IA na Cibersegurança: ajuda ou ameaça?

Mais do que uma simples área da computação, a Inteligência Artificial abrange todo um campo científico voltado ao estudo, desenvolvimento e aplicação de sistemas e máquinas capazes de executar atividades de forma autônoma.

As tecnologias de Inteligência Artificial são usadas em várias áreas, como desenvolvimento, processamento de linguagem, machine vision, reconhecimento de fala, desenvolvimento e aprimoramento de algoritmos, bots, soluções de cibersegurança e muitas outras coisas.

Um dos principais elementos da IA é oferecer às máquinas e sistemas a capacidade de aprender por conta própria (o machine learning, ou ‘’aprendizado da máquina’’). Este aprimoramento e maior nível de autonomia em relação à intervenção humana só é possível graças aos recursos de deep learning.

Ao invés de exigir inserções, edições e ações humanas para aprimorar os sistemas, programas, redes, algoritmos e outros recursos, as tecnologias de IA permitem um desenvolvimento sem a necessidade da intervenção das pessoas – e não só isso, elas também são capazes de aprender com as interações que têm com os usuários.

Isto permite uma tomada de decisões mais dinâmica, mais adaptada e mais capaz de reagir aos usuários, oferecendo soluções, produtos e serviços mais dinâmicos e fluídos.

Sistemas de delivery, chatbots, gestão de websites, redes sociais, plataformas de streaming, serviços de gestão de pessoas e materiais e muitas outras áreas são alguns dos campos que já usam ferramentas de IA.

As tecnologias de Inteligência Artificial se desenvolvem em um ritmo acelerado e são cada vez menos restritas a um pequeno grupo de especialistas: agora, elas são parte da vida de uma quantidade imensa de pessoas – e só estamos arranhando a superfície das possibilidades que podem ser alcançadas através delas.

Como nós dissemos, o termo Inteligência Artificial é bastante amplo e engloba uma série de áreas de conhecimento e de ramos da tecnologia computacional.

Apesar de ser um conceito ainda muito estranho para uma grande parte das pessoas, bilhões de pessoas já lidam direta ou indiretamente com recursos de IA, como bots usados em serviços de atendimento ao consumidor ou dispositivos como Alexa e Siri, por exemplo – além dos algoritmos das redes sociais.

Nós podemos dividir a Inteligência Artificial em algumas categorias ou áreas principais, com seus respectivos exemplos de uso prático:

Machine learning

A expressão machine learning serve para designar a habilidade dos computadores de identificar padrões de dados e, além disso, usar estes padrões percebidos para realizar tarefas e dar soluções a diversos problemas.

Estes sistemas aprendem com algoritmos, o que permite o desenvolvimento da capacidade de realizar previsões e tomar decisões que não foram originalmente programadas.

Graças à habilidade de processar grandes quantidades de dados de forma extremamente rápida, os sistemas de cibersegurança integrados a recursos de machine learning podem prever ataques com mais precisão, o que garante uma ação muito mais preventiva do que a remediação de danos.

Expert Systems

Os Expert Systems são programas que emulam processos de tomadas de decisão (típicos do intelecto humano) para solucionar diferentes problemas. Eles são projetados para resolver problemas complexos através do questionamento através de grupos e áreas distintas de conhecimento.

Um expert system geralmente é composto de dois subsistemas: a engine (ou motor) de inferência e uma knowledge base – no português, base de conhecimento (ou banco de dados).

O motor de inferência (que dá à máquina o poder de inferir, ou seja, fazer deduções e conclusões) usa as regras e fatos presentes na base de conhecimento para deduzir novos fatos, adicionando mais informações à base de conhecimento em um processo de aprimoramento constante.

Quanto mais dados são adicionados à base de conhecimento, maior é a capacidade de inferência e de tomada de decisões por parte do expert system.

Redes neurais artificiais

As redes neurais artificiais (artificial neural networks) são redes que usam paradigmas que permitem ao computador aprender através de dados observacionais.

