人工智能在安全方面的應(yīng)用為人們提供了四個(gè)獨(dú)特的安全優(yōu)勢(shì)，本文我們就將詳細(xì)了解機(jī)器學(xué)習(xí)的進(jìn)步是如何改變傳統(tǒng)的威脅檢測(cè)和預(yù)防方法的。

網(wǎng)絡(luò)安全可能是當(dāng)今任何組織面臨的最大威脅，盡管這算不上什么挑戰(zhàn)，但系統(tǒng)、數(shù)據(jù)、云技術(shù)、應(yīng)用程序、設(shè)備和分布式終端的激增只會(huì)加劇網(wǎng)絡(luò)安全威脅。這意味著組織必須比以往任何時(shí)候都更加努力地工作，以保護(hù)他們的資產(chǎn)和客戶。其實(shí)這已經(jīng)超出了自動(dòng)化對(duì)策的范圍，它現(xiàn)在要求信息安全專(zhuān)業(yè)人員積極主動(dòng)地檢測(cè)，以先發(fā)制人地避免或阻止威脅。

目前，有的組織已經(jīng)尋求AI的幫助來(lái)增強(qiáng)安全性和保護(hù)其業(yè)務(wù)資產(chǎn)。具體來(lái)說(shuō)，如今的安全軟件使用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、機(jī)器推理和一系列相關(guān)技術(shù)來(lái)審查大量數(shù)據(jù)，其目的是加速對(duì)正常與異常的理解，以檢測(cè)惡意行為和實(shí)體。

到2022年，全球信息安全支出預(yù)計(jì)將達(dá)到1700億美元，網(wǎng)絡(luò)安全行業(yè)正在關(guān)注創(chuàng)新和效率，更具彈性的機(jī)制和工具。由于技術(shù)的進(jìn)步，信息安全中有四個(gè)主要的AI和機(jī)器學(xué)習(xí)場(chǎng)景，下面我就來(lái)為大家一一講解。

網(wǎng)絡(luò)威脅分析

如今的企業(yè)將越來(lái)越多的業(yè)務(wù)數(shù)字化，他們會(huì)更新舊數(shù)據(jù)并開(kāi)發(fā)內(nèi)部（通常是混合）網(wǎng)絡(luò)。這些龐大的網(wǎng)絡(luò)拓?fù)洳粌H復(fù)雜，而且還需要大量的網(wǎng)絡(luò)安全資源來(lái)管理所有通信、事務(wù)、連接、應(yīng)用程序和策略。

如果企業(yè)規(guī)模很大，則數(shù)字化不僅意味著巨大的投資，而且還有數(shù)據(jù)被盜的風(fēng)險(xiǎn)。人工智能在網(wǎng)絡(luò)安全方面的應(yīng)用，完全可以應(yīng)對(duì)這一挑戰(zhàn)。值得注意的是，網(wǎng)絡(luò)安全中的人工智能會(huì)監(jiān)控所有傳入和傳出的網(wǎng)絡(luò)流量，以挖掘可疑活動(dòng)并對(duì)威脅類(lèi)型進(jìn)行分類(lèi)。

惡意軟件檢測(cè)

惡意軟件是有攻擊性的不斷發(fā)展的代碼或軟件類(lèi)別的總稱(chēng)，盡管惡意軟件檢測(cè)已經(jīng)存在多年了，通常將可疑代碼與基于簽名的系統(tǒng)相匹配，但機(jī)器學(xué)習(xí)現(xiàn)在正轉(zhuǎn)向推理技術(shù)。

網(wǎng)絡(luò)安全領(lǐng)域的人工智能在分析大量數(shù)據(jù)、事件類(lèi)型、來(lái)源和結(jié)果時(shí)，會(huì)在惡意文件被打開(kāi)之前檢測(cè)到惡意軟件的存在。它還可以識(shí)別惡意軟件的類(lèi)型，這一點(diǎn)至關(guān)重要，因?yàn)閻阂廛浖?huì)隨著其他技術(shù)的進(jìn)步而不斷發(fā)展，比如惡意木馬、僵尸網(wǎng)絡(luò)、惡意廣告、勒索軟件等實(shí)例。

