Wie KI böse Bots unschädlich macht

Verhaltensbasierte Analyse zur effizienten Bot-Bekämpfung
Jetzt bewerten:
0 %
1
5
0
 
 
 
Bewerten
 
 
 
 
 
 
0 Kommentare  
4 Downloads  
Rund die Hälfte des Internetverkehrs wird nicht von Menschen, sondern von Bots verursacht. Viele dieser Maschinen hegen bösen Absichten: Sie wollen Daten stehlen, Konten übernehmen oder Webshops und andere Internetseiten lahm legen. Erfahren Sie, wie Sie mit einer KI-basierten Verhaltensanalyse gute zuverlässig von bösen Bots unterscheiden können.

Inhalt:

Die Entwicklung schädlicher Bots hat sich in den vergangenen Jahren stark beschleunigt. Von einfachen Skripts über sogenannte Headless Browser und interaktiv agierende Bots bis hin zu den großen Botnets, die von menschlichen Nutzern kaum zu unterscheiden sind, wurde die Bekämpfung immer schwieriger.

In diesem Whitepaper zeigen Ihnen die Autoren unter anderem:

- Warum herkömmliche verhaltensbasierte Bot-Analysen gegen die intelligenten Bot-Netze versagen

- Wieso Machine-Learning-Modelle, die mit überwachtem Lernen (Supervised Learning) arbeiten, zu unbefriedigenden Ergebnissen führen können.

- Weshalb selbstlernende Systeme auch nicht der Weisheit letzter Schluss sind.

Die Autoren stellen Ihnen ein Konzept vor, das diese Schwachstellen beseitigt: die absichtsbasierte Verhaltensanalyse (Intent-based Deep Behavioral Analysis, IDBA). Es kann mit unzureichender Datenqualität ebenso umgehen, wie Bot-Mutationen, und ungewöhnlichen Verhaltensweisen echter Nutzer. So lassen sich auch die ausgefeiltesten Bot-Netze zuverlässig erkennen.

Originalauszug aus dem Dokument:

Der heutige Internet-Traffic kommt zu gut der Hälfte von Bots. Einige davon sind legitim, viele jedoch schädlich. Mitbewerber und Widersacher nutzen „böse“ Bots, um auf unterschiedliche Weise Schaden anzurichten. Beispiele sind Kontoübernahmen, Datenscraping, Blockieren eigentlich verfügbarer Bestände (Denial of Inventory) oder DoS-Angriffe (Denial of Service), die auch als Tarnung für Datendiebstahl dienen können.

Derartige Angriffe lassen sich nur schwer erkennen, denn die Bots haben sich weiterentwickelt. Aus einfachen Scripts sind große, weit verzweigte Botnets geworden, die sich genau wie Menschen verhalten können, um herkömmliche Sicherheitssysteme auszutricksen. Modernere, raffiniertere Verfahren sind erforderlich, um Bots von Menschen und böse von guten Bots zu unterscheiden. Um ein solches Verfahren, und zwar ein grundlegendes, geht es in diesem Whitepaper: die absichtsbasierte Verhaltensanalyse (Intent-based Deep Behavioral Analysis, IDBA).

IDBA markiert einen Meilenstein in der Bot-Detection-Technologie. Verhaltensanalysen werden damit weiter abstrahiert, um den Intent (Absicht) einzubeziehen – im Unterschied zu gängigen, einfacheren Verhaltensanalysen, die allein auf Interaktionen ausgerichtet sind. Eine „gerade Bewegung des Mauszeigers“ ist ein Beispiel für eine Interaktion, während „Kontoübernahme“ eine Absicht darstellt. Zur Erfassung solcher Absichten setzt IDBA die neusten Erkenntnisse auf dem Gebiet des Deep Learning ein. Moderne Bots lassen sich so weitaus präziser identifizieren.