Uw IP: Onbekend · Je status: BeschermdOnbeschermdOnbekend

Kunstmatige intelligentie in cybersecurity: voordelen en nadelen

Cybercriminelen gaan steeds slimmer en geraffineerder te werk, waardoor cybersecurity voor veel gebruikers en bedrijven als een verloren strijd aanvoelt. Maar kunstmatige intelligentie biedt uitkomst! Deze techniek maakt gebruik van slimme algoritmen om de beveiliging van systemen te versterken. In dit artikel leggen we uit wat kunstmatige intelligentie precies is en hoe het je tegen cyberdreigingen kan beveiligen.

Ugnė Zieniūtė

Ugnė Zieniūtė

Kunstmatige intelligentie in cybersecurity: voordelen en nadelen

Wat is kunstmatige intelligentie?

Kunstmatige of artificiële intelligentie (AI) is de wetenschap die zich bezighoudt met het creëren van systemen die menselijke cognitieve functies nabootsen. Deze systemen kunnen zichzelf trainen en verbeteren. Ze bootsen menselijke intelligentie na om taken uit te voeren zoals redeneren, leren, plannen en meer. Dat is de betekenis van kunstmatige intelligentie in een nutshell. Dit type intelligentie kan op veel gebieden worden toegepast, van robotica en economie tot cyberbeveiliging.

Subvelden van kunstmatige intelligentie

Hoe werkt kunstmatige intelligentie? Kunstmatige intelligentie kan in verschillende subvelden onderverdeeld worden, die allemaal op een andere manier werken. Dit zijn de belangrijkste:

Machine learning

Machine learning of machinaal leren is het vermogen van een computer om patronen in gegevens te herkennen en die patronen te gebruiken om taken uit te voeren en problemen op te lossen. Een machinaal leersysteem leert van zijn algoritmen en ontwikkelt het vermogen om voorspellingen te doen of beslissingen te nemen die niet zijn geprogrammeerd.

Dankzij de mogelijkheid om grote hoeveelheden gegevens snel te verwerken, kunnen cybersecuritysystemen die gebruikmaken van machinaal leren helpen om aanvallen nauwkeuriger te voorspellen en te voorkomen.

Expertsystemen

Expertsystemen zijn programma's die specifieke kennis van menselijke deskundigen representeren om een bepaald probleem op te lossen. Een expertsysteem bestaat gewoonlijk uit twee subsystemen – een knowledge base, waar alle kennis wordt opgeslagen, en een interference engine, die deze kennis gebruikt om taken uit te voeren en oplossingen te vinden.

Kunstmatige neurale netwerken

Kunstmatige neurale netwerken maken gebruik van paradigma's waardoor een computer kan leren van waargenomen gegevens. Een paradigma is een systeem van modellen en theorieën waarin de werkelijkheid beschreven wordt – het bootst de biologische processen van het menselijk brein na. Neurale netwerken bestaan uit kunstmatige neuronen die signalen uitzenden. De neuronen hebben parameters (‘gewichten’ genoemd) die worden aangepast naarmate het leren vordert. De parameters bevatten informatie (‘input’) die een signaal kunnen versterken of verzwakken.

Kunstmatige neurale netwerken worden gebruikt voor systeemidentificatie, kwantumchemie, gezichts- en beeldherkenning, sequentieherkenning, datamining en meer.

Deep learning

Deep learning of diep leren is een subveld van machine learning op basis van kunstmatige neurale netwerken. Het stelt systemen in staat nieuwe dingen te leren van grote hoeveelheden data. Deep learning wordt toegepast in verschillende domeinen zoals spraakherkenning, beeldherkenning en machinevertalingen.

Drie soorten kunstmatige intelligentie

Kunstmatige intelligentie kan in drie soorten (of drie stadia van ontwikkeling) worden onderscheiden:

Assisted intelligence

Assisted Intelligence is het meest basale niveau van kunstmatige intelligentie. Het primaire doel ervan is processen te automatiseren en te helpen bij de besluitvorming door gebruik te maken van de kracht van grote hoeveelheden data en analyserend vermogen.

Assisted Intelligence is niet zelfvoorzienend, omdat het ook mensenlijke input vereist. Wel stelt het mensen in staat productiever en efficiënter te zijn.

Navigatiesystemen zoals Waze maken bijvoorbeeld gebruik van crowdsourced data en cognitief leren om de beste route te vinden op basis van de huidige omstandigheden en individuele rijvoorkeuren.

Augmented intelligence

Het volgende stadium is Augmented intelligence, waarin machinaal leren aan bestaande systemen wordt toegevoegd. Je kunt het zien als een samenwerkingsverband tussen machines en mensen. Augmented intelligence-systemen kunnen grote hoeveelheden complexe gegevens verwerken om deskundigen van veelzijdige informatie en een uitgebreide probleemanalyse te voorzien. Het maakt gebruik van machine learning en voorspellende analyses – niet om menselijke intelligentie te vervangen, maar om deze te versterken.

Augmented intelligence kan bijvoorbeeld in de medische sector worden gebruikt om de kans op menselijke fouten te verkleinen, of in de financiële dienstverlening om de behoeften en risico's van klanten te berekenen.

