Σύμφωνα με στοιχεία του KSN* (Kaspersky Security Network), σχεδόν ένας στους δύο (44,4%) Έλληνες χρήστες του διαδικτύου ήρθε αντιμέτωπος με κάποια μορφή διαδικτυακής απειλής κατά την περίοδο Ιανουάριος – Μάρτιος 2022.

Αυτό τοποθετεί την Ελλάδα στη 2η θέση παγκοσμίως όσον αφορά στους κινδύνους που συνδέονται με το σερφάρισμα στο διαδίκτυο, μόλις μία θέση πίσω από την Ουκρανία.

Κάθε φορά που οι χρήστες συνδέονται στο διαδίκτυο, είναι πιθανό να εκθέτουν τις πληροφορίες που είναι αποθηκευμένες στον υπολογιστή τους σε ιούς και άλλα κακόβουλα προγράμματα. Αυτά μπορούν να διεισδύσουν στον υπολογιστή ενώ ο χρήστης κατεβάζει δωρεάν λογισμικό ή περιηγείται σε ιστότοπους που έχουν παραβιαστεί από εγκληματίες ή ορισμένα network worms.

Τα τελευταία μπορούν να διεισδύσουν στον υπολογιστή μόλις αυτός συνδεθεί στο διαδίκτυο, ακόμη και προτού ο χρήστης ανοίξει μια ιστοσελίδα ή κατεβάσει ένα αρχείο. Αυτού του είδους οι κακόβουλες επιθέσεις, οι οποίες συμβαίνουν μέσω προγραμμάτων περιήγησης, ονομάζονται διαδικτυακές απειλές.

Με τον τρόπο αυτό, οι εγκληματίες του κυβερνοχώρου χρησιμοποιούν διαφορετικές μεθόδους για να διεισδύσουν σε συστήματα. Μία από τις πιο συνηθισμένες εξ αυτών είναι η εκμετάλλευση ευπαθειών σε προγράμματα περιήγησης και τα plugin τους (drive-by download).

Η «μόλυνση» σε αυτήν τη μορφή επίθεσης λαμβάνει χώρα κατά την επίσκεψη σε «μολυσμένο» ιστότοπο, χωρίς καμία παρέμβαση από τον χρήστη και εν αγνοία του. Μεταξύ αυτών, το fileless κακόβουλο λογισμικό είναι το πιο επικίνδυνο: ο κακόβουλος κώδικάς του χρησιμοποιεί συνδρομές μητρώου ή WMI για επιμονή, χωρίς να αφήνει κανένα αντικείμενο για στατική ανάλυση στον δίσκο.

Μία άλλη συχνή μέθοδος είναι η κοινωνική μηχανική. Αυτές οι επιθέσεις απαιτούν τη συμμετοχή του χρήστη: ο χρήστης, δηλαδή, πρέπει να κατεβάσει ένα κακόβουλο αρχείο στον υπολογιστή του. Αυτό συμβαίνει όταν οι εγκληματίες του κυβερνοχώρου κάνουν το θύμα να πιστέψει ότι κατεβάζει ένα νόμιμο πρόγραμμα.

Εκτός από τη χρήση μιας αξιόπιστης λύσης για την αποτελεσματική προστασία τους από τέτοιες απειλές, οι χρήστες θα πρέπει να προχωρούν σε:

• Σάρωση των λήψεών τους για κακόβουλο λογισμικό.
• Έλεγχο των συνδέσμων πριν το άνοιγμα, κάνοντας κλικ μόνο σε συνδέσμους που είναι βέβαιοι ότι ο προορισμός είναι ασφαλής και αξιόπιστος.
• Δημιουργία ισχυρών και ασφαλών κωδικών πρόσβασης και αποφυγή των διπλότυπων. Οι χρήστες θα πρέπει να χρησιμοποιούν έναν ασφαλή Διαχειριστή κωδικών πρόσβασης, ούτως ώστε να είναι σε θέση να διαχειρίζονται όλους τους λογαριασμούς και τους κωδικούς πρόσβασης.
• Περιορισμό των προσπαθειών σύνδεσης με την ενεργοποίηση της λειτουργίας κλειδώματος του λογαριασμού τους μετά από περιορισμένο αριθμό προσπαθειών.
• Έλεγχο ύπαρξης ενδείξεων phishing σε μηνύματα κειμένου, email και άλλες επικοινωνίες.