Como o nome indica, estas redes consistem em ‘’neurônios’’ artificiais que conseguem se ajustar de acordo com o aprendizado, tudo de um modo criado para emular os processos biológicos de aprendizado do cérebro humano.

Então, as redes neurais artificiais são usadas por sistemas de identificação, de química quântica, reconhecimento facial e de imagem, reconhecimento de sequências, mineração de dados e outras utilidades.

Deep learning

O deep learning (ou ‘’aprendizado profundo’’) é um subconjunto de machine learning baseado nas redes neurais artificiais e a representação de aprendizagem. Ele usa múltiplas camadas para extrair, de modo progressivo, elementos obtidos através de informações que são inseridas em um banco de dados.

Então, o deep learning pode identificar diferenças específicas e diferentes aspectos dos dados (como, por exemplo, permitir sistemas de reconhecimento de imagem bastante precisos).

A Inteligência Artificial também pode ser segmentada em diferentes tipos, modalidades ou áreas, o que ajuda a entender ainda mais as potencialidades oferecidas pela IA.

Inteligência Artificial Assistida

A Inteligência Artificial Assistida é o nível mais básico de IA. O objetivo primário deste tipo de IA, é automatizar processos e ajudar na tomada de decisões usando big data (grandes quantidades de dados), cloud (nuvem) e ciência de dados.

Ela não é autossuficiente porque exige intervenções humanas constantes fornecidas por desenvolvedores e usuários. Ela apenas aprimora processos que já estão em execução. Ela possibilita que as pessoas tenham maior produtividade e eficiência na execução de tarefas.

Exemplos práticos deste tipo de IA são os sistemas de navegação como o Waze, que usa inteligência assistida para acelerar os processos para encontrar rotas e calcular distâncias.

Nós podemos usar serviços de navegação que não usam estes recursos de IA, mas estes processos levariam muito mais tempo para serem executados e exigiria muito mais esforço.

Inteligência Artificial Aumentada

A Inteligência Artificial Aumentada dá às pessoas a capacidade de fazer coisas que elas praticamente não poderiam fazer por outros meios. Ela funciona como uma colaboração entre máquinas e humanos.

As plataformas de inteligência artificial aumentada podem processar toneladas de dados complexos para dar aos especialistas informações de múltiplos ângulos e perspectivas sobre determinado tema. Elas usam machine learning e análises preditivas, mas estes recursos aprimoram a inteligência humana sem substituí-la.

Por exemplo: a inteligência artificial aumentada pode ser usada na medicina para reduzir as possibilidades de erro humano; ou nos serviços financeiros, para calcular as necessidades dos consumidores e os riscos de mercado. Ela é um nível intermediário da IA.

Inteligência Artificial Autônoma

A Inteligência Artificial Autônoma é o nível mais elevado da IA. Ela pode operar sem a necessidade da ação humana. Este tipo de inteligência artificial não é mais uma coisa dos filmes de fantasia de ficção científica, eles já são uma realidade.

Muitas pessoas, empresas, organizações, grupos e governos não confiam completamente neste tipo de IA e ainda não o implementam em suas infraestruturas.

A inteligência autônoma geralmente é usada para estudos, pesquisas e consultas de especialistas, o que serve para testar elementos de IA e tomar decisões sobre seus potenciais e seus usos. Há vários questionamentos conceituais, filosóficos e éticos em torno do uso deste nível de IA.

