Year: 2024
Type: dissertation
Abstract: Työssä selvitetään modernien tekoälymallien soveltuvuutta pilvipalveluiden kyberturvallisuuden työkaluna. Kyberturvallisuus on sähköisten sekä verkottuneiden järjestelmien suojaamiseen erikoistunut turvallisuuden ala. Työssä keskitytään varsin uuteen ”transformer” nimiseen malliin, joka esiteltiin vuonna 2017 ja sen soveltuvuuteen poikkeamahallinnassa. Pilvipalvelut ovat useasta palvelimesta koostuvan resurssialtaan (engl. pool) avulla toteutettuja hajautettuja palveluja, joita käytetään erilaisista päätelaitteista verkon välityksellä. Näiden kyberturvallisuudessa on usein ennakoivan torjunnan lisäksi merkittävässä roolissa poikkeamahallinta. Tämän tavoitteena on järjestelmän toimivuuden turvaaminen havaitsemalla, torjumalla ja analysoimalla poikkeamia. Kyberturvallisuudessa poikkeamat voivat olla muun muassa toimintavirheitä, järjestelmähäiriöitä tai ulkoisten uhkien kiristysohjelmia tai tietojenkalastelua. Tyypillisesti haitallisten poikkeamien valvontaa on toteutettu erilaisilla säännöstöillä eli ehdoilla, joilla tapahtumia suodatetaan. Tekoäly on kuluneen vuosikymmenen aikana löytänyt paikkansa erilaisiin työntekoa helpottaviin työkaluihin. Nämä työkalut hyödyntävät monimutkaisia algoritmeja, jotka “oppivat” laajoja tietokantoja käyttäen toteuttamaan haluttuja tehtäviä. Merkittävin viime vuosikymmenen kehitys on niin sanottu transformer-malli, jota on käytetty alustana 2020-luvun alun tehokkaimmissa ja menestyneimmissä tekoälymalleissa. Erityisesti transformer-mallin ja siitä jatkokehitettyjen tekoälyjen luonnollisen kielen ymmärrys on poikkeuksellisen tarkkaa ja älykästä. Selvityksessä havaittiin transformer-pohjaisten mallien monikäyttöisyys sekä tehokas luonnollisen kielen ymmärrys. Nämä mahdollistavat poikkeamahallinnan eri prosesseja varten toteutettavia työkaluja. Merkittäviä hyötyjä saadaan muun muassa valvontajärjestelmien käyttökokemuksessa, raportoinnissa, tapahtumien korreloinnissa sekä tapahtumiin reagoinnissa. Hyvin koulutettu tekoäly kykenee myös ihmistä nopeampaan, syvällisempään ja yksityiskohtaisempaan analyysiin. Tarvetta ihmistyölle on jatkossakin, koska työssä läpikäydyt ratkaisut eivät ole täysin autonomisia. On myös osa-alueita, joissa perinteiset säännöstöihin pohjautuvat työkalut toimivat edelleen paremmin. Transformer-pohjaiset ratkaisut sekä muut tekoälytyökalut ovat kuitenkin jatkuvassa kehityksessä, ja näiden kyky kehittyä oppimalla edesauttaa tätä kehitystä.
Author: Länsipuro, Eero
Language: Finnish
Subfield: Computer Networks and Communications
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7132869576