GBT Technologies Inc. doet onderzoek naar de ontwikkeling van een door machine learning aangestuurd radiofrequentie (RF) cyberbeveiligingssysteem en -protocol. Typische draadloze beveiliging is afhankelijk van een software- en hardware-identificatie voor elk draadloos apparaat. Dit feit creëert een grote kwetsbaarheid op het gebied van cyberbeveiliging die kan leiden tot een aanval of klonen van een draadloos apparaat.

GBT onderzoekt de ontwikkeling van een op machinaal leren gebaseerd systeem en protocol dat zenders en ontvangers leert herkennen op basis van hun unieke RF-vingerafdruk. GBT analyseert een combinatie van hardware en software die gericht is op het leren van de RF-kenmerken van zenders/ontvangers en het identificeren en categoriseren van hun aard als veilige of potentiële kwaadaardige aanvallers. Het onderzoek is gericht op de ontwikkeling van een systeem om een potentiële indringer te identificeren en vervolgens een onmiddellijke wijziging van de RF-vingerafdruk te initiëren om de veiligheidsmaatregelen van het netwerk te verhogen en tevens te voorzien in een reactie op een incident.

Als reactie op het verdachte apparaat buiten het netwerk, zal het communicatiesysteem naar verwachting in real time de vingerafdruk van alle andere apparaten wijzigen, zodat zij in verschillende golfvormen, frequenties en andere kenmerken kunnen uitzenden. Het systeem dat momenteel wordt ontwikkeld, zal naar verwachting automatisch het natuurlijke patroon van alle draadloze veilige apparaten wijzigen om de indringer te blokkeren en te isoleren. Het uiteindelijke doel van het systeem is om het beveiligingsniveau van een heel netwerk in realtime te verbeteren om gegevensdiefstal, schade en kwaadaardige aanvallen te voorkomen.

Dit geplande systeem zal leren om on-the-fly RF-golfvormen te synthetiseren als reactie op cyberdreiging. Het is de bedoeling dat het systeem en het protocol AI-technologie bevatten om een intelligente draadloze communicatiemethode te creëren, die de veiligheid van draadloze netwerken maximaliseert door RF-spectrumanalyse en herkenning van de vingerafdruk en handtekening van RF-apparaten mogelijk te maken. Het draadloze netwerk in ontwikkeling zal voortdurend controleren en bestuderen met als doel eventuele afwijkingen op te sporen.

In geval van een mogelijke cyberdreiging wordt verwacht dat het systeem zijn werkingsmodi dynamisch herconfigureert om de inbraak te isoleren en zijn normale, beveiligde werking voort te zetten. GBT wil het systeem uitrusten met cognitieve, adaptieve vermogens om een automatische herconfiguratie uit te voeren, waardoor een intelligente, snelle respons en efficiënte cyberbeveiligingstechnologie voor draadloze netwerken mogelijk wordt. Het is de bedoeling dat het systeem autonoom en zelflerend is om RF-netwerken meer bewust te maken van cyberdreigingen en deze op te sporen, te identificeren en te elimineren.

Er is geen garantie dat de Vennootschap succesvol zal zijn in het onderzoek, de ontwikkeling of de implementatie van dit systeem. Om dit concept met succes te implementeren, zal de Vennootschap voldoende kapitaal moeten verzamelen om haar onderzoek te ondersteunen en, indien succesvol onderzocht en volledig ontwikkeld, zou de Vennootschap een strategische relatie moeten aangaan met een derde partij die ervaring heeft met de productie, verkoop en distributie van dit product. Er is geen garantie dat de Onderneming succesvol zal zijn in een of alle van deze kritieke stappen.