Machine learning aprimora identificação de ameaças no exército americano

Machine Learning Revoluciona Análise de Ameaças Internas no Exército dos EUA

Uma nova pesquisa revela como “machine learning” pode ser utilizado para identificar ameaças internas no Exército dos EUA, aprimorando a priorização de casos críticos e potencialmente perigosos.

Contexto da pesquisa

Pesquisadores focaram no “Insider Threat Hub” do Exército dos EUA, que analisa riscos apresentados por indivíduos com acesso legítimo a sistemas sensíveis. Esses riscos podem resultar em consequências severas, principalmente em um contexto militar.

Método proposto

A pesquisa introduz um modelo de classificação treinado com dados históricos de casos analisados anteriormente. O sistema combina características de personalidade, como impulsividade e agressividade, com indicadores situacionais, como pressões financeiras e traumas pessoais, para avaliar a ameaça que um indivíduo pode representar.

“O modelo oferece uma nova forma de responder a problemas prementes do Exército dos EUA.”
(“The model offers a novel response to the problems facing the U.S. Army.”)

— Saleem Ali, Pesquisador

Resultados e impacto

Os testes realizados com o modelo treinado alcançaram uma taxa de precisão de 96% na detecção de ameaças. A abordagem demonstrou ser eficaz em classificar a gravidade das ameaças, com uma leve sobreavaliação nos casos menos riscos, o que é preferível a não identificar indivíduos perigosos.

“O sistema prioriza os casos de maior risco, permitindo uma gestão mais eficiente das ameaças.”
(“The output from the system then allows staff to prioritize their efforts in handling the high-risk cases first.”)

— Saleem Ali, Pesquisador

Com a crescente quantidade de relatórios de ameaças e a ausência de um sistema padronizado, a implementação desta tecnologia pode revolucionar a forma como o Exército lida com a segurança interna e a identificação de potenciais riscos.

As futuras aplicações do método podem incluir sua adoção em outras agências de segurança, ampliando o alcance da tecnologia em contextos que exigem proteção de informações sensíveis.

Fonte: (TechXplore – Machine Learning & AI)