人工智能（Artificial Intelligence）是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學。它由不同的領(lǐng)域組成，如機器學習，計算機視覺等等。

人工智能從誕生以來，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴大，可以設(shè)想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。而現(xiàn)如今，它已經(jīng)開始對猖獗多時的網(wǎng)絡(luò)攻擊問題重點發(fā)力，人工智能將重塑網(wǎng)絡(luò)安全未來的圖景。

我們現(xiàn)在正處于一個相互聯(lián)系十分緊密的地球村中，許多從小就活在數(shù)字時代的人甚至記不起蘋果手機問世之前的時代。隨著智能家居的興起，我們將越來越多地照明、門鎖、相機、恒溫器甚至烤面包機連接到家庭網(wǎng)絡(luò)中。通過移動應(yīng)用程序或語音來自動化地管理我們的家庭，表明我們在過去幾年里取得了多大的進步。然而，在我們追求“酷”和“方便”的過程中，許多人并沒有停止考慮自己的網(wǎng)絡(luò)安全責任。

現(xiàn)在的網(wǎng)絡(luò)安全風險比一個大公司遭遇數(shù)據(jù)泄露要高得多，所有與網(wǎng)絡(luò)連接的東西都成了攻擊目標。盡管已經(jīng)有數(shù)十億美元被投入到網(wǎng)絡(luò)安全領(lǐng)域，但被報道出的網(wǎng)絡(luò)攻擊數(shù)量和入侵的規(guī)模仍在不斷上升，針對多個行業(yè)的復(fù)雜而具有破壞性的網(wǎng)絡(luò)攻擊的復(fù)雜程度和規(guī)模都在不斷增加。尤其是在我們的關(guān)鍵基礎(chǔ)設(shè)施領(lǐng)域，如能源、核、水、航空和關(guān)鍵制造業(yè)等領(lǐng)域上都存在漏洞，這使它們成為網(wǎng)絡(luò)犯罪分子攻擊的目標，甚至是背后有某些國家資助的網(wǎng)絡(luò)攻擊目標。

不幸的是，90%的網(wǎng)絡(luò)攻擊將人為錯誤或人們的不作為當作入侵的主要原因。目前已經(jīng)有無以計數(shù)的實例，比如DNA數(shù)據(jù)庫以8美元的低價出售，以及美國政府的黑客攻擊導致560萬名聯(lián)邦雇員的指紋被泄露等。事情已經(jīng)發(fā)展到如此地步，沒有人能預(yù)測未來會發(fā)生什么，畢竟在網(wǎng)上學習交易技巧從來沒有像現(xiàn)在這么容易：機器學習軟件是現(xiàn)成的，視頻教程也只是搜索一下就可以找到。通過對潛在受害者的內(nèi)容信息進行自動編輯，網(wǎng)絡(luò)罪犯可以很快對企業(yè)或個人造成嚴重破壞。人們呼喚并且急需一種能徹底保護我們網(wǎng)絡(luò)安全的途徑。

值得慶幸的是，新興的人工智能機器學習模型為我們帶來了希望。它采用積極主動的方式，而不是傳統(tǒng)的被動應(yīng)對方式，為我們提供了抵御這些復(fù)雜威脅的更好的保護。本質(zhì)上來講，最重要的變化是在攻擊發(fā)生之前就阻止它們。在以下這些前沿領(lǐng)域，利用人工智能的預(yù)測能力和機器學習的進化能力可以讓安保系統(tǒng)供應(yīng)商和我們所有人（包括個人和企業(yè)）占據(jù)上風：

檢測和阻止被入侵的物聯(lián)網(wǎng)設(shè)備

美國思科公司（Cisco）預(yù)計，到2020年，全球聯(lián)網(wǎng)設(shè)備的數(shù)量將從目前的150億部增至500億部。由于硬件和軟件資源有限，這些設(shè)備中有很大一部分沒有基本的安全保護措施。最近針對“克雷布斯安全網(wǎng)” （Kerbs On Security）發(fā)起的大規(guī)模拒絕服務(wù)攻擊，生動地展示了被黑客入侵的物聯(lián)網(wǎng)設(shè)備的威力。

更可怕的是，用于發(fā)起攻擊的惡意軟件源代碼很快就向公眾發(fā)布，現(xiàn)在可以用來攻擊任何企業(yè)或個人。物聯(lián)網(wǎng)安全是人工智能技術(shù)最突出的領(lǐng)域之一?；谌斯ぶ悄艿妮p量級預(yù)測模型，可以在設(shè)備上或網(wǎng)絡(luò)上實時檢測和阻止可疑活動，即使在低計算能力的設(shè)備上也可以自主駐留和操作。

防止惡意軟件和文件的執(zhí)行

基于文件的攻擊仍然是主要的網(wǎng)絡(luò)攻擊載體之一。用于網(wǎng)絡(luò)攻擊的最常見的文件類型是可執(zhí)行文件（.exe）、PDF文件和MS Office文件。

