Kulcsszavak
Hogyan kell idézni
Absztrakt
Cél: A tanulmány célja a mesterséges intelligencia térhódításával a social engineering elleni védekezési stratégiákban megjelenő új lehetőségek bemutatása.
Módszertan: A szerzők a témában releváns szakirodalom felkutatása, összegzése és elemzése segítségével mutatják be a social engineering módszereit, a mesterséges intelligencia mérföldköveit, és tesznek megállapításokat annak várható hasznosulására a kibertámadások területén.
Megállapítások: Az egyre kifinomultabb támadások elleni védekezésben már jelenleg is meghatározó szerepe van a mesterséges intelligenciának, azonban nem szabad elfelejteni, hogy ez egy verseny is, ahol az lenne az ideális, ha a megelőzésben egy lépéssel a kiberbűnözők előtt járnának a kutatók és a fejlesztők. A tapasztalat azt mutatja, hogy a mesterséges intelligencia biztonsági protokollokba való beépítése szignifikánsan növeli a védekezés hatékonyságát, azonban a folyamatos, humán felügyelet is sarkalatos pontja a kibervédelmi stratégiának.
Érték: Jelen tanulmányban bemutatásra kerülnek a különböző social engineering típusú bűncselekmények, a mesterséges intelligencia evolúciója – a története, korszakai –, továbbá a nyelvi feldolgozáson alapuló modellek, valamint a szerzők érintik az elkövetésben betöltött szerepüket. Megvizsgálják a felhasználási lehetőségeket a védekezésben, és a jelenleg is elérhető szoftvereket. Külön figyelmet szentelnek egy friss tanulmánynak, amely az első generatív féreg kutatók általi létrehozásával foglalkozik. Végül körbejárják azt a megkerülhetetlen kérdést, hogy hol van az ember szerepe a kibervédelemben, ha a mesterséges intelligencia jelen van.
Hivatkozások
Aliman, N. M., Kester, L. J. H. M., Werkhoven, P., & Yampolsky, R. (2019). Orthogonality-based disentanglement of responsibilities for ethical intelligent systems. In P. Hammer, B. Goertzel, & M. Iklé (Eds.), Artificial general intelligence (Vol. 11654, pp. 3–13). Springer.
Bányász P. (2018). Social engineering and social media. Nemzetbiztonsági Szemle, 5(1), 59–77.
Bostrom, N. (2015). Szuperintelligencia – Utak, veszélyek, stratégiák (Szalay Á., Ford.) [Eredeti mű megjelenése 2014]. Ad Astra Kiadó.
Butz, M. V. (2021). Toward strong AI. KI – Künstliche Intelligenz, 35(4), 391–399.
Chaturvedi, S., Patvardhan, C., & Lakshmi, C. V. (2023). AI value alignment problem: The clear and present danger. In 2023 6th International Conference on Information Systems and Computer Networks (ISCON) (pp. 1–6). IEEE. https://doi.org/10.1109/ISCON57294.2023.10112100
Dub M. (2021). A social engineering támadások megelőzésének lehetőségei. Hadmérnök, 16(3), 137–187. https://doi.org/10.32567/hm.2021.3.10
Falade, P. V. (2023). Decoding the threat landscape: ChatGPT, FaudGPT, and WormGPT in social engineering attacks. International Journal of Scientific Research in Computer Science, Engineering and Information Technology, 9(5), 132–133.
Florêncio, D., & Herley, C. (2019). The economics of phishing and malicious email. In Proceedings of the 28th USENIX Security Symposium (pp. 963–980). USENIX Association.
Ghosh, A., Sufian, A., Sultana, F., Chakrabarti, A., & De, D. (2020). Fundamental concepts of convolutional neural network. In V. Balas, R. Kumar, & R. Srivastava (Eds.), Recent trends and advances in artificial intelligence and internet of things (Intelligent Systems Reference Library, Vol. 172, pp. 519–567). Springer. https://doi.org/10.1007/978-3-030-32644-9_36
Hadnagy, C. (2018). Social engineering: The science of human hacking. John Wiley & Sons Inc.
