วันพุธที่ 16 พฤศจิกายน พ.ศ. 2565

เกมบล็อกเชนอาจช่วยสร้างจักรวาลนฤมิตรที่ไม่มีใครเป็นเจ้าของ

metaverse
ภาพจาก MIT Technology Review

เกมออนไลน์แนวไซไฟ Dark Forest ทำงานบนบล็อกเชน ซึ่งหมายความว่าไม่มีใครสามารถเปลี่ยนแปลงแก้ไขผลลัพธ์ของมันได้ Dark Forest สร้างขึ้นโดยโปรแกรมเมอร์ที่ใช้นามแฝงว่า "Gubsheep" ซึ่งอธิบายว่าเป็น "เกมกลยุทธ์แบบผู้เล่นหลายคนจำนวนมากที่เกิดขึ้นในจักรวาลที่สร้างขึ้นอย่างเป็นขั้นตอนแบบไม่มีที่สิ้นสุด"

เกมดังกล่าวใช้การเข้ารหัสลับที่เรียกว่า zero-knowledge proof เพื่อซ่อนผู้เล่นที่เป็นปฏิปักษ์จากกันและกันขณะที่พวกเขากำลังสร้างอาณาจักร ผู้เล่นใหม่ต้องเผชิญกับจักรวาลที่ซ่อนอยู่เป็นส่วนใหญ่ ซึ่งจะเห็นได้จากการสำรวจ เมื่อผู้เล่นเคลื่อนไหว พวกเขาจะส่งหลักฐานยืนยันไปยังบล็อคเชนโดยไม่เปิดเผยพิกัด

ผู้เล่นบางคนมองว่า Dark Forest เป็นก้าวแรกสู่จักรวาลนฤมิตร (metaverse) ที่ขับเคลื่อนโดยเครือข่ายแบบกระจายอำนาจ แทนที่จะเป็นเซิร์ฟเวอร์ของบริษัท

อ่านข่าวเต็มได้ที่: MIT Technology Review

วันอังคารที่ 15 พฤศจิกายน พ.ศ. 2565

อีกหนึ่งเหตุผลที่เราควรเกลียดโฆษณาที่ไม่ต้องการ

cybersecurity
ภาพจาก Georgia Tech News Center

นักวิจัยจาก Georgia Institute of Technology (Georgia Tech) , University of Illinois Chicago และ New York University พบว่ากระบวนการที่ผู้โฆษณาบุคคลที่สามใช้เพื่อกำหนดเป้าหมายผู้ใช้ออนไลน์สามารถดูหรือจัดการได้โดยใช้ที่อยู่อีเมลของเป้าหมาย

พวกเขาพบว่าเมื่อที่อยู่อีเมลของผู้ใช้ถูกเปิดเผย ข้อมูลที่เก็บรวบรวมโดยผู้โฆษณาบุคคลที่สามเพื่อใช้กำหนดสตรีมโฆษณาที่กำหนดเป้าหมายของผู้ใช้รายใดรายหนึ่งสามารถถูกเจาะเข้าไปได้ ซึ่งทำให้ได้ข้อมูลเชิงลึกจากประวัติการเข้าชมของแต่ละบุคคล

Paul Pearce จาก Georgia Tech กล่าวว่า "งานของเราแสดงให้เห็นว่าข้อมูลที่ส่งผ่านไปยังเครือข่ายโฆษณานั้นทั้งไม่ปลอดภัย และตรวจสอบได้ยาก หากผู้โจมตีรู้ที่อยู่อีเมลของเหยื่อ พวกเขาสามารถโกหกเครือข่ายโฆษณาเพื่อแอบอ้างเป็นผู้ใช้ ซึ่งนำไปสู่ปัญหาความเป็นส่วนตัวอย่างแท้จริง”

อ่านข่าวเต็มได้ที่: Georgia Tech News Center

วันจันทร์ที่ 14 พฤศจิกายน พ.ศ. 2565

ตัวแบบ AI อาจช่วยป้องกันการรั่วไหลของข้อมูล

key
ภาพจาก  Imperial College London (U.K.)

