Web Analytics Made Easy - Statcounter
به نقل از «مهر»
2024-04-23@17:12:13 GMT

بدافزار مجهز به هوش مصنوعی برای تشخیص چهره طراحی شد

تاریخ انتشار: ۲۳ مرداد ۱۳۹۷ | کد خبر: ۲۰۱۴۳۳۶۵

بدافزار مجهز به هوش مصنوعی برای تشخیص چهره طراحی شد

به گزارش خبرگزاری مهر به نقل از مرکز افتای ریاست جمهوری، این کلاس از بدافزارهای مجهز به هوش‌مصنوعی می‌توانند تا رسیدن به قربانی هدف، فعالیت خود را ادامه دهند و پس از رسیدن به مقاصد مدنظر، فعالیت‌های مخرب را متوقف کنند. این‌گونه بدافزارها قربانی هدف را از طریق شناسایی چهره، موقعیت جغرافیایی و تشخیص صدا شناسایی می‌کنند.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

به گفته پژوهشگران IBM، بدافزار DeepLocker قادر به جلوگیری از شناسایی و فعال شدن خود پس از رخ دادن شرایط ویژه ای است. نکته منحصر به فرد در مورد DeepLocker این است که استفاده از هوش‌مصنوعی برای شروع حمله باعث می‌شود مهندسی معکوس آن غیرممکن شود. اگر قربانی مورد نظر شناسایی شده باشد، بدنه بدافزار فعال می‌شود. این امر با استفاده از مدل شبکه عصبی عمیق (DNN) حاصل می‌شود.

پژوهشگران کد اثبات مفهومی (PoC) این بدافزار را با مخفی کردن باج‌افزار WannaCry در یک برنامه کنفرانس ویدئویی ارائه کردند. بدافزار بدین گونه عمل می‌کند که اگر چهره کاربر در کنفرانس ویدئویی با چهره فرد مورد نظر (با مقایسه با تصاویر موجود او در اینترنت) یکسان تشخیص داده شود، باج‌افزار شروع به فعالیت می‌کند.

در صورتی که چنین بدافزار مجهز به هوش مصنوعی در سراسر اینترنت و برنامه‌های تصویری مشابه منتشر شود، میلیون‌ها کاربر را تهدید خواهد کرد.

کد خبر 4374493 معصومه بخشی پور

منبع: مهر

کلیدواژه: تشخیص هویت هوش مصنوعی مردم علیه احتکار نوآوری معاونت علمی و فناوری ریاست جمهوری فناوری نانو تحقیقات علمی فناوری فضایی موبایل ناسا مخابرات امنیت اطلاعات شرکت دانش بنیان ایالات متحده آمریکا اینترنت سلول بنیادی زیست فناوری

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.mehrnews.com دریافت کرده‌است، لذا منبع این خبر، وبسایت «مهر» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۰۱۴۳۳۶۵ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

آزمایش جدیدی که سرطان پروستات را بدون نمونه‌برداری تشخیص می‌دهد

به گزارش خبرآنلاین و به نقل از دیجیاتو، پژوهشگران دانشگاه میشیگان، تست ادرار جدیدی را به نام MyProstateScore2.0 یا MPS2 توسعه داده‌اند که ۱۸ ژن مختلف و مرتبط با سرطان پروستات درجه بالا را شناسایی می‌کند. MPS2 توانسته است سرطان‌های با نمره گلیسون ۷=۴+۳ یا گرید ۲، یا درجه بالا را در آزمایش‌ها با موفقیت شناسایی کند. احتمال رشد و گسترش این سرطان‌ها از سرطان‌های گلیسون ۶ یا گرید ۱ بیشتر است.

بیش از یک‌سوم سرطان‌های پروستات درجه پایین دارند؛ اما تست‌های استاندارد نمی‌توانند سرطان‌های جدی را از انواع کم‌خطر تشخیص دهند. پزشکان سال‌ها است به دنبال راهی هستند که سرطان‌های جدی را شناسایی کنند، زیرا سرطان‌های کم‌سرعت را می‌توان راحت‌تر درمان کرد.