只需在一行代碼中進行很小的更改，就可以生成具有相同惡意目的但簽名不同的新惡意文件。它在行為上的小變化欺騙了基于遺留簽名的反病毒程序，以及更高級的基于啟發(fā)式的高級端點檢測和響應(yīng)（EDR， Endpoint Detection and Response. 譯者注。）法，甚至網(wǎng)絡(luò)級的解決方法，比如沙盒技術(shù)。

提高安全運營中心的運營效率

安全團隊的一個關(guān)鍵問題，是每天接收到的安全警報過多而導致警報疲勞。在北美的企業(yè)平均每天都要處理10000個安全警報！在許多情況下，警報疲勞會使得惡意攻擊信號會逃離雷達范圍，盡管它已經(jīng)被標記為可疑信號。這就需要通過運行多個信息源之間的高級關(guān)聯(lián)，將內(nèi)部日志記錄和監(jiān)控系統(tǒng)與外部威脅情報服務(wù)集成起來，對事件進行自動分類。這一網(wǎng)絡(luò)防御的前沿技術(shù)是非常熱門的，因為它解決了大型企業(yè)運營自己的安全操作中心（SOC，security operating center. 譯者注。）的問題。

量化網(wǎng)絡(luò)安全風險

量化一個組織的網(wǎng)絡(luò)風險是具有挑戰(zhàn)性的，主要是因為缺乏歷史數(shù)據(jù)和需要考慮大量的變量?，F(xiàn)在對量化風險感興趣的組織（和評估這些組織的第三方，如網(wǎng)絡(luò)保險公司）必須經(jīng)過一個漫長乏味的網(wǎng)絡(luò)風險評估的過程，主要是基于問卷調(diào)查，看看有沒有符合可用網(wǎng)絡(luò)安全標準的定性措施，以及一個組織的管理和風險文化。而這種方法遠不足以真實地反映目前網(wǎng)絡(luò)風險的嚴峻態(tài)勢。人工智能技術(shù)能夠處理數(shù)以百萬計的數(shù)據(jù)點并生成預(yù)測，這可能是組織和網(wǎng)絡(luò)保險公司獲得最準確網(wǎng)絡(luò)風險估計的成功途徑。

網(wǎng)絡(luò)流量異常檢測

由于每個組織都有其獨特的流量行為，因此檢測可能代表惡意活動的異常流量是一個巨大挑戰(zhàn)。要想找到協(xié)議之間的關(guān)聯(lián)，而不依賴于侵入性的深層數(shù)據(jù)包檢查，需要分析來自內(nèi)部和外部網(wǎng)絡(luò)流量的無數(shù)個元數(shù)據(jù)之間的數(shù)千種關(guān)聯(lián)。

惡意手機應(yīng)用程序檢測

愛立信公司（Ericsson）表示，全球范圍內(nèi)的智能手機已超過25億部，預(yù)計到2020年將達到60億部。應(yīng)用程序安全公司“Arxan”的研究顯示，在iOS和Android系統(tǒng)排名前100位的應(yīng)用程序中，56%的iOS應(yīng)用程序和100%的Android應(yīng)用程序曾經(jīng)被黑過。兩家領(lǐng)先的應(yīng)用程序商店“谷歌Play”和蘋果應(yīng)用程序商店（Apple app Store）的可用應(yīng)用程序都突破了200萬大關(guān)，這突顯出對手機應(yīng)用程序進行高度精準自動分類的必要性。這種分類方法必須對最細微的混淆技術(shù)十分敏感，從而區(qū)分惡意應(yīng)用程序和綠色應(yīng)用程序。這一任務(wù)可以交付給有著先進的、最前沿的分類能力人工智能技術(shù)。

人工智能和機器學習具有如此強大的功能，并不意味著我們可以高枕無憂了。正當企業(yè)和政府當局開始了解人工智能和機器學習在保護他們方面將發(fā)揮的作用時，犯罪分子也在使用同樣的工具來繞過防御。模仿人類行為并試圖戰(zhàn)勝防御的人工智能攻擊，將是好人與壞人之間人工智能之戰(zhàn)的開始。為了提供足夠的保護，機器學習模型對威脅的檢測和反應(yīng)必須更快。技術(shù)的進步使得安全系統(tǒng)的崛起成為可能，這些系統(tǒng)總是在學習、適應(yīng)和尋找新的方法來快人一步地掌握那些現(xiàn)在沒人掌握的攻擊手段。

人工智能的攻防之戰(zhàn)不斷展開，在網(wǎng)絡(luò)上關(guān)于它的負面評論也漸漸浮現(xiàn)。有些人們抨擊人工智能的“黑暗面”，認為沒有人工智能就不會有網(wǎng)絡(luò)攻擊。盡管人們很容易將威脅的規(guī)模歸咎于科技發(fā)展，但我們要記住，人工智能只能執(zhí)行其人類主人為其編寫的程序。所以，所謂的人工智能的“黑暗面”，只是人性中最壞方面的反映而已。不過毋庸置疑的是，我們正在進入一個新的數(shù)字時代，人工智能和機器學習無疑將重塑網(wǎng)絡(luò)安全的未來圖景。