about-3 back-contact back-deep eitaa کانال روبیکاخبرگزاری سایبربان
مطالب پربازدید
جایزه
1404/03/25 - 08:09- تروریسم سایبری

جایزه 10 میلیون دلاری برای گروه هکری نجات دهنده سامانه‌های پدافندی

ایالات متحده اخیراً با اعلام بیانیه‌ای از تعیین جایزه 10 میلیون دلاری برای مرموزترین دشمن سایبری خود به نام مِستر سول خبر داد.

اعتراف
1404/03/28 - 09:08- تروریسم سایبری

اعتراف منابع صهیونیستی به نفوذ سایبری ایران در پخش تصاویر پشت‌پرده

منابع صهیونیستی به نفوذ سایبری ایران در پخش تصاویر پشت‌پرده اعتراف کردند.

محققان دانشگاه بن گوریون قصد دارند با کاربران مخرب آنلاین مقابله کنند.

به گزارش کارگروه بین‌الملل سایبربان؛ کارشناسان معتقدند که کاربران مخرب یا ساختگی در شبکه‌های اینترنتی به بلای اینترنت تبدیل شده‌اند. در حالیکه بسیاری از افزایش فراوانی این کاربران جعلی ابراز تأسف می‌کنند، تعداد کمی از آنها روش هایی را برای ردیابی و افشای آنها ایجاد کرده اند. یکی از محققان دانشگاه اسرائیلی بن‌گوریون در «Negev» روش جدیدی برای تشخیص گروهی از کاربران غیرعادی ایجاد کرده است.

مایکل فایر (Michael Fire)، رئیس آزمایشگاه «Data4Good» و عضو دپارتمان گروه نرم‌افزار و مهندسی سیستم‌های اطلاعاتی گفت :

«مزیت این مطالعه این است که ما می‌توانیم گروه‌های غیرعادی از کاربران مانند گروه‌های پروفایل‌های جعلی را به جای کاربران تک شناسایی کنیم. کشف گروه‌های پروفایل‌های جعلی یک کار چالش برانگیز و کمتر مورد بررسی قرار گرفته است.»

محققان براین باورند که یک جامعه کاربری غیرعادی ممکن است جامعه‌ای باشد که رفتار خشونت‌آمیز یا افراط‌گرایی را ترویج و اخبار جعلی را منتشر می‌کند، اما به طور بالقوه می‌تواند به یافتن نقاط داغ در طول همه‌گیری‌ها کمک کند.

یکی از مزایای روش آنها، که الگوریتم تشخیص جوامع غیرعادی عمومی مبتنی بر عضویت مشترک (CMMAC) نامیده شده، این است که به یک نوع شبکه محدود نمی‌شود.

فایر توضیح داد :

«روش ما عمومی است. بنابراین، به طور بالقوه می‌تواند روی انواع مختلف پلتفرم‌های رسانه‌های اجتماعی کار کند. ما آن را روی چندین نوع شبکه مختلف مانند رِدیت (Reddit) و ویکی‌پدیا (Wikipedia)، که یک نوع شبکه اجتماعی نیز هستند، آزمایش کردیم.»

کارشناسان پس از آزمایش روش خود روی شبکه‌های تولید شده تصادفی و شبکه‌های دنیای واقعی، دریافتند که در طیف وسیعی از تنظیمات از بسیاری از روش‌های دیگر بهتر عمل می‌کند؛ به گفته کارشناسان، روش آن‌ها بهتر از روش‌های دیگری است که قبلاً وجود داشت، زیرا این روش صرفاً براساس ویژگی‌های ساختاری شبکه است و محققان را از ویژگی‌های رئوس (ارتباطات بین کاربران آنلاین) مستقل می‌کند. بنابراین، این روش برای دامنه ناشناس است.

وی خاطرنشان کرد :

«هنگام مقایسه الگوریتم ما با الگوریتم‌های دیگر، در بسیاری از موارد در شبیه‌سازی و داده‌های دنیای واقعی بهتر عمل کرد. این گروه با موفقیت گروه‌هایی از جوامع کاربران غیرعادی را که فعالیت‌های آنلاین عجیبی ارائه می‌کردند، شناسایی کرد.»

محققان دیگر این پروژه شامل شای لاپید (Shay Lapid)، دانشجوی کارشناسی ارشد؛ و دیما کاگان (Dima Kagan)، دانشجوی دکترا، در آزمایشگاه فایر هستند.

منبع:

تازه ترین ها
استفاده
1404/05/20 - 21:32- هوش مصنوعي

استفاده از هوش مصنوعی برای مبارزه با جرم

وزارت کشور امارات متحده عربی از هوش مصنوعی و قوانین مدرن برای مبارزه با جرم استفاده می‌کند.

وابستگی
1404/05/20 - 21:11- هوش مصنوعي

وابستگی بیش از حد کاربران به چت جی‌پی‌تی

سم آلتمن اعلام کرد که اقلیتی از کاربران چت جی‌پی‌تی در معرض آسیب ناشی از وابستگی بیش از حد به مدل‌ها هستند.

شکست
1404/05/20 - 20:36- اروپا

شکست ویکی‌پدیا در مقابل قانون ایمنی آنلاین بریتانیا

گرداننده ویکی‌پدیا در چالش دادگاهی علیه مقررات قانون ایمنی آنلاین بریتانیا شکست خورد.

مطالب مرتبط

در این بخش مطالبی که از نظر دسته بندی و تگ بندی مرتبط با محتوای جاری می باشند نمایش داده می‌شوند.