* Τα δεδομένα που συλλέγονται μέσω του δικτύου KSN είναι ανώνυμα, κοινοποιούνται οικειοθελώς από τους χρήστες και δεν περιλαμβάνουν καμία συλλογή, επεξεργασία ή αποθήκευση προσωπικών δεδομένων.

Επιστήμονες εκπαίδευσαν ένα μοντέλο τεχνητής νοημοσύνης να αναλύει ηλεκτρονικά ιατρικά αρχεία ασθενών και να μπορεί να προβλέψει ποιοι έχουν έως 25 φορές αυξημένο κίνδυνο για εμφάνιση καρκίνου του παγκρέατος μέσα στους επόμενους τρεις έως 36 μήνες. Μάλιστα, η ακρίβεια του μοντέλου τους φθάνει το 88%…

Οι ερευνητές από τις ΗΠΑ, με επικεφαλής τον Μπο Γιουάν του Πανεπιστημίου Χάρβαρντ, έκαναν τη σχετική ανακοίνωση για το μοντέλο τεχνητής νοημοσύνης που προβλέπει τον αυξημένο κίνδυνο καρκίνου στο ετήσιο συνέδριο της American Association for Cancer Research στη Νέα Ορλεάνη.

«Μέχρι στιγμής δεν υπάρχουν αξιόπιστοι βιοδείκτες ή διαγνωστικά εργαλεία που να μπορούν να ανιχνεύσουν έγκαιρα τον παγκρεατικό καρκίνο. Ο στόχος της νέας μελέτης ήταν να αναπτυχθεί ένα εργαλείο τεχνητής νοημοσύνης που να μπορεί να βοηθήσει τους γιατρούς, ώστε να εντοπίζουν τους ανθρώπους με υψηλό κίνδυνο για καρκίνο του παγκρέατος, προκειμένου στη συνέχεια αυτοί να εντάσσονται σε προγράμματα πρόληψης, επιτήρησης και έγκαιρης θεραπείας», δήλωσε ο Γιουάν.

Ο εν λόγω καρκίνος είναι επιθετικού τύπου και συχνά διαγιγνώσκεται σε προχωρημένο στάδιο λόγω της απουσίας πρώιμων συμπτωμάτων, με συνέπεια να έχει κακή πρόγνωση. Ελπίζεται ότι η πιο έγκαιρη διάγνωση του θα βελτιώσει τις θεραπευτικές επιλογές γι’ αυτούς τους ασθενείς.

Οι πρόσφατες πρόοδοι στην τεχνητή νοημοσύνη έχουν οδηγήσει στην ανάπτυξη διαφόρων αλγόριθμων πρόβλεψης κινδύνου για διάφορους καρκίνους και άλλες παθήσεις. Τα “έξυπνα” αυτά συστήματα αξιολογούν ακτινογραφίες, άλλες απεικονιστικές εξετάσεις, εξετάσεις αίματος, ιατρικά ιστορικά κ.α.

Το νέο σύστημα «εκπαιδεύτηκε» μέσω τροφοδότησης του με τα ηλεκτρονικά ιατρικά αρχεία 6,1 εκατομμυρίων ασθενών από τη Δανία, εκ των οποίων περίπου 24.000 είχαν διαγνωστεί με καρκίνο του παγκρέατος. Στη συνέχεια, το μοντέλο δοκιμάστηκε για την ικανότητα του να προβλέπει την εμφάνιση της νόσου στο μέλλον και απέδειξε την αποτελεσματικότητα του.

Αν και το μοντέλο δεν είναι απολύτως “διαφανές” ως προς τον τρόπο (δηλαδή με ποια διαγνωστικά κριτήρια) που φθάνει στην πρόβλεψη του για μελλοντικό παγκρεατικό καρκίνο, εκτιμάται ότι σημαντικό ρόλο παίζει αν σε έναν άνθρωπο έχει προηγηθεί διάγνωση διαβήτη, άλλων παθήσεων του παγκρέατος, γαστρικού έλκους κ.α. Το σύστημα πάντως θα πρέπει να αξιολογηθεί σε κλινικές δοκιμές προτού “πιάσει δουλειά” βοηθώντας τους γιατρούς.

Με πληροφορίες από ΑΠΕ-ΜΠΕ