AI在安全方面的角色對(duì)白帽黑客和網(wǎng)絡(luò)罪犯都很有吸引力，但目前似乎還沒有找到雙方的平衡。

人工智能已經(jīng)成為網(wǎng)絡(luò)安全開發(fā)者的新寶藏，這要?dú)w功于它的潛力，它不僅可以在很大的規(guī)模上實(shí)現(xiàn)功能自動(dòng)化，還可以根據(jù)它在一段時(shí)間內(nèi)學(xué)到的東西來(lái)做出相應(yīng)的決策。這可能會(huì)對(duì)安全維護(hù)人員產(chǎn)生重大影響——通常情況下，公司根本沒有足夠的資源在眾多惡意軟件中“大海撈針”。

例如，如果一名工作人員通常在紐約工作，突然有一天早上從匹茲堡登錄，這是一種反常現(xiàn)象——人工智能可以看出這是一種反?，F(xiàn)象，因?yàn)樗呀?jīng)學(xué)會(huì)了期望用戶從紐約登錄。類似地，如果該用戶在匹茲堡登錄后，在幾分鐘后又在另一個(gè)地方登錄，比如加州，那么這很可能是一個(gè)惡意的危險(xiǎn)信號(hào)。

因此，在最簡(jiǎn)單的層面上，人工智能和“機(jī)器學(xué)習(xí)”圍繞的是對(duì)行為規(guī)范的理解。系統(tǒng)需要一些時(shí)間來(lái)觀察環(huán)境，以了解什么是正常的行為，并建立一個(gè)基準(zhǔn)線——這樣它就可以通過(guò)將算法知識(shí)應(yīng)用到數(shù)據(jù)集來(lái)獲取偏離規(guī)范的偏差。

針對(duì)網(wǎng)絡(luò)安全的AI可以以多種方式幫助防御者。然而，人工智能的出現(xiàn)也有不利的方面。首先，網(wǎng)絡(luò)犯罪分子也利用了這項(xiàng)技術(shù)，很明顯，它可以被用于各種惡意的任務(wù)。比如對(duì)開放的、易受攻擊的端口進(jìn)行的掃描，或者是電子郵件的自動(dòng)組合，這些郵件具有公司首席執(zhí)行官的準(zhǔn)確語(yǔ)氣和聲音，被24小時(shí)竊聽。

在不久的將來(lái)，這種自動(dòng)模仿甚至可以擴(kuò)展到語(yǔ)音。例如，IBM的科學(xué)家已經(jīng)為人工智能系統(tǒng)創(chuàng)造了一種方法來(lái)分析、解釋和反映用戶的獨(dú)特語(yǔ)言和語(yǔ)言特征——從理論上講，這可以讓人類更容易地與他們的技術(shù)對(duì)話。然而，使用這種類型的惡意欺騙應(yīng)用程序的潛力是顯而易見的。

與此同時(shí)，在垂直市場(chǎng)上采用人工智能的熱情——對(duì)于網(wǎng)絡(luò)安全和其他領(lǐng)域——已經(jīng)打開了一個(gè)快速增長(zhǎng)的新攻擊面——它并不總是青睞于內(nèi)置的安全設(shè)計(jì)。人工智能有能力徹底改變?nèi)魏涡袠I(yè)：向在線購(gòu)物者提供更明智的建議，加快生產(chǎn)過(guò)程的自動(dòng)化質(zhì)量檢查，甚至追蹤和監(jiān)測(cè)出現(xiàn)野火的風(fēng)險(xiǎn)。加拿大阿爾伯塔大學(xué)的研究人員正在為這方面做更多的工作。

人工智能的這種雙重性質(zhì)——一方面是正義的力量，另一方面是邪惡的力量——還沒有找到平衡，但人們對(duì)人工智能的興趣卻在持續(xù)增長(zhǎng)。

人工智能的一場(chǎng)“傲骨之戰(zhàn)”

在網(wǎng)絡(luò)安全的適用性方面，人工智能已經(jīng)得到了大量的宣傳。由于人工智能依賴于分析大量數(shù)據(jù)來(lái)尋找相關(guān)的模式和異常，因此可以要求它在一段時(shí)間內(nèi)學(xué)習(xí)什么構(gòu)成了假陽(yáng)性，以及在某種規(guī)定的政策范圍內(nèi)所不包括的內(nèi)容。因此，對(duì)于入侵預(yù)防和檢測(cè)來(lái)說(shuō)，這可能是一個(gè)不可估量的恩惠，例如，與欺詐檢測(cè)和根除諸如DNS數(shù)據(jù)過(guò)濾和憑證濫用等惡意活動(dòng)。

