων με το Internet of Things, μπορεί να έχει άμεσες συνέπειες, καθιστώντας την κυβερνοασφάλεια ζήτημα ζωής και θανάτου. Από κλεμμένα δεδομένα έως μπλοκαρισμένα συστήματα νοσοκομείων, οι κυβερνοεπιθέσεις έχουν επικίνδυνες συνέπειες”, αναφέρει χαρακτηριστικά το Ευρωπαϊκό Κοινοβούλιο σε κείμενο θέσεων του για την κυβερνοασφάλεια.

Ο κυβερνοχώρος από τη φύση του βασίζεται στη διασύνδεση των κοινοτήτων κάθε μορφής και καθώς ο ψηφιακός και φυσικός κόσμος είναι όλο και πιο αλληλένδετοι, προκύπτουν νέοι κίνδυνοι. Η αύξηση της συνδεσιμότητας συνηγορεί υπέρ της διόγκωσης αυτών των κινδύνων: περισσότερες από 125 δισεκατομμύρια συσκευές θα έχουν συνδεθεί στο Διαδίκτυο μέχρι το 2030, από 27 δισεκατομμύρια το 2021. Έως τότε, το 90% των ανθρώπων άνω των 6 ετών εκτιμάται ότι θα έχει διαδικτυακή παρουσία.

Ο ρόλος της πανδημίας

Κομβικό ρόλο στη γιγάντωση του κυβερνοεγκλήματος έπαιξε πανδημία, καθώς επιτάχυνε τον ψηφιακό μετασχηματισμό της οικονομίας και της κοινωνίας. Πλέον, όλο και περισσότερος κόσμος χρησιμοποιεί ψηφιακά εργαλεία στην καθημερινότητά του.

Η τηλεργασία, οι online αγορές και η επικοινωνία μέσω Διαδικτύου αύξησαν τη ζήτηση τους κατακόρυφα κατά την περίοδο του εγκλεισμού. “Οι ψηφιακές αυτές λύσεις μπορούν να είναι ωφέλιμες για τους καταναλωτές και να συμβάλουν στην ανάκαμψη της οικονομίας από τον νέο κορωνοϊό. Στον αντίποδα βρίσκεται, ωστόσο, η αύξηση των κακόβουλων διαδικτυακών δραστηριοτήτων”, υπογραμμίζει το Ευρωπαϊκό Κοινοβούλιο.

Παράδειγμα αποτελούν οι κυβερνοεπιθέσεις έναντι νοσοκομείων, τα οποία αναγκάστηκαν να αναβάλουν επείγουσες χειρουργικές επεμβάσεις ή οι επιθέσεις έναντι δικτύων παροχής ενέργειας και νερού, που απειλούν τη λειτουργία υπηρεσιών ζωτικής σημασίας για την κοινωνία.

Επιπλέον, καθώς πολλές λειτουργίες των αυτοκινήτων και των σπιτιών συνδέονται ολοένα και περισσότερο στο Διαδίκτυο, καθίστανται και αυτά με τη σειρά τους αντικείμενο απειλών και εκμετάλλευσης, που μπορούν να πάρουν απρόβλεπτες μορφές.

Η στρατηγική της ΕΕ.

Σήμερα, επιχειρήσεις και οργανισμοί στην ΕΕ. επενδύουν 41% λιγότερο στην κυβερνοασφάλεια από ό,τι οι ΗΠΑ. Ο Δείκτης Ψηφιακής Οικονομίας και Κοινωνίας (DESI) του 2019 έδειξε ότι η ανησυχία για ζητήματα ασφαλείας περιόρισε ή εμπόδισε το 50% των χρηστών του διαδικτύου της ΕΕ. από το να συμμετέχουν σε διαδικτυακές δραστηριότητες.

Ο δείκτης DESI για το 2020 έδειξε ότι το 39% των ευρωπαίων πολιτών, που χρησιμοποίησε το Διαδίκτυο, ήρθε αντιμέτωπο με προβλήματα ασφαλείας.