Hassabis, D. (2017). Artificial intelligence: Chess match of the century. Nature, 544(7651), 413. https://doi.org/10.1038/544413a
Jagodics I., & Kollár Cs. (2023). 21. századi social engineering támadások, védekezés és szervezeti hatások Európában. Belügyi Szemle, 71(1), 113–126. https://doi.org/10.38146/BSZ.2023.1.6
Kelemen R., & Németh R. (2019). A kibertér alanyai és sebezhetősége. Szakmai Szemle: A Katonai Nemzetbiztonsági Szolgálat tudományos-szakmai folyóirata, (3), 95–118.
Klein T., & Szabó A. (2018). A cybercrime, mint infokommunikációs jogi probléma. In Polyák G., & Lévai D. (Szerk.), Tanulmányok a technológia- és cyberjog néhány aktuális kérdéséről (pp. 123–132). Médiatudományi Intézet.
Kristóf T. (2002). A mesterséges neurális hálók a jövőkutatás szolgálatában. In Hideg É. (Szerk.), Jövőelméletek sorozat (pp. 23–26). BGE Jövőkutatási Kutatóközpont.
Leung, A. C. M., & Bose, I. (2008). Indirect financial loss of phishing to global market. In ICIS 2008 Proceedings (Paper 5). Association for Information Systems. https://aisel.aisnet.org/icis2008/5
Lumacad, G. S., & Namoco, R. A. (2023). Multilayer perceptron neural network approach to classifying learning modalities under the new normal. IEEE Transactions on Computational Social Systems, 1(99), 1–13. https://doi.org/10.1109/TCSS.2023.3251566
Minsky, M. (1961). Steps toward artificial intelligence. Proceedings of the IRE, 49, 8–30. https://doi.org/10.1109/JRPROC.1961.287775
Mirsky, Y., & Lee, W. (2021). The creation and detection of deepfakes: A survey. ACM Computing Surveys, 54(1), 1–41. https://doi.org/10.1145/3425780
Mitnick D. K. & Simon L. W. (2002). A legendás hacker – A megtévesztés művészete. Perfact-Pro Kft. Kiadó.
Mühlhoff, R. (2019). Human aided artificial intelligence: Or, how to run large computations in human brains? Toward a media sociology of machine learning. New Media & Society, 22(10), 1868–1884. https://doi.org/10.1177/1461444819885334
Nassi, B., Cohen, S., & Bitton, R. (2024). Here comes the AI Worm: Unleashing zero click worms that target GenAI powered applications. Retrieved from https://sites.google.com/view/compromptmized
Németh R. (2019). Kibertámadások gazdasági vonatkozásai a vállalati szférában. In Dernóczy-Polyák A. (Szerk.), Kutatási jelentés (1. kötet, pp. 307–325).
Oroszi E. (2019). Az információbiztonság lélektana. Nemzeti Kibervédelmi Intézet.
Rössler A., Cozzolino D., Verdoliva L., Riess Ch., Thies J., & Nießner M. (2019). FaceForensics++: Learning to detect manipulated facial images. arXiv. https://arxiv.org/abs/1901.08971
Saygin A., Cicekli I., & Akman V. (2000). Turing test: 50 years later. Minds and Machines, 10(4), 463–518.
Searle J. R. (1996). Az elme, az agy és a programok világa. In Pléh Cs. (Szerk.), Kognitív tudomány (pp. 136–151). Osiris Kiadó.
Sörös T., & Váczi D. (2013). Social engineering a biztonságtechnika tükrében. XXXI. Országos Tudományos Diákköri Konferencia, Had- és Rendészettudományi Szekció, Budapest.
Takale G., Wattamwar A., Saipatwar S., Saindane H., & Tushar P. (2024). Comparative analysis of LSTM, RNN, CNN and MLP machine learning algorithms for stock value prediction. Journal of Firewall Software and Networking, 2(1).
Youvan, D. (2024). Self-improving AI and the ungodly basis for intelligent design: Implications for the future of intelligence, creation, and a simulated universe. https://doi.org/10.13140/RG.2.2.26336.90881
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Copyright (c) 2025 Belügyi Szemle