人工智能算法可以應(yīng)用于用戶和網(wǎng)絡(luò)行為分析。例如，機(jī)器學(xué)習(xí)觀察人員、端點(diǎn)和像打印機(jī)這樣的網(wǎng)絡(luò)設(shè)備的活動(dòng)，以標(biāo)記潛在的惡意活動(dòng)。

同樣，人工智能在網(wǎng)絡(luò)行為分析中也扮演著重要角色，它研究用戶與網(wǎng)站的互動(dòng)，并作為在線欺詐檢測(cè)的補(bǔ)充。

例如，如果用戶登錄到一個(gè)零售應(yīng)用程序，在站點(diǎn)周圍搜索，找到一個(gè)產(chǎn)品來(lái)了解更多信息，然后將該產(chǎn)品保存到購(gòu)物車中或結(jié)賬。該用戶現(xiàn)在可以作為買家以配置行為文件。在未來(lái)，如果該用戶在同一電商網(wǎng)站上顯示了截然不同的行為，那么它可能會(huì)被標(biāo)記為潛在的安全事件進(jìn)一步調(diào)查。

在DNS方面，一個(gè)人工智能系統(tǒng)可以檢查DNS流量，以跟蹤DNS查詢到權(quán)威服務(wù)器，但沒有收到有效響應(yīng)的情況。“雖然這很難預(yù)防，但很容易被檢測(cè)到，”Justin Jett最近在Threatpost的一篇專欄文章中解釋道，他是Plixer的審計(jì)和合規(guī)總監(jiān)。比如序列號(hào)0800fc577294c34e0b28ad2839435945.badguy.example[.]net 如果被發(fā)送到給定的網(wǎng)絡(luò)機(jī)器上很多次，系統(tǒng)便會(huì)向IT專業(yè)人員發(fā)出警報(bào)?！?/p>

識(shí)別密碼泄露和誤用也是一個(gè)很好的例子。這種類型的攻擊正變得越來(lái)越普遍，因?yàn)閿?shù)據(jù)泄露后，人們的電子郵件和密碼流向了黑暗的網(wǎng)絡(luò)。例如，Equifax的漏洞導(dǎo)致數(shù)百萬(wàn)份有效的電子郵件被曝光;2016年的雅虎數(shù)據(jù)泄露事件中，攻擊者獲取了5億個(gè)用戶的賬戶信息。由于人們傾向于重復(fù)使用密碼，犯罪分子會(huì)在不同的機(jī)器上隨機(jī)嘗試不同的電子郵件和密碼，希望能獲得成功。

為了識(shí)別這種攻擊，“人工智能在這里是有用的，因?yàn)樗呀?jīng)給用戶設(shè)立了基準(zhǔn)線，”Jett解釋說(shuō)?！斑@些用戶每天在多個(gè)設(shè)備上連接并登錄。對(duì)于一個(gè)人來(lái)說(shuō)，在服務(wù)器上嘗試數(shù)百次登錄是很常見的，但是很難找到一個(gè)試圖在100臺(tái)不同的機(jī)器上進(jìn)行連接的人，并且只成功登錄一次?！?/p>

人工智能還可以用來(lái)自動(dòng)評(píng)估開源代碼的潛在缺陷。例如，網(wǎng)絡(luò)安全公司Synopsys正在利用人工智能自動(dòng)將已知的漏洞映射到開源項(xiàng)目，并評(píng)估企業(yè)的風(fēng)險(xiǎn)影響;例如，它會(huì)自動(dòng)分析數(shù)百份法律文件(許可證、服務(wù)條款、隱私聲明、HIPAA、DMCA等隱私法)，以確定任何檢測(cè)到的漏洞的合規(guī)風(fēng)險(xiǎn)。

然而，在易受攻擊性方面的另一個(gè)應(yīng)用是回顧和預(yù)測(cè)。如果一個(gè)新的漏洞被宣布，那么就可以通過(guò)日志數(shù)據(jù)來(lái)查看它是否在過(guò)去被利用了?；蛘撸绻@確實(shí)是一種新的攻擊，人工智能就可以評(píng)估證據(jù)是否足夠確定，以確定攻擊者的下一步行動(dòng)是什么。

人工智能還能很好地完成單調(diào)乏味、重復(fù)性的任務(wù)——比如尋找特定的模式。JASK的首席執(zhí)行官兼聯(lián)合創(chuàng)始人Greg Martin表示，這樣一來(lái)，它的實(shí)現(xiàn)可以緩解大多數(shù)安全操作中心(SOCs)所面臨的資源限制。SOC的工作人員每天都在部署數(shù)百個(gè)安全漏洞——當(dāng)然，并不是所有的安全漏洞都是真正的攻擊。

