about-3 back-contact back-deep eitaa کانال روبیکاخبرگزاری سایبربان
مطالب پربازدید
استفاده
1404/05/18 - 08:57- تروریسم سایبری

استفاده از مایکروسافت آژور برای جاسوسی از فلسطینیان

رژیم صهیونیستی از مایکروسافت آژور برای جاسوسی از فلسطینیان، آماده‌سازی حملات هوایی مرگبار و سازماندهی عملیات‌های نظامی در غزه و کرانه باختری استفاده می‌کند.

تمرکز
1404/06/26 - 14:35- جنگ سایبری

تمرکز اسرائیل بر «پیجر» و جنگ الکترونیک در نبردهای آینده با ایران

مقامات رژیم صهیونیستی، طراحی عملیات‌های غافلگیر کننده ای همچون عملیات پیجرها برای جنگ آینده با ایران را ضروری می دانند.

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
سرمایه‌گذاری
1404/07/16 - 15:55- آمریکا

سرمایه‌گذاری شرکت های آمریکایی در صنعت برق

به علت رونق مراکز داده و هوش مصنوعی در آمریکا، سرمایه‌گذاری در صنعت برق افزایش‌یافته است.

هجوم
1404/07/16 - 14:57- هوش مصنوعي

هجوم کسب‌وکارهای اروپایی به سمت هوش مصنوعی

کسب‌وکارهای کوچک اروپایی بدون ابزارهای دیجیتال اولیه به سمت هوش مصنوعی هجوم می‌آورند.

اولین
1404/07/16 - 13:04- آمریکا

اولین قانون امنیت سایبری در برزیل

برزیل اولین قانون ملی امنیت سایبری را تصویب خواهد کرد.

مطالب مرتبط

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