Fachbegriffe aus der künstlichen Intelligenz

Künstliche Intelligenz ist nicht eine Methode, sondern eine Vielzahl davon. Manche eignen sich für strukturierte Daten, andere für eher freie Ansammlungen.

Adversarial Attacks

Versuche, ein KI-Modell zu überlisten und zu Fehlentscheidungen zu bringen (siehe Bild unten).

Deep Learning

Das ist ein System mit mehreren hintereinander geschalteten neuronalen Netzen (Ebene 1: Berge im Hintergrund = Bayern; Ebene 2: Maßkrug = Bayern; aber 0,2-Glas != Bayern; Ebene x: viel Wasser ~ Bayern (Ammersee) oder !~ Bayern (Ostsee);

Entscheidungsbäume

Liegen stark strukturierte Daten zur Analyse vor, eigenen sich Entscheidungsbäume. Die KI baut dabei selbstständig den besten Baumweg durch den Datendschungel. Das funktioniert in der Art wie: Wenn Typ = jpg, dann Verzweigung nach links Richtung keine Gefahr, wenn Typ = exe, dann Verzweigung nach rechts, Richtung Gefahr. Rechts geht es weiter: Wenn Größe < 10K, dann wieder Richtung Gut, ansonsten nach rechts, Richtung Böse.

Generativ Adversarial Attack (GAN)

Zwei KI-Systeme arbeiten quasi gegeneinander. Das eine versucht, Fälle zu generieren, die das andere falsch erkennt. Wird oft auch zum Trainieren und Verbessern von KI-Systemen eingesetzt.

Inferenz

Bezeichnet die Anwendung eines trainierten KI-Modells: Im Sicherheitsbereich entscheidet die künstliche Intelligenz im Inferenzprozess mit dem Modell, ob von der konkreten, zu analysierenden Datei eine konkrete Gefahr ausgeht oder nicht.

Modell

Ein trainiertes, neuronales Netz oder ein Entscheidungsbaum, der für den praktischen Einsatz vorgesehen ist. Die Wissenschaftler müssen es regelmäßig neu trainieren und justieren.

Neuronale Netze

Ein Modell wird trainiert, beispielsweise um Bilder zu klassifizieren (Berge im Bild = Bayern). Im Netz liegen eine Vielzahl von Knoten (Neuronen), die sich während des Lernprozesses bei bestimmten Kriterien verstärken (wie die Synapsen im Gehirn), etwa bei bestimmten Linienführungen und Farbansammlungen. Treten diese häufiger auf (dreieckige, blaue Berggipfel), lernt die KI, dass diese besonders wichtig sind.

Random Forests

Wenn die Komplexität strukturierter Datenmengen sehr groß ist, kommt für eine zuverlässige Klassifizierung ein Wald von Entscheidungsbäumen zum Einsatz. Die Schnittmenge aller Einzelentscheidungen bildet dann das Ergebnis bei der konkreten Analyse einer verdächtigen Datei.