萬物互聯(lián)時代,，人工智能會成為網(wǎng)絡安全的新出路嗎,？
發(fā)布時間：2017-09-04隨著全球互聯(lián)網(wǎng)用戶的逐年遞增以及智能設備的廣泛使用，大規(guī)模普及的物聯(lián)網(wǎng)也為網(wǎng)絡攻擊者創(chuàng)造了更多機會,，回顧過去三個月發(fā)生的網(wǎng)絡病毒攻擊事件,，令網(wǎng)絡安全受到了前所未有的關注：
7月，CopyCat病毒使1400萬部安卓手機遭殃,；
6月,，Petya病毒感染全球60多個國家；
5月,，WannaCry病毒席卷全球,，至少150個國家受到攻擊。
萬物互聯(lián)時代,，內(nèi)網(wǎng)和外網(wǎng)的邊界逐漸模糊,，人們的工作和生活關系更加緊密，網(wǎng)絡泛化成為大趨勢，無形中為病毒的傳播提供了溫床,，也意味著網(wǎng)路安全將面臨著嚴峻考驗,。
隨著人工智能在各垂直行業(yè)的應用不斷落地，用人工智能預測網(wǎng)絡攻擊的技術(shù)已經(jīng)出現(xiàn),，但網(wǎng)絡安全中的威脅識別,，實際上經(jīng)歷了漫長的演進過程。
最初,，相關廠商通過黑白名單技術(shù),，對目標進行甄別，用這樣的一維特性來識別威脅,。隨后出現(xiàn)了匹配字符串這樣的二維特性,，之后是多維特性，即通過監(jiān)督程序運行,，將過程信息轉(zhuǎn)化為多維特征,，以判斷潛在威脅。但多維技術(shù)卻由于成本過高,、效率低下等致命缺點,，無法廣泛普及,。
互聯(lián)網(wǎng)發(fā)展日新月異,，基于大量設備產(chǎn)生的日志進行管理和分析的技術(shù)逐漸興起，包括關聯(lián)分析等機器學習算法也被大量推廣使用,，其中典型的兩種機器學習算法便是監(jiān)督學習和無監(jiān)督學習,。
監(jiān)督學習是一個高效的多維度特征發(fā)現(xiàn)方法，適用于惡意程序,、勒索病毒以及垃圾郵件的防治等,。但模型的新鮮度、準確率及召回率是其面臨的三大挑戰(zhàn),，意味著監(jiān)督學習并不是萬能的,。
無監(jiān)督學習則在反欺詐、態(tài)勢感知,、用戶行為分析等方面應用更多,，但其通常是在客戶的網(wǎng)絡環(huán)境中進行，更易面臨病毒攻擊,，這也成為無監(jiān)督學習的軟肋,。
機器學習的多維識別能力是其優(yōu)勢所在，但預測精度往往不盡人意,，因此需要結(jié)合其他技術(shù)綜合運用,。但人工智能可以提高在網(wǎng)絡安全應用中的分析效率是顯而易見的。在不久的將來，物聯(lián)網(wǎng)連接設備數(shù)量持續(xù)增加,，大量的信息安全隱患單純依賴人工分析必然捉襟見肘,，而對于人工智能來說，在幾分鐘之內(nèi)便可分析幾百萬條數(shù)據(jù),。
但人工智能是一把雙刃劍,，在阻擋黑客攻擊的同時，也成為黑客反攻擊的新手段,，隨著大量人工智能模型的開源,，黑客可以利用開源工具欺騙識別系統(tǒng)，未來,，隨著病毒的變種增加,、規(guī)模擴大、復制周期縮短等因素,，檢測的難度將隨之增加,。
在黑客攻擊的手段中，最令人擔憂的是對抗樣本的出現(xiàn),。由于機器學習,、深度學習的算法均依賴于數(shù)據(jù)，這也成為其缺陷,。黑客們乘機而入,，設計新的架構(gòu)生成模型，利用生成的對抗樣本來干擾機器判斷,。值得注意的是,，目前的機器學習過度依賴于數(shù)據(jù)分布，這無疑給惡意樣本的識別增加了難度,。
算法的缺陷不可避免,，但并不意味著人工智能在網(wǎng)絡安全的應用行不通,，如果能夠用統(tǒng)計學及因果關系圖譜的方法分析信息安全事故中的潛在關聯(lián)，從而增加分析端的可解釋性，另外,，適當降低算法的復雜性可有效減少數(shù)據(jù)的需求量,，為防毒過程減負,。
人工智能已經(jīng)成為新的科技浪潮,，在網(wǎng)絡安全中的應用已經(jīng)是大勢所趨，雖然目前仍存在很大改良空間,，但其未來的發(fā)展?jié)摿Σ豢上蘖?。未來，會有更多的網(wǎng)絡安全公司開始使用人工智能技術(shù),，改善安全防御體系,，開創(chuàng)網(wǎng)絡防護新時代,。(來源：重慶商報）