迄今為止，深度學(xué)習(xí)和人工智能已經(jīng)幫助各種安全應(yīng)用程序從惡意軟件和良性應(yīng)用程序中獲得的數(shù)以千萬(wàn)計(jì)的樣本，這樣，后期的檢索就可以專(zhuān)門(mén)設(shè)置一個(gè)算法，進(jìn)行高效的檢索，這些都離不開(kāi)精確標(biāo)記的數(shù)據(jù)庫(kù)。

擴(kuò)大安全分析的范圍

網(wǎng)絡(luò)安全領(lǐng)域的人工智能最擅長(zhǎng)發(fā)現(xiàn)潛在的威脅媒介，不過(guò)是否算是真正的威脅，還得依靠人類(lèi)，這意味著人類(lèi)仍然是控制、解釋和判斷威脅的終結(jié)者。只能說(shuō)，機(jī)器學(xué)習(xí)讓人類(lèi)變得更加強(qiáng)大了，這主要體現(xiàn)在兩個(gè)方面：

1.人工智能使重復(fù)的任務(wù)自動(dòng)化，例如，它會(huì)對(duì)低風(fēng)險(xiǎn)警報(bào)或繁瑣的數(shù)據(jù)任務(wù)進(jìn)行分類(lèi)，以便讓分析師有時(shí)間進(jìn)行更高價(jià)值或戰(zhàn)略決策。

2.機(jī)器學(xué)習(xí)負(fù)責(zé)低層次的威脅情報(bào)的數(shù)據(jù)整理和分析，這樣人類(lèi)分析師就可以從基本的數(shù)據(jù)收集工作中解脫出來(lái)，分析更有價(jià)值的信息，以進(jìn)行更高價(jià)值的戰(zhàn)略決策。

實(shí)際的測(cè)試表明，理想的網(wǎng)絡(luò)安全性能或準(zhǔn)確性往往是人類(lèi)和人工智能的結(jié)合成果，而不是單獨(dú)進(jìn)行判斷。安全工具的增強(qiáng)在未來(lái)幾年對(duì)安全團(tuán)隊(duì)來(lái)說(shuō)可能是必不可少的。事實(shí)上，市場(chǎng)上的一些技術(shù)已經(jīng)支持UI工具，使網(wǎng)絡(luò)專(zhuān)家能夠合并威脅類(lèi)型來(lái)重新訓(xùn)練機(jī)器學(xué)習(xí)模型，并根據(jù)問(wèn)題配置特定的修復(fù)程序。

基于人工智能的反向攻擊

任何技術(shù)的正反兩方面的發(fā)展趨勢(shì)都是同步的，如今，企業(yè)必須訓(xùn)練機(jī)器學(xué)習(xí)算法，以識(shí)別其他基于機(jī)器學(xué)習(xí)算法發(fā)起的攻擊。例如，有研究人員就發(fā)現(xiàn)黑客使用機(jī)器學(xué)習(xí)來(lái)識(shí)別企業(yè)網(wǎng)絡(luò)中的薄弱環(huán)節(jié)。他們使用此信息通過(guò)網(wǎng)絡(luò)釣魚(yú)，間諜軟件或分布式拒絕服務(wù)攻擊將目標(biāo)定為攻擊入口點(diǎn)。

甚至已經(jīng)有攻擊者開(kāi)發(fā)出了智能惡意軟件，它們還有另一個(gè)更可怕的稱(chēng)呼——人工黑客（artificial hackers），以針對(duì)受害者的具體情況進(jìn)行個(gè)性化攻擊?；谌斯ぶ悄艿墓粽故玖巳斯ぶ悄艿膬?yōu)勢(shì)（快速可擴(kuò)展性、行為分析和個(gè)性化）不僅安全人員看得到，攻擊者也看得到。

上述四個(gè)應(yīng)用場(chǎng)景，只是人工智能在網(wǎng)絡(luò)安全領(lǐng)域眾多應(yīng)用中的一小部分。不過(guò)要注意的是，機(jī)器學(xué)習(xí)并不是萬(wàn)靈丹，它只是人類(lèi)的一個(gè)輔助工具。傳統(tǒng)的基于簽名的檢測(cè)方法的缺點(diǎn)，機(jī)器學(xué)習(xí)中也存在。

責(zé)任編輯：ct