A Comparison of Malware Image Transformations Using Grad-CAM and Hybrid Learning Models
تقيم هذه الورقة ثماني تقنيات لتحويل صور البرمجيات الخبيثة باستخدام تقنية Grad-CAM للتفسير ونموذج هجين يجمع بين MobileNetV2 وRandom Forest للتصنيف، كاشفةً أنه بينما يحقق هذا النهج دقة قياسية جديدة تبلغ 0.777، فإنه لا يوجد ارتباط مباشر بين دقة التصنيف ومدى أمانة التفسيرات المولدة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك محقق يحاول القبض على بارع في التنكر. في العالم الرقمي، هذا "التنكر" هو البرمجيات الخبيثة (Malware)—وهي برمجيات ضارة مصممة للتسلل إلى حاسوبك وإثارة المشاكل. لفترة طويلة، كان المحققون ينظرون إلى الكود سطرًا بسطر، لكن هؤلاء المجرمين الرقميين أصبحوا أفضل في إخفاء آثارهم. لذا، ابتكر الباحثون حيلة ذكية: بدلاً من قراءة الكود، يقومون بتحويل البرمجيات إلى صورة. فكر في الأمر كأخذ بصمة لحذاء مشتبه به وتحويلها إلى خريطة تضاريسية للتضاريس. تترك عائلات البرمجيات الخبيثة المختلفة "أنسجة" مختلفة في هذه الخرائط، تمامًا كما تترك الأحذية المختلفة أنماط نقوش مختلفة.
لحل اللغز، يستخدم هؤلاء المحققون نوعًا خاصًا من الذكاء الاصطناعي يسمى الشبكة العصبية التلافيفية (CNN). يمكنك التفكير في هذا الذكاء الاصطناعي كأنه ماسح ضوئي فائق القوة ينظر إلى صور البرمجيات الخبيثة ويتعلم كيفية رصد الأنماط، تمامًا كما قد تتعرف على وجه صديق لك في وسط حشد دون معرفة اسمه. لكن الجزء الصعب هنا هو أن هذه الماسحات الضوئية للذكاء الاصطناعي غالبًا ما تكون "صناديق سوداء". فهي تعطيك إجابة، لكنها لا تستطيع بسهولة شرح لماذا تعتقد أن الصورة هي لص. ولإصلاح ذلك، يستخدم العلماء أداة تسمى Grad-CAM. إذا كان الذكاء الاصطناعي هو محقق ينظر إلى مسرح جريمة، فإن Grad-CAM هو قلم التحديد الذي يضع علامات على المواضع الدقيقة في الصورة التي يحدق فيها المحقق لاتخاذ قراره. تسأل هذه الورقة سؤالًا كبيرًا: هل تغير الطريقة التي نحول بها الكود إلى صورة مدى نجاح الذكاء الاصطناعي في حل القضية؟ والأهم من ذلك، هل يظهر "قلم التحديد" لنا الحقيقة، أم مجرد صورة جميلة؟
قرر الباحثون في هذه الدراسة اختبار ثماني طرق مختلفة لتحويل كود البرمجيات الخبيثة إلى صور. لقد عاملوا هذه الصور كأنها معرض للفنون، حيث يحاول كل أسلوب (مثل "الرمادي Grayscale"، أو "هبيلبورت الإنتروبي Entropy Hilbert"، أو "القطبي الثنائي Bigram Polar") تسليط الضوء على ميزات مختلفة من الكود. قاموا بتدريب ماسح الذكاء الاصطناعي الخاص بهم على هذه "الأساليب الفنية" الثمانية لمعرفة أي منها يساعد الذكاء الاصطناعي على رصد البرمجيات الخبيثة بشكل أفضل. لكنهم لم يتوقفوا عند هذا الحد؛ فقد استخدموا أيضًا قلم التحديد Grad-CAM لمعرفة ما كان ينظر إليه الذكاء الاصطناعي بالفعل. أرادوا معرفة: إذا حصل الذكاء الاصطناعي على درجة عالية، فهل ينظر إلى الأدلة الصحيحة؟ أم أنه مجرد تخمين بناءً على نمط محظوظ؟