“安全團(tuán)隊(duì)總是被信息所淹沒，”451 Research的研究主管Scott Crawford在一次采訪中說(shuō)。“關(guān)于對(duì)手正在做什么、最新的攻擊工具、惡意軟件的變化以及內(nèi)部資源生成的大量信息。”在入侵保護(hù)空間中，日志數(shù)據(jù)的數(shù)量和生成的警報(bào)是壓倒性的。SIEM市場(chǎng)在一定程度上是為了解決這個(gè)問(wèn)題，只是在有需要處理的事情的時(shí)候才會(huì)浮出水面——但這還不夠。因此，現(xiàn)在我們看到了處理數(shù)據(jù)的新技術(shù)的興起，并通過(guò)分析和人工智能來(lái)獲得意義。”

目前仍不完美

盡管人工智能在安全領(lǐng)域有很多用途，但公司應(yīng)該謹(jǐn)慎地理解其局限性;這些引擎只和進(jìn)入它們的數(shù)據(jù)一樣好，而僅僅將數(shù)據(jù)歸為算法，就會(huì)告訴分析師什么是不尋常的，而不是它們是否重要。為人工智能設(shè)定參數(shù)的數(shù)據(jù)科學(xué)家需要知道如何提出正確的問(wèn)題來(lái)恰當(dāng)?shù)乩萌斯ぶ悄艿哪芰ΑＨ斯ぶ悄軕?yīng)該尋找什么?一旦有了發(fā)現(xiàn)，人工智能應(yīng)該做些什么呢?通常，需要復(fù)雜的流程圖來(lái)為期望的結(jié)果編寫人工智能程序。

用具體的術(shù)語(yǔ)來(lái)說(shuō)，很容易就能訓(xùn)練人工智能，比如說(shuō)，發(fā)現(xiàn)小行星帶里的小行星有反常的移動(dòng)。但如果目標(biāo)是要知道它是否向地球進(jìn)發(fā)，那就需要進(jìn)行仔細(xì)調(diào)整。

而且，在今天的數(shù)字工作場(chǎng)所中，有如此多的公司信息，以人類監(jiān)督的形式監(jiān)測(cè)故障是一個(gè)好主意。簡(jiǎn)單地為人工智能分配網(wǎng)絡(luò)監(jiān)督職責(zé)可能會(huì)產(chǎn)生意想不到的后果，比如過(guò)分積極地隔離文檔、刪除重要數(shù)據(jù)或大量拒絕合法信息——這可能會(huì)嚴(yán)重影響工作效率。例如，在人工智能的假設(shè)下，在之前的登錄場(chǎng)景中，員工可能只是在旅行，所以關(guān)閉訪問(wèn)可能不是最好的主意。

“沒有一臺(tái)機(jī)器能完美無(wú)缺，并解釋所有潛在的行為可能性，”AsTech咨詢公司的首席安全架構(gòu)師Nathan Wenzler在接受采訪時(shí)說(shuō)?！斑@意味著它仍然需要人們的關(guān)注，否則你可能會(huì)有很多合法的東西被標(biāo)記為“壞”，或者惡意軟件和其他攻擊，被編碼為“好”。所涉及的算法只能做到這樣，并且，隨著時(shí)間的推移而不斷改進(jìn)。但是，攻擊也會(huì)變得更聰明，并找到規(guī)避學(xué)習(xí)過(guò)程的方法，從而仍然有效?！?/p>

而且，因?yàn)槿匀恍枰腥四軌驅(qū)Τ霈F(xiàn)的異常情況做出合理的判斷，因此也應(yīng)該考慮到人們需要關(guān)注的領(lǐng)域。可以以快速電子郵件的形式向該員工發(fā)起一項(xiàng)手動(dòng)調(diào)查——這聽起來(lái)沒什么大不了的，除非你認(rèn)為在一家大公司里每隔幾分鐘就會(huì)有成百上千這樣的異常情況發(fā)生。

Jett解釋說(shuō)：“在網(wǎng)絡(luò)安全中充分利用人工智能的最佳方法是，利用監(jiān)督學(xué)習(xí)來(lái)識(shí)別惡意行為的粒狀模式，而無(wú)人監(jiān)督的算法則為異常檢測(cè)建立一個(gè)基準(zhǔn)線?！薄叭祟愒诙唐趦?nèi)不會(huì)被排除在這個(gè)等式之外?！?/p>