Raspberry Robin הוא טוען אתחול זדוני מתוחכם שזוהה לראשונה בשנת 2021 שמתפשט בעיקר דרך התקני USB נגועים. הייחודיות שלו לפי הדו"ח Zscaler מורכב ממבנה ביצוע רב-רמות, ערפול קוד וטכניקות נרחבות נגד ניתוח. תוקפים משתמשים בכלי זה באופן פעיל כדי להציג תוכנות זדוניות אחרות, כולל Bumblebee.
מאפיין ייחודי של Raspberry Robin הוא השימוש ב-TOR לתקשורת עם שרתי C2. הוא גם משתמש בתכונות Windows ברמה נמוכה כדי לעקוף מערכות אבטחה. הפונקציונליות שלו נעה בין זיהוי סביבות מחקר ועד לפריסת הורדות פיתוי כדי להטעות מומחי אבטחת סייבר.
מבנה הביצוע הרב-שכבתי כולל שמונה שלבים, שבכל אחד מהם מתבצע פענוח, בדיקת ניתוח וחשיפה הדרגתית של הפונקציונליות העיקרית. תוקפים משתמשים בשיטות כמו ערפול זרימת בקרה והצפנת נתונים, מה שמקשה באופן משמעותי על הניתוח.
כדי להבטיח יציבות, Raspberry Robin מבצע שינויים ברישום של Windows ומשתמש בשיטות כדי לעקוף את בקרת חשבון משתמש (UAC). זה יכול גם להתפשט על פני רשתות מקומיות באמצעות כלים כמו PsExec ו-PAExec, מה שהופך אותו לאיום על מערכות ארגוניות.
פרט מעניין הוא היכולת להגן אוטומטית מפני זיהוי. לדוגמה, Raspberry Robin מחליף כתובות החזרה בערימה ומשתמש באלגוריתמים מורכבים כדי לזהות סביבות וירטואליות וניפוי באגים.
תקשורת רשת מתבצעת באמצעות TOR, כאשר התוכנה הזדונית שולחת נתונים מוצפנים, כולל כתובת ה-IP, פרמטרי המערכת ותהליכים פעילים. התגובה מהשרת עשויה להכיל קוד זדוני נוסף שהוורד ומבוצע.
Raspberry Robin מפגין את רמת המקצועיות הגבוהה של מפתחיו. זה הופך אותו לאחד האיומים המתוחכמים ביותר המשמשים תוקפים באופן פעיל לתקיפת רשתות ארגוניות.
לכל יצור חי מרגע הלידה יש יכולת לפעול. בעלי חיים רבים מפגינים התנהגות מורכבת מיד לאחר הלידה: עכבישים מסתובבים קורים, לווייתנים מתחילים לשחות. התנהגות זו קשורה למוח, המכיל טריליוני קשרים עצביים הדרושים לשליטה בתהליכים מורכבים.
עם זאת, הגנום יכול להכיל רק חלק קטן מהמידע הזה, מה שהדהים מדענים זה מכבר. חוקרים במעבדת Cold Spring Harbor הציעו פתרון לתעלומה זו באמצעות טכניקות בינה מלאכותית.
מדענים הציעו כי קיבולת גנום מוגבלת עשויה לא להיות חיסרון, אלא יתרון. תכונה זו עשויה לאלץ את הגוף להסתגל וללמוד במהירות, ולספק התפתחות אינטלקטואלית. גישה זו היוותה את הבסיס לאלגוריתם חדש של "צוואר בקבוק גנומי".
בניגוד לתהליכים אבולוציוניים, שבהם דורות מתפתחים במשך עשרות שנים, בבינה מלאכותית נוצרים מודלים חדשים באופן מיידי. חוקרים פיתחו אלגוריתם שדוחס נתונים בדומה לגנום, אוסף את המידע הדרוש ליצירת מעגלים מוחיים פונקציונליים. התוצאות נבדקו ברשתות בינה מלאכותית.
המחקר פורסם בכתב העת הליכים של האקדמיה הלאומית למדעים . האלגוריתם החדש הוכח כיעיל ביותר בפתרון בעיות זיהוי תמונות והדגמת יכולות במשחקי וידאו כגון Space Invaders ללא הכשרה מוקדמת.
למרות ההצלחה, החוקרים מציינים שהאלגוריתם עדיין לא יכול להתחרות באופן מלא ביכולות הטבעיות של המוח. הארכיטקטורה של קליפת המוח האנושית יכולה להכיל כ-280 טרה-בייט של מידע, בעוד שלגנום יש רק שעה של נתונים, מה שמרמז על דחיסה של פי 400,000.
הגישה החדשה פותחת יישומים פוטנציאליים בטכנולוגיה, כולל היכולת להפעיל מודלים של שפות גדולות במכשירים מוגבלי משאבים כמו סמארטפונים. זה יכול להאיץ את הבינה המלאכותית ולהפוך אותה לרזה ויעילה יותר.