 QuerySnout อัลกอริทึมปัญญาประดิษฐ์ (artificial intelligence)  หรือ AI ที่ออกแบบโดยนักวิจัยที่ Imperial College London (ICL) ของสหราชอาณาจักร สามารถตรวจสอบระบบปกป้องความเป็นส่วนตัวจากการละเมิดที่อาจเกิดขึ้นได้ 

QuerySnout สามารถระบุการโจมตีโดยอัตโนมัติบนระบบที่อยู่บนฐานการสืบค้น (query-based systems) หรือ QBS ที่นักวิเคราะห์ใช้เพื่อค้นหาข้อมูล และเรียกข้อมูลแบบที่มีการรวบรวม (aggregation) ตัวแบบจะเรียนรู้ว่าคำถามใดที่ควรถาม QBS เพื่อให้ได้คำตอบ จากนั้นเรียนรู้ที่จะรวมคำตอบโดยอัตโนมัติเพื่อตรวจหาข้อบกพร่องด้านความเป็นส่วนตัวที่อาจเกิดขึ้น

QuerySnout ใช้การเรียนรู้ของเครื่อง (machine learning) เพื่อสร้างการโจมตี QBS ที่รวมเอาคำตอบเพื่อแสดงข้อมูลส่วนตัวที่เฉพาะเจาะจง หลังจากการค้นหาเชิงวิวัฒนาการเพื่อค้นหาชุดการสืบค้นที่ถูกต้อง Ana-Maria Cretu ของ ICL กล่าวว่า " QuerySnout พบการโจมตีที่ทรงพลังมากกว่าที่รู้จักในระบบที่ใช้จริงในปัจจุบัน ซึ่งหมายความว่าโมเดล AI ของเรานั้นดีกว่ามนุษย์ในการค้นหาการโจมตีเหล่านี้"

อ่านข่าวเต็มได้ที่: Imperial College London (U.K.)

วันอาทิตย์ที่ 13 พฤศจิกายน พ.ศ. 2565

IBM ออกควอนตัมคอมพิวเตอร์ที่มีควอนตัมบิต 433 บิต

IBM-quantum
ภาพจาก Reuters

คอมพิวเตอร์ควอนตัม Osprey ใหม่ของไอบีเอ็มมีควอนตัมบิต (quantum bit) หรือ qubit จำนวน  433 บิต เพิ่มขึ้นสามเท่าจากรุ่นก่อน

Dario Gil ของ IBM กล่าวว่าบริษัทกำลังก้าวไปสู่การพัฒนาคอมพิวเตอร์ควอนตัมที่มีมากกว่า 1,000 qubits โดยสังเกตว่า "เราได้ออกแบบและวิศวกรรมสถาปัตยกรรมทั้งหมดสำหรับการคำนวณควอนตัมอยู่บนฐานของโมดูล" 

Gil กล่าวว่า Quantum System Two ของ IBM จะเป็น "ระบบคอมพิวเตอร์ควอนตัมแบบโมดูลระบบแรกอย่างแท้จริง เพื่อให้คุณสามารถปรับขนาดให้ใหญ่ขึ้นและใหญ่ขึ้นเรื่อย ๆ เมื่อเวลาผ่านไป

การเป็นโมดูลความว่าตัวชิปเองจะต้องเชื่อมต่อถึงกัน” บริษัทคาดการณ์ว่าระบบนี้จะออนไลน์ภายในปลายปี 2023 ซึ่งจะทำหน้าที่เป็นรากฐานสำหรับ ซุปเปอร์คอมพิวเตอร์ที่ใช้ควอนตัมเป็นศูนย์กลาง 

อ่านข่าวเต็มได้ที่: Reuters

วันศุกร์ที่ 11 พฤศจิกายน พ.ศ. 2565

ระบบจำแนกมัลแวร์ที่ใช้ร่วมกับเครือข่าย 5G สำหรับความมั่นคงทางไซเบอร์ยุคต่อไป


Photo by Shiwa ID on Unsplash

ทีมนักวิทยาศาสตร์นานาชาตินำโดย Gwanggil Jeon จากมหาวิทยาลัย Incheon National University ของเกาหลีใต้ ได้สร้างระบบตรวจจับมัลแวร์ที่ใช้ปัญญาประดิษฐ์สำหรับระบบ อินเทอร์เน็ตของสรรพสิ่ง (Internet of Things) หรือ IOT ในระดับอุตสาหกรรม โดนระบบนี้ใช้งานกับเครือข่าย 5G ได้

ระบบใช้ภาพเฉดสีเทากับเครือข่ายการเรียนรู้เชิงลึก (deep learning) เพื่อวิเคราะห์มัลแวร์ จากนั้นจึงนำเครือข่ายประสาทเทียมคอนโวลูชัน (convolutional neuron network) มาใช้ เพื่อจัดหมวดหมู่การโจมตีของมัลแวร์ นักวิจัยรวมระบบเข้ากับเครือข่าย 5G เพื่อลดเวลารอในการทำงานให้ต่ำลง ทำให้สามารถแบ่งปันข้อมูลและการวินิจฉัยแบบเรียลไทม์ได้ในปริมาณมาก

ตัวแบบใหม่นี้ได้รับการปรับปรุงจากสถาปัตยกรรมระบบแบบเดิม ทำให้ได้ความแม่นยำถึง 97% บนชุดข้อมูลเกณฑ์มาตรฐาน (benchmark) 

อ่านข่าวเต็มได้ที่: Newswise