Deep Learning Sorgt Künstliche Intelligenz für mehr oder weniger Cybersicherheit?

Antivirenlösungen müssen es täglich mit 394.000 neuen Malware-Varianten aufnehmen. Das macht einen 100-prozentigen Schutz schwer vorstellbar. Mithilfe von maschinellem Lernen lässt sich die Cyberabwehr besser wappnen. Doch auch die Gegenseite nutzt Künstliche Intelligenz.

Traditionelle Cybersecurity-Maßnahmen haben eine stark reaktive Vorgehensweise: Neue Malware-Muster werden erst dann in die Signatur-Datenbank der Antivirenlösung aufgenommen, wenn sie identifiziert werden konnten. Im besten Fall befallen sie hauptsächlich Honeypots; in vielen Fällen aber auch IT-Netzwerke, die dagegen noch wehrlos sind. Anti-Malwarelösungen nutzen die Heuristik, um Malware aufgrund ihres Verhaltens zu erkennen. Heuristik, also die Kunst aus unvollständigen Informationen das wahrscheinlichste Ergebnis abzuleiten, ist eine Form der Künstlichen Intelligenz (kurz: KI) oder von Machine Learning.

Auch traditionelle Spamfilter arbeiten rein reaktiv. Sie addieren das Scoring von Schlüsselwörtern im Content von E-Mails und klassifizieren eine Mail ab einem gewissen Schwellenwert als Spam. Wird Machine Learning bei Spamfiltern eingesetzt, werden neben Keywords beispielsweise auch ähnliche Keyword-Schreibweisen, zu viele Sonderzeichen und Großbuchstaben in einer Mail, versteckte HTML-Texte und auf Command and Control Server verweisende Unsubscribe-Links erkannt. Machine Learning sorgt dafür, dass die Filter trainiert werden und lernen. Arbeitet der E-Mail Empfänger beispielsweise in einer Bank, werden Keywords wie Kredit oder das €-Zeichen folgenlos akzeptiert. Künstliche Intelligenz in Spamfiltern erreicht Erkennungsraten von über 99 Prozent.