隨著互聯網發展的不斷全面化，涉及的深度也在一步步加深。而相應的，互聯網安全威脅也變得前所未有的廣泛，網羅攻擊手段層出不窮，相應的解決方法卻并沒有得到很好的提升。歸根結底，變化過快的安全形勢讓人感覺措手不及。
人力有時盡？試試AI吧
而換言之，人類的應變能力固然是有限的，我們無法預測互聯網的安全變化情況也無法得知下一步要如何防范。但是大數據和人工智能卻未必做不到。隨著越來越多的安全威脅出現，廣泛的研究預防和檢測計劃在全球范圍內都已經在進行。
以萬變應千變
由于現階段，我們所面臨的最大安全威脅多來自于新興的在線安全威脅。以往基于簽名或者規則來進行檢測的方案對于傳統安全問題的結構、來源或者操作可以檢測得知，但是對新興網絡威脅的防御效果則要差很多。
而如果采用手動識別新的攻擊和偽裝手段，不僅耗時耗力，效果也不盡良好。而目前全球范圍內最看好的識別方法莫過于人工智能。
人工智能包羅萬象，涉及網絡安全最適用的當屬“機器學習”。由于機器學習在數據分析領域的出色表現，可以很好的隨時間推移在數據中持續學習提高。AI將可以使用這項能力幫助智能檢測安全威脅。不僅僅是傳統威脅項目，也可通過共享特征識別發現潛在的安全威脅。
這種變化在過去是不可想象的，但是我們現在基本上可以確定，將來一定會由AI來代替人類監控網絡。人類的大腦一直都是有限的，在決策過程中需要考慮的事項太多，變量也太多。
而AI則不同，AI在對網絡的監控過程中不僅僅是提供了一個工具。AI在面對大量的網絡威脅變量時能夠很好的處理和分析，以每秒數百萬條的速度處理相關記錄數據。
借助機器學習，AI安防更有一套
人工智能更強大的地方在于其可以提供精確的反饋并迅速的做出決定。但相對的，AI在根據形勢和環境做出評估決定的方面則不如人類。而目前，結合人類對情景環境意識和AI對數據處理和識別的模式是目前最為可行的一種檢測方案。
而國外的一家研究機構近日通過一項實驗也成功驗證了這種“合二為一”的檢測方法的可行性，采用了人工智能機器學習與安全分析師聯手的方式，比單純的AI檢測錯誤率要降低了80%左右。
隨著網絡安全問題的快速發展，很多攻擊的隱身性更強，比以往更具針對性、更難回避。也正是因為如此，在網絡安全威脅的檢測中，預防檢測為主，人類辨查為輔的方式會更為合適。否則，哪些屬于合法信息，哪些屬于非法入侵很難讓AI自身完全分辨。
人與AI的聯手會更強
攻擊者可以利用竊取的憑證或者偽造的合法用戶進行系統訪問，而人類卻很難辨別出這些攻擊者與普通用戶的區別。因此，人工智能為人類所提供的檢測和反饋系統則可以幫助人類更好的做出抉擇。
那么有了人工智能的幫助，網絡安全就能夠萬事大吉了嗎？網絡安全的未來不會一帆風順。攻擊者很可能會創造更新的攻擊方法，隱藏的更深，努力避開人工智能的檢測。
聯手后，防御無懈可擊
可人工智能與以往的防御手段不同，這是一種更偏向主動的防御手段。目前的研究來看，分布式人工智能檢測方案看起來更像是人類的免疫系統，這種免疫一部分用于抵御已經解決過的安全威脅，而另一部分將用于檢測尚未發現的威脅。
而基于人工智能的安全解決方案也將會彌補以往的一些安全插件的不足，令他們重獲新生。許多研究人員聲稱在加入了人工智能后其檢測方案的正確率已經變得十分精確。也許有部分安全威脅正在試圖變化來躲避檢測，但AI的學習能力依然讓他們無處下手。
目前看來，精確度依然是人工智能的一個技術限制之一，這也使得人類和AI的合作是現階段最強防御手段。但無人能否認AI的未來，當技術更為成熟時，這部分人類的工作也許將可以完全交付給人工智能來解決。
京公網安備 11010502049343號