A IA também é desdobrada em três categorizações técnicas principais:

• NAI: A NAI (Narrow Artificial Intelligence, ou ‘’inteligência artificial estreita’’) é a categoria mais abrangente, que compreende todos os conceitos de IA existentes, das formas mais simples até as mais complexas. Em um sentido mais estrito, ela designa sistemas de inteligência artificial usados para executar ações específicas de modo autônomo.
• AGI: A AGI (Artificial General Intelligence, ou ‘’inteligência artificial geral’’) serve para designar a capacidade de aprendizado, compreensão, inferência, dedução, percepção e aprimoramento de uma IA. De forma simplificada, ela engloba a automatização da IA e a capacidade de execução de tarefas de forma independente da ação humana.
• SAI: A SAI (Super Artificial Intelligence, ou ‘’super inteligência artificial’’), também conhecida como AS (Artificial Superintelligence) é a sigla usada para aquele que é considerado o nível mais avançado de IA. Ela não só conseguiria reproduzir a capacidade intelectual múltipla dos humanos, como também teria a habilidade de executar todas as suas ações de forma muito superior, tudo graças a capacidade de memória incomparavelmente maior, sem falar no poder de processamento e na velocidade de análises. Este é o ponto da IA que gera mais discussões, principalmente em termos éticos e filosóficos.

A NAI, a AGI e a SAI podem ser consideradas como ‘’etapas’’ do desenvolvimento da IA. No atual momento, podemos considerar que estamos na transição entre o primeiro e o segundo estágio, enquanto o terceiro nível (a Super Artificial Intelligence) ainda continua como uma incógnita – mas também cada vez mais palpável.

A inteligência artificial tem múltiplos propósitos e os potenciais de uso são praticamente impossíveis de serem medidos. Ao invés de dar uma resposta única para esta pergunta, nós podemos segmentar os diferentes objetivos das tecnologias de Inteligência Artificial.

Aprimoramento da computação

A IA tem como objetivo e consequência a melhoria da computação como um todo. As tecnologias de IA permitem um melhor uso dos recursos de hardware e software, o desenvolvimento de programas mais dinâmicos, sistemas operacionais mais fluidos e seguros, menor tempo no processamento de dados e na execução de tarefas e uma série de elementos. A inteligência artificial também permite o avanço de tecnologias de armazenamento em nuvem, tornando-as mais funcionais e dinamizadas, o que permite um avanço ainda maior das próprias tecnologias de IA.

E, como um todo, as tecnologias de IA permitem um avanço rápido na área computacional e na tecnologia em si, favorecendo.

Otimização de processos

O desenvolvimento da IA permite a otimização de processos para empresas, principalmente através da automação de processos, na melhor gestão de recursos e de pessoas e na prevenção de erros.

Desta forma, a IA melhora o uso do tempo e dos recursos, gerando resultados melhores, mais eficientes e satisfatórios e evitando falhas que podem custar não só dinheiro, mas também vidas. Elas servem para melhorar os processos de produção e distribuição, além de várias outras facetas das inúmeras atividades comerciais essenciais à manutenção da nossa vida.

Tecnologias criativas

Outro ponto importante das ferramentas de IA é o desenvolvimento de tecnologias criativas, ou seja, de tecnologias capazes de gerar transformações e soluções novas. Neste sentido, a IA é essencial para a inovação tecnológica e computacional.

A interação com os usuários e os recursos de machine learning são alguns dos pontos da IA que permitem ampliar os horizontes e as possibilidades criativas para a tecnologia. Isto significa soluções mais eficientes para problemas e paradigmas que exigem respostas fora do convencional.

Sem se prender a linhas de código e delimitações, a IA se torna capaz de buscar por si mesma o aprimoramento e a evolução.

Melhoria das tomadas de decisão

Através de processos complexos e rápidos de análise de padrões e quantidades imensas de dados, as tecnologias de IA permitem tomadas de decisão mais seguras e com maiores chances de acerto.

Isto favorece a gestão mais eficiente e rápida – algo cada vez mais essencial em um mundo com conflitos, demandas e problemas que exigem soluções mais seguras e urgentes.

A IA não é um mal absoluto – nem um bem absoluto. Ela possui pontos positivos e negativos que devem ser levados em consideração quando falamos sobre o tema.

