核心提示雖然每年都有數(shù)十億美元的資金投入該領(lǐng)域,但網(wǎng)絡(luò)攻擊事件仍然層出不窮,黑客借此也大發(fā)橫財。
11月24日,隨著互聯(lián)網(wǎng)的普及,人們的財產(chǎn)也在迅速數(shù)字化(私人照片、客戶敏感數(shù)據(jù)、知識產(chǎn)權(quán)等),這時如何保護它們就成了企業(yè)和個人的重要一課。
雖然每年都有數(shù)十億美元的資金投入該領(lǐng)域,但網(wǎng)絡(luò)攻擊事件仍然層出不窮,黑客借此也大發(fā)橫財。不過,AI的出現(xiàn)可幫了大忙,它可以讓安全廠商、企業(yè)以及我們個人在應(yīng)對網(wǎng)絡(luò)襲擊中占據(jù)上風。下面,我們就來共同盤點眼下AI網(wǎng)絡(luò)安全創(chuàng)新的六大關(guān)鍵領(lǐng)域。
偵測并阻止黑客入侵物聯(lián)網(wǎng)設(shè)備
據(jù)思科預(yù)測,到2020年全球聯(lián)網(wǎng)設(shè)備數(shù)量將從今天的150億部上升到500億部。可是,由于受到軟硬件資源限制,許多聯(lián)網(wǎng)設(shè)備都不具備基本的安全防護措施。上個月黑客針對美國的DDoS攻擊就是最好的明證,當時首先被攻破的就是一款物聯(lián)網(wǎng)攝像頭,隨后半個美國的網(wǎng)站都陷入了癱瘓狀態(tài)。
更為恐怖的是,隨著利用物聯(lián)網(wǎng)發(fā)動DDoS攻擊的Mirai原代碼被公開,此類惡意程序日益猖獗,黑客可以對任何企業(yè)或個人發(fā)動攻擊。物聯(lián)網(wǎng)安全是AI技術(shù)得到發(fā)展的最突出領(lǐng)域之一。輕量級的AI預(yù)測模型可以在性能較差的設(shè)備上自動駐留并運行,實時偵測并阻擋各種可疑行為。
眼下,多家初創(chuàng)企業(yè)正在利用AI技術(shù)解決物聯(lián)網(wǎng)安全挑戰(zhàn),其中較為知名的包括CyberX、PFPCybersecurity和Dojo-Labs等。
預(yù)防惡意軟件和文檔的運行
基于文件的網(wǎng)絡(luò)攻擊依然是最主要的網(wǎng)絡(luò)襲擊方式。在這種網(wǎng)絡(luò)攻擊中,最容易成為攻擊目標的文件包括_executables(.exe)、AcrobatReader(.pdf)以及微軟Office文件。
單行代碼中的微小改變就可以產(chǎn)生新的惡意文件,它們有相同的惡意意圖,但會留下不同的簽名。
同樣的,微小的改變也能打造簽名級別的反病毒程序或其他啟發(fā)式的高級端點檢測與反應(yīng)的解決方案,而如今最致命的就是網(wǎng)絡(luò)及解決方案沙箱。
有幾家初創(chuàng)企業(yè)正嘗試利用AI應(yīng)對這個問題。它們利用AI的巨大能力來查閱每個可疑文件數(shù)以百萬計的特征,發(fā)現(xiàn)哪怕是最輕微的代碼沖突。開發(fā)這種基于文件的AI安全系統(tǒng)的領(lǐng)導者包括Cylance、DeepInstinct和Invincea等公司。
提高安全運營中心的運營效率
對于安全團隊來說,最重要的問題之一就是每天收到安全警報溢出引發(fā)的警報疲勞。舉例來說,北美的公司平均每天都會收到至少一萬起安全警報,這讓安全團隊疲于奔命。在很多情況下,這可能令惡意軟件成為“漏網(wǎng)之魚”,盡管其已經(jīng)被標記為“可疑目標”。要想萬無一失,就需要多個信息源、集成內(nèi)部日志以及配有外部威脅情報服務(wù)的監(jiān)控系統(tǒng)緊密配合,對所有事件進行自動分類。
該領(lǐng)域現(xiàn)在已經(jīng)成了網(wǎng)絡(luò)安全的大熱點,大企業(yè)可以借助該技術(shù)保護自己的安全運營中心。一些初創(chuàng)企業(yè)正利用AI技術(shù)解決這種威脅,如Phantom、Jask、StatusToday和CyberLytic。
量化風險
如何量化企業(yè)面臨的網(wǎng)絡(luò)風險是一大挑戰(zhàn),而這主要是因為我們?nèi)狈v史數(shù)據(jù)且需要考慮的變量太多。對于急切想要量化自家網(wǎng)絡(luò)風險的企業(yè)來說,它們必須經(jīng)歷繁瑣的網(wǎng)絡(luò)風險評估程序。該程序主要依據(jù)調(diào)查問卷,看企業(yè)采取的各種措施是否符合網(wǎng)絡(luò)安全標準。不過要想應(yīng)對真正的網(wǎng)絡(luò)風險,這種方法是遠遠不夠的,這時AI技術(shù)就可以派上用場了。
借助AI的強大計算能力,我們可以實時處理數(shù)以百萬計的數(shù)據(jù)點,同時生成預(yù)測,幫助企業(yè)和網(wǎng)絡(luò)保險公司獲得最精確的網(wǎng)絡(luò)風險評估。多家初創(chuàng)企業(yè)正在參與此類研究,包括BitSight和SecurityScorecard等。
網(wǎng)絡(luò)流量異常檢測
如何檢測異常流量對安全公司來說是個巨大的挑戰(zhàn),因為每家公司都有不同的流量消耗方式。不過,通過尋找跨協(xié)議相關(guān)性,不依賴侵入性的深度數(shù)據(jù)包檢查,分析內(nèi)外部網(wǎng)絡(luò)流量中無窮無盡的元數(shù)據(jù)相關(guān)性,AI技術(shù)就能檢查異常網(wǎng)絡(luò)流量。專注于該領(lǐng)域的初創(chuàng)企業(yè)包括VectraNetworks、DarkTrace和BluVector等。
惡意移動應(yīng)用的監(jiān)測
愛立信公司預(yù)測,全世界智能手機保有量將從現(xiàn)在的25億臺升至2020年的60億臺。通過對安卓和iOS平臺上最受歡迎100大應(yīng)用的研究,研究公司Arxanresearch發(fā)現(xiàn)56%的應(yīng)用都被黑客光顧過。眼下,GooglePlay與AppStore兩大應(yīng)用店的可用應(yīng)用都已經(jīng)超過200萬個,我們需要精確的將它們分類。
而要想做好這一工作,就必須查出最輕微的混淆技術(shù),以便判斷應(yīng)用是否有惡意因子,而AI是最好的分類助手。眼下開發(fā)該技術(shù)的公司包括DeepInstinct、LookoutMobileSecurity和Checkpoint等。