Autonomous intelligence

Autonomous intelligence gaat nog een stapje verder en kan zonder menselijke tussenkomst werken. Het is de meest geavanceerde vorm van kunstmatige intelligentie. Omdat dit type kunstmatige intelligentie nog zo’n nieuw en baanbrekend concept is, wordt het nog niet door iedereen vertrouwd.

Voorbeelden van kunstmatige intelligentie in het dagelijkse leven zijn bijvoorbeeld zelfrijdende auto's, productierobots, zorgrobots en persoonlijke assistenten zoals Siri of Cortana. Dergelijke systemen moeten in staat zijn om in onvoorziene omstandigheden veilige en rationele beslissingen te nemen die met menselijke waarden verenigbaar zijn.

Kunstmatige intelligentie in cybersecurity

Zo wordt kunstmatige intelligentie in cybersecurity toegepast

  • Identificatie van gedragspatronen. Kunstmatige intelligentie kan de gedragspatronen van de eigenaar van een apparaat via machine learning identificeren. Als er iets ongewoons wordt opmerkt, kan dit erop duiden dat iemand ander het apparaat gebruikt en kan de toegang worden verhinderd (of het apparaat worden getraceerd).
  • Detectie van bedreigingen en kwetsbaarheden in systemen. Met behulp van kunstmatige intelligentie kunnen verdachte patronen in het internetverkeer worden gedetecteerd. Daarnaast kan machine learning helpen bij het opbouwen van een uitgebreide database voor nauwkeurige patroon- en beeldherkenning.
  • Snellere en betere gegevensverwerking. Kunstmatige intelligentie kan sneller en beter ordenen en monitoren dan mensen. Het elimineert de menselijke foutenfactor, kan 24/7 werken en enorme hoeveelheden gegevens in korte tijd verwerken. Hierdoor neemt het deskundigen veel werk uit handen en stelt het hen in staat zich op andere taken te concentreren.
  • Biometrische identificatie. Biometrische identificatie maakt gebruik van kunstmatige intelligentie om een persoon aan de hand van zijn gezichtspatroon, vingerafdruk of andere biometrische gegevens te identificeren. Uiterlijke kenmerken kunnen tot het kleinste detail in kaart gebracht worden. Hierdoor wordt het gebruik van onveilige wachtwoorden (die vergeten of gestolen kunnen worden) overbodig.

De risico’s van kunstmatige intelligentie in cybersecurity

Dit zijn de belangrijkste nadelen van kunstmatige intelligentie:

  • Verbeterde cyberaanvallen. Kunstmatige intelligentie kan door hackers worden gebruikt om nog betere en grootschaligere aanvallen uit te voeren. Daarnaast kan het helpen om kwetsbaarheden in systemen sneller op te sporen en uit te buiten.
  • Privacy- en veiligheidsproblemen. Geavanceerde scantechnieken kunnen zeer gedetailleerde gegevens over je uiterlijk aan bedrijven en overheden verstrekken, die ze vervolgens kunnen doorverkopen of waarmee inbreuk op je privacy kan worden gepleegd. Autoritaire regimes kunnen deze technieken bijvoorbeeld gebruiken om hun tegenstanders in de gaten te houden.
  • Hoge kosten. De implementatie van kunstmatige intelligentie in systemen is prijzig. Bovendien bevinden sommige van deze technologieën zich nog in een experimenteel stadium, waardoor investeren een risico met zich meebrengt.
  • Ontwikkeling van supermalware. Ontwikkelaars van malware kunnen kunstmatige intelligentie gebruiken om nog betere virussen te ontwikkelen, die moeilijker te ontdekken zijn en potentieel meer schade aan kunnen richten.
  • Social engineering attacks en cyberpesten. Cybercriminelen kunnen kunstmatige intelligentie gebruiken om menselijke taal na te bootsen of nepbeelden en -video's te produceren om gebruikers te verleiden persoonlijke gegevens af te staan of ze te chanteren.

Een ander risico of gevaar van kunstmatige intelligentie dat niet direct van invloed op cybersecurity is – maar wel belangrijk – is dat we ons leven misschien wel te veel aan machines uit handen geven. Hoe slim en cognitief vaardig een machine ook is, het ‘begrijpt’ de wereld op basis van droge data. Het heeft bijvoorbeeld geen inherent empathisch vermogen. Hoe meer we kunstmatige intelligentie voor ons laten beslissen en doen, hoe meer we in een puur data-georiënteerde wereld leven. Of dat goed of slecht is, is een ethisch vraagstuk waar de meningen over verschillen. Maar het is wel iets om in gedachten te houden.

Ook beschikbaar in: Dansk, English, en andere talen.

Ugnė Zieniūtė
Ugnė Zieniūtė Ugnė Zieniūtė
success Geverifieerde schrijver
Ugnė Zieniūtė is contentmanager bij NordVPN en doet graag onderzoek naar de nieuwste cybersecurity-trends. Ze vindt dat iedereen voor z'n online veiligheid moet zorgen, en daarom wil ze waardevolle informatie delen met lezers.