Prós

Entre os principais benefícios das tecnologias de IA, podemos citar:

• 

  Melhoria de processos: a IA ajuda a otimizar processos, evitar perdas, danos e erros e garantir uma melhor entrega de produtos, serviços e soluções em geral.
• 

  Diminuição de custos: a automação possibilitada pela IA diminui custos operacionais, contribuindo para a saúde financeira das empresas.
• 

  Soluções mais inteligentes: a IA ajuda a oferecer soluções mais dinâmicas, inteligentes e rápidas – algo essencial em um mundo com demandas cada vez mais urgentes.
• 

  Atendimento aprimorado para as pessoas: a IA permite oferecer serviços de suporte e atendimento mais rápidos, auxiliando no atendimento das demandas de cidadãos e consumidores em suas mais diferentes demandas e necessidades.
• 

  Redução de erros e de riscos: as soluções de IA permitem reduzir significativamente as possibilidades de erros humanos, o que significa mais segurança em diversos níveis e sentidos.

Contras

Em relação aos pontos negativos, há alguns elementos que merecem mais destaque e que são importantes para debater a IA enquanto conceito e tecnologia:

• 

  Fases experimentais: muitos recursos de IA ainda estão em estágio de experimentação, o que significa que a efetividade e a segurança destas tecnologias ainda não pode ser totalmente garantida.
• 

  Problemas de privacidade: a IA também apresenta riscos à privacidade das pessoas, já que possibilita uma capacidade imensa de armazenar e processar dados. Isto é bastante perceptível nas redes sociais, por exemplo.
• 

  Condicionamento por algoritmos: outro grande risco da IA é o poder de utilização dos algoritmos para propósitos maliciosos, como condicionamento (ou influência) de comportamento em massa, disseminação de desinformação e direcionamento de dados que podem comprometer a legitimidade e a integridade de processos políticos e eleitorais, por exemplo. Grandes corporações e governos podem usar a IA com estes objetivos.
• 

  Riscos de aumento de desemprego: com o aumento da automação, o desenvolvimento da IA pode gerar uma onda de desemprego e causar novas crises econômicas.

As tecnologias de IA também possuem uma ampla capacidade de possibilidades de utilização na área da segurança cibernética.

Entre as principais vantagens que os recursos de IA podem oferecer para as soluções de defesa digital, nós podemos listar alguns elementos bem interessantes e com ótimo potencial de utilização:

• A IA pode identificar padrões de comportamento dos usuários através de recursos de machine learning. Se ela perceber algo incomum, ela pode suspeitar que alguém esteja usando o dispositivo de maneira indevida e, assim, ativar mecanismos de defesa (só que isto também pode ser usado como método de rastreamento, o que pode comprometer a privacidade dos usuários).
• As capacidades de machine learning e de grandes bancos de dados ajudam a identificar ameaças e vulnerabilidades com mais eficiência. A AI pode monitorar padrões de tráfego web, por exemplo, e usá-los para alertar usuários caso alguma coisa suspeita seja identificada. O machine learning também pode ajudar a acumular dados extensivos para garantir identificações mais precisas dos padrões.
• A AI ultrapassa qualquer capacidade humana de monitoramento, tanto em termos de quantidade quanto de qualidade. Ela elimina o fator de erro humano, funciona sem interrupções e pode processar quantidades massivas de dados em períodos curtos de tempo. Isto permite que os profissionais de segurança em TI concentrem esforços e tempo em outras atividades, otimizando as atividades, o que promove a melhoria dos mecanismos de cibersegurança e a infraestrutura de TI como um todo.
• A AI pode eliminar a necessidade de uso de senhas e os perigos associados a elas. As ferramentas de identificação biométrica usam IA para identificar os proprietários legítimos das contas, tudo através de reconhecimento facial, reconhecimento de digitais ou outras técnicas do tipo. Elas podem memorizar os mínimos detalhes do seu rosto, garantindo reconhecimentos mais seguros, o que diminui significativamente os riscos de invasão de contas, dispositivos, sistemas, redes e outros recursos.
• A AI pode ajudar a manter um registro detalhado dos seus dispositivos, aplicativos e usuários com diferentes níveis de acesso, garantindo maior proteção contra scammers (golpistas).
• A IA garante melhor segurança de endpoint, sendo extremamente benéfica para proteger dispositivos. A atividade IA não é baseada em assinatura, o que faz com que ela seja mais útil para descobrir novos tipos de malware ou outros processos e ações suspeitos e prejudiciais. Isto permite mais dinamismo e adaptabilidade aos sistemas de cibersegurança.