تست MPS2 نسخه جدیدی از MPS است که ۱۰ سال قبل توسعه پیدا کرد و با استفاده از نشانگرهای آنتی‌ژن ویژه پروستات (PSA)، PCA3 و ترکیب ژن TMPRSS2::ERG این سرطان را تشخیص می‌دهد؛ اما MPS به‌تنهایی نمی‌توانست درجه سرطان را مشخص کند.

شناساگرهای ژنتیکی سرطان پروستات درجه بالا

پژوهشگران از توالی‌یابی RNA بیش از ۵۸٬۰۰۰ ژن استفاده کردند و سپس به ۵۴ گزینه رسیدند که در سرطان‌های درجه بالا، بیانی بیش‌ازحد معمول دارند. آن‌ها سپس داده‌های ۷۰۰ نفر را با سطح بالای PSA از سال ۲۰۰۸ تا ۲۰۲۰ بررسی کردند. درنهایت، ۱۸ نشانگر مشخص شد که ارتباطی مداوم با بیماری درجه بالا دارند. تست ادرار MPS2 از این نشانگرها برای تشخیص سرطان پروستات استفاده می‌کند. این تست نشانگرهای اصلی MPS و ۱۶ نشانگر زیستی اضافی نیز به‌عنوان مکمل دارد.

در آزمایش MPS2 روی بیش از ۸۰۰ نمونه ادرار، این تست توانست عملکردی قابل‌قبول در شناسایی سرطان‌های درجه بالا ارائه دهد. مهم‌تر آنکه در شناسایی سرطان پروستات با درجه پایین یا گرید ۱، موفقیت تقریباً ۱۰۰ درصدی داشت. این یعنی اگر تست منفی شود، تقریباً قطعی است که بیمار سرطان پروستات تهاجمی ندارد.

MPS2 در شناسایی بیمارانی که نیازی به نمونه‌برداری از بافت ندارند موفق‌تر از نمونه قبلی خود است. نشانگر PSA می‌تواند تنها از ۱۱ درصد از نمونه‌برداری‌های غیرضروری جلوگیری کند. درحالی‌که این عدد در تست MPS2 به ۴۱ درصد می‌رسد. این یعنی چهار مورد از ۱۰ موردی که به نمونه‌برداری نیاز ندارد، نمره MPS2 پایینی خواهند داشت و می‌توانند با خیال راحت از نمونه‌برداری‌های غیرضروری رها شوند. اگر یک مرد پیش‌تر طبق تست MPS نمونه‌برداری انجام داده باشد، نتیجه MPS2 دقیق‌تر نیز خواهد شد.

برای مثال، یک بیمار ممکن است به علت افزایش PSA تحت نمونه‌برداری پروستات قرار بگیرد، اما سرطان در او شناسایی نشود. این بیمار در طول زمان تحت‌نظر قرار می‌گیرد و اگر PSA او دوباره بالا برود، باید نمونه‌برداری انجام دهد؛ اما تست MPS2 می‌تواند در ۵۰ درصد موارد تشخیص دهد که بالا رفتن PSA نیازی به نمونه‌برداری ندارد.

۵۴۵۴

برای دسترسی سریع به تازه‌ترین اخبار و تحلیل‌ رویدادهای ایران و جهان اپلیکیشن خبرآنلاین را نصب کنید. کد خبر 1898054 ذوالفقار دانشی

دیگر خبرها

  • هوش مصنوعی به زودی امکان درمان در خانه را فراهم خواهد کرد
  • مازندران مجهز به سامانه هوشمند ثبت تخلفات اضافه تناژ ناوگان باری
  • طراحی چهره شهید محمد منتطر قائم در یکی از مدارس طبس
  • هوش مصنوعی نارسایی قلبی را از طریق اسکن پا تشخیص می‌دهد
  • این آزمایش سرطان پروستات را بدون نمونه‌برداری تشخیص می‌دهد
  • برای نخستین‌بار در جهان: مشاهده اشعه ایکس از یک اتم
  • آزمایش جدیدی که سرطان پروستات را بدون نمونه‌برداری تشخیص می‌دهد
  • تشخیص زودهنگام سرطان پستان با بیوسنسور ایرانی
  • سنسور تشخیص زودهنگام سرطان سینه طراحی شد
  • رصدخانه شبکه برق و انرژی تهران به هوش مصنوعی مجهز می‌شود