هنا يصبح الأمر مثيرًا للاهتمام حقًا. اكتشف الفريق تحولًا مفاجئًا: "أسلوب الصورة" الأفضل للحصول على درجة عالية ليس دائمًا هو الأسلوب الذي يقدم التفسير الأكثر صدقًا. تخيل أن لديك خريطتين لجزيرة الكنز. إحدى الخريطتين رسمها عبقري يجد الكنز في كل مرة ولكنه يرسم الخريطة بطريقة لا يفهمها أحد غيره. والخريطة الأخرى رسمها طالب يجد الكنز بشكل أقل تكرارًا، لكن الخريطة واضحة ومنطقية للغاية بحيث يمكن لأي شخص اتباعها. وجد الباحثون أنه بالنسبة للبرمجيات الخبيثة، فإن أسلوب الصورة الذي أنتج أكثر التفسيرات "المحددة" وفاءً وموثوقية (وتحديدًا أسلوب "القطبي الثنائي Bigram Polar") أدى في الواقع إلى درجة دقة أقل للذكاء الاصطناعي. وعلى العكس من ذلك، فإن الأسلوب الذي حقق أعلى دقة ("الإنتروبي هيلبيرت Entropy Hilbert") كان أقل كمالًا قليلاً في إظهار المكان الذي كان ينظر إليه الذكاء الاصطناعي بالضبط، رغم أنه كان جيدًا جدًا.
كما اختبرت الورقة استراتيجية جديدة: ماذا لو لم نكتفِ بإظهار الصورة الأصلية للذكاء الاصطناعي، بل أظهرنا له أيضًا النسخة "المحددة"؟ إنه يشبه إظهار الكتاب المدرسي للطالب مع نسخة تحتوي على الجمل الرئيسية المحددة. وجدوا أنه بالنسبة لبعض الأساليب، ساعدت هذه النسخة "المحددة" الذكاء الاصطناعي على التعلم بشكل أفضل. ومن خلال الجمع بين الصورة الأصلية والنسخة المحددة، ثم تغذية كل هذه المعلومات في صانع قرار ذكي (نموذج الغابة العشوائية Random Forest)، تمكنوا من رفع معدل نجاحهم. لقد بدأوا بسجل سابق يبلغ حوالي 75% من الدقة ورفعوه إلى 77.7%.
من أهم الأشياء التي نفتها الورقة هي فكرة أن "الدقة الأفضل تعني دائمًا تفسيرات أفضل". لقد أثبتوا أنه يمكنك امتلاك نموذج جيد جدًا في تخمين الإجابة الصحيحة ولكنه ينظر إلى الأجزاء الخاطئة من الصورة للقيام بذلك. كما أظهروا أنه بينما تكون بعض أساليب الصور مستقرة للغاية (يرى الذكاء الاصطناعي نفس الشيء حتى لو كانت الصورة ضبابية أو مشوشة قليلاً)، فإن بعضها الآخر حساس للغاية. كان أسلوب "القطبي الثنائي Bigram Polar" هو الأكثر صدقًا بشأن ما كان يراه الذكاء الاصطناعي، ولكنه كان أيضًا الأكثر عرضة للارتباك بسبب التغييرات الطفيفة في الصورة.
في النهاية، لم يجد الباحثون مجرد "رصاصة سحرية" واحدة لأسلوب الصورة. بدلاً من ذلك، أظهروا أن النهج الأفضل هو المزج والمطابقة. فمن خلال أخذ "عقل" الذكاء الاصطناعي من جميع الأساليب الثمانية وجميع الطرق المختلفة للتحديد، ودمجهم في "ميزة فائقة" واحدة ضخمة، أنشأوا نظامًا يصعب خداعه أكثر من أي طريقة منفردة. لم يحلوا اللغز فحسب؛ بل أظهروا لنا أنه في بعض الأحيان، لكي تحصل على أفضل إجابة، عليك النظر إلى المشكلة من ثمانية زوايا مختلفة في وقت واحد. تشير الدراسة إلى أنه في عالم مطاردة الأشرار الرقميين، لا تسير الدقة والموثوقية دائمًا جنبًا إلى جنب، وأن أذكى المحققين هم أولئك الذين يعرفون كيفية دمج أدواتهم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.