Apesar dos potenciais extremamente benéficos, a IA também enfrenta alguns desafios quando pensamos na utilização dela na cibersegurança:

• Ironicamente, a IA também pode ser usada por hackers para propósitos maliciosos, para iniciar ataques em larga escala ainda mais sofisticados e perigosos. A IA também ajuda a identificar e usar vulnerabilidades de forma mais rápida e eficiente.
• Os sistemas de reconhecimento biométrico e facial gerenciados por IA também podem representar uma ameaça. Técnicas avançadas de escaneamento podem fornecer detalhes da sua aparência para terceiros, por exemplo. Estes dados podem ser usados para monitoramento, espionagem, rastreamento e outras quebras da sua privacidade. Países com governos autoritários podem usar essas técnicas para monitorar críticos e opositores políticos, por exemplo.
• O custo de contratação de especialistas em implementação de soluções de IA é bastante alto. Além disso, algumas destas tecnologias ainda estão em fase experimental. Então, confiar nelas é bastante arriscado.
• A IA possibilita mais rapidez no processo de coleta e análise de dados, tudo em um nível jamais visto na história humana. Isto faz com que governos, corporações, grupos e pessoas consigam acessar muito mais informações sobre nós, o que pode aumentar os problemas de cibersegurança ao invés de diminuí-los.
• Desenvolvedores de vírus também podem usar IA. Estes vírus feitos com recursos de IA têm muito mais potencial de dano do que os vírus convencionais porque podem conseguir identificar software antivírus, atacar estes programas e burlar a segurança oferecida por eles.
• A IA também pode ser usada em ataques de engenharia social. Golpistas e criminosos podem usar recursos de IA para imitar a linguagem humana ou produzir imagens e vídeos falsos (como os vídeos de deepfake – que também podem ser usados para a prática de cyberbullying), o que permite enganar pessoas e fazer com que elas enviem dados sigilosos, baixem malware, cliquem em links infectados, entrem em websites usados para ataques de phishing e muitas outras coisas extremamente prejudiciais.

A Inteligência Artificial ainda precisa passar por uma série de aprimoramentos e é impossível dizer como ela vai se desenvolver no futuro. Na atualidade, nós podemos afirmar sem sombra de dúvidas que a IA permitiu um avanço incomparável em termos de armazenamento, processamento e análise de dados.

Há um leque bastante amplo de áreas e campos nos quais a IA pode ser implementada: processos produtivos, atendimento ao consumidor, gerenciamento de recursos, desenvolvimento de algoritmos, possibilidades de entretenimento, gestão e administração são só alguns dos campos nos quais os recursos de inteligência artificial podem ser usados.

Na segurança cibernética, a IA também permanece uma incógnita: apesar de apresentar potenciais interessantes nos mecanismos de defesa, ela também oferece possibilidades de potencialização de danos, estratégias de ataque e desenvolvimento de malware com recursos usados em IA.

É interessante questionar os usos da IA por uma ótima, mais racional e objetiva, embora seja tentador imaginar um futuro como aquele descrito em Matrix. Os desdobramentos positivos e negativos do desenvolvimento da inteligência artificial dependem mais das decisões políticas e econômicas e dos objetivos que os tomadores de decisões têm em mente do que da própria IA em si.

Afinal, ela continua sendo uma criação humana.