Πηγή: http://www.sepe.gr/gr/research-studies/article/18896941/sta-55-tris-to-etisio-kostos-tou-kuvernoeglimatos/

Με την εξέλιξη της τεχνολογίας, διαδικτυακοί εγκληματίες που θέλησαν να προκαλέσουν ζημιά σε πληροφοριακά συστήματα με σκοπό να βλάψουν χρήστες του διαδικτύου αλλά και ολόκληρες εταιρίες, δημιούργησαν κακόβουλα λογισμικά. Μάλιστα, με την πάροδο του χρόνου έχουν υπάρξει πολλά καταστροφικά λογισμικά που προκάλεσαν ανεπανόρθωτη ζημιά. Με την εξέλιξη της τεχνολογίας, διαδικτυακοί εγκληματίες που θέλησαν να προκαλέσουν ζημιά σε πληροφοριακά συστήματα με σκοπό να βλάψουν χρήστες του διαδικτύου αλλά και ολόκληρες εταιρίες, δημιούργησαν κακόβουλα λογισμικά. Μάλιστα, με την πάροδο του χρόνου έχουν υπάρξει πολλά καταστροφικά λογισμικά που προκάλεσαν ανεπανόρθωτη ζημιά. Πέντε από αυτά είναι:

Melissa virus (1999)

Πρόκειται για έναν ιό που υπήρχε σε έγγραφο Word και στελνόταν αυτόματα μέσω ηλεκτρονικού ταχυδρομείου, το οποίο έγραφε ‘Important Message from (someone’s name)’. Οι ειδικοί αναφέρουν πως ήταν από τους πρώτους ιούς που χρησιμοποίησαν την μέθοδο της κοινωνικής μηχανικής και προκάλεσε ζημιές 80 εκατομμυρίων δολαρίων.

ILOVEYOU worm (2000)

Το ηλεκτρονικό σκουλήκι ILOVEYOU μέσα σε 2 μέρες προκάλεσε ζημιά σε 45 εκατομμύρια υπολογιστές. Οι χρήστες λάμβαναν ένα ‘ερωτικό γράμμα’ στο ηλεκτρονικό ταχυδρομείο και όταν το άνοιγαν, αυτόματα προωθούταν σε άλλα 50 άτομα στις επαφές τους.

Stuxnet worm (2010)

Το Stuxnet ανακαλύφθηκε το 2010 με πολιτικό σκοπό για να επιτεθεί στο πυρηνικό πρόγραμμα του Ιράν. Μόλις εγκατασταθεί, το Stuxnet έχει τον έλεγχο ολόκληρου του συστήματος του υπολογιστή σας. Πλέον, θεωρείται σχεδόν βέβαιο ότι το σκουλήκι είναι ένα ηλεκτρονικό όπλο που κατασκευάστηκε από τις ΗΠΑ και το Ισραήλ.

WannaCry ransomware (2017)

Το 2017 έγινε μια οργανωμένη επίθεση με την μορφή ransomware, η οποία προκάλεσε 4 δισεκατομμυρίων δολαρίων. Ο συγκεκριμένος ιός παίρνει τον έλεγχο του υπολογιστή, απαιτεί την καταβολή κάποιου ποσού σε Bitcoin και διαδίδεται κυρίως μέσω scam email.

CovidLock ransomware (2020)

Κατά τη διάρκεια της πανδημίας, μια νέα μορφή ransomware δημιουργήθηκε, η οποία εκμεταλλευόταν την κατάσταση, μόλυνε το κινητό (Android) αφού ο χρήστης κατέβαζε τα αρχεία στα οποία υπήρχαν πληροφορίες σχετικά με τον κορονοϊό. Έτσι, ο χρήστης έχανε την πρόσβαση στην συσκευή του και έπρεπε να καταβάλει το ποσό των 100 δολαρίων για να μπορέσει να έχει πάλι τον έλεγχο.

Πηγή: https://www.csii.gr/cyber-security-month-pente-paradeigmata-kakovoylon-logismikon-poy-sygklonisan-ton-kosmo/