Een kleine aanpassing aan malware kan ervoor zorgen dat virusscanners de dreiging niet meer detecteren, maar een Israelisch bedrijf zegt de oplossing te hebben gevonden: kunstmatige neurale netwerken. De neurale netwerken analyseren de eigenschappen van miljoenen malware-exemplaren en schone bestanden en worden zo geleerd om de eigenschappen van malware te herkennen.

De aanpak moet ervoor zorgen dat de virusscanner van het bedrijf beter in staat is om aangepaste malware-versies te detecteren, die door traditionele anti-virussoftware wordt gemist. Deep learning, zoals de aanpak wordt genoemd, bestaat uit het trainen van een groot netwerk dat uit gesimuleerde neuronen en synapsen bestaat om zo complexe patronen uit de aangeleverde data te halen. De bedoeling is dat het netwerk uiteindelijk uit zichzelf geheel nieuwe exemplaren kan herkennen.

Het Israëlische Deep Instinct zegt het eigen neurale netwerk te trainen met een groot aantal bestanden en instellingen. Een tijds- en computerintensief proces, dat op een cluster van GPU's draait. Volgens oprichter en CTO Eli David kan de eigen oplossing 20% meer malware detecteren dan bestaande oplossingen. Zo kan het zeggen of een bestand voldoende op bestaande malware lijkt waardoor het verdacht is, zo meldt MIT Technology Review.

Een kleine aanpassing of bepaalde string in de code is daardoor niet meer genoeg om de virusscanner te misleiden. Volgens professor George Cybenko van het Britse Darthmouth College is het idee van neurale netwerken om malware te vinden niet nieuw, maar zorgt het verschijnen van deep learning mogelijk voor vernieuwde interesse. Hij stelt dat de beloofde resultaten eerst nog moeten worden getest. Daarnaast zijn malwaremakers erg hardnekkig. "Als er een doorbraak is zullen ze onderzoek doen en met een nieuwe aanpak komen", zo waarschuwt hij.