精品国产一级在线观看,国产成人综合久久精品亚洲,免费一级欧美大片在线观看

當前位置:安全行業動態 → 正文

未來網絡戰如何打?智能機器是黑客的克星嗎?

責任編輯:editor007 作者:小小 |來源:企業網D1Net  2017-03-10 17:54:46 本文摘自:網易科技

3月10日消息,據BBC報道,在公司應對網絡襲擊的數字防御體系中,存在一個巨大漏洞。這個漏洞就是全世界都缺少熟練的技術人員,而他們在確保安全硬件運行、分析威脅以及反擊入侵者的過程中,卻發揮著至關重要的作用。安全領域的行業機構ISC2研究顯示,目前全球安全行業缺少100萬訓練有素的技術人員。而且在未來5年中,這個缺口將達到180萬人。

undefined

  圖:智能機器正幫助公司防御網絡黑客

英國道德黑客技術認證機構Crest的負責人伊恩·格羅夫(Ian Glover)表示,技術人員緊缺現象已經得到廣泛認可,由此還引發許多其他問題。格羅夫說:“人才緊缺正推動成本上升。毫無疑問,這會產生巨大影響,因為企業都在努力獲得稀缺資源。此外,這也可能意味著企業無法找到稱職的人才,因為他們總是要不顧一切地找人填補空缺。”

格羅夫警告稱,許多國家都在采取措施,希望將人們吸引向安全行業,但是這些努力還不足以彌補技術人員短缺的問題。他說:“如果你看到攻擊工具的自動化程度在提高,那么你也需要提高防御工具的自動化程度。”

在數據中“溺水”

總部位于澳大利亞悉尼的安全公司Huntsman Security創始人兼首席執行官彼得·伍拉科特(Peter Woollacott)表示,我們正向著更高自動化的方向邁進,但這種改變似乎有點兒姍姍來遲。很長時間以來,安全領域的革新似乎都以“手動”的緩慢方式進行。

分析師們認為,這些防御公司正“淹沒”在數據海中。這些數據都是防火墻、PC、入侵檢測系統以及其他設備產生的,它們會引發許多問題。安全公司Vectra Networks的首席技術官奧利弗·塔瓦克利(Oliver Tavakoli)稱,自動化并非新興事物,很早就曾被用于幫助殺毒軟件發現新出現的惡意程序。

undefined

  圖:在復雜的網絡中,人類并非總是能夠發現異常活動

但是現在,機器學習正幫助自動化走得更遠。塔拉克利說:“與人工智能相比,機器學習更容易理解、更加簡單。”但這并非意味著,它只能處理簡單的問題。機器學習的分析能力來源于算法的進化,而這些算法可以處理大量數據,并從中挑出異常或重大趨勢。日益增強的計算能力也讓這成為可能。

這些“深度學習”算法各有不同。比如OpenAI這類算法,對所有人開放。但是大多數算法都被開發它們的公司所有。規模較大的安全公司正爭相收購規模較小、但卻更加智能化的初創企業,以便迅速增強自己的防御能力。

不那么聰明

英國域名注冊商Nominet首席技術官西蒙·麥考拉(Simon McCalla)表示,機器學習已在其研發的、名為Turing的工具中證明非常有用。Turing可以從該公司每天處理的大量查詢中尋找網絡攻擊證據,包括查詢有關英國網站位置的信息。

麥考拉說,Turing曾幫助分析1月份勞埃德銀行遭到網絡襲擊過程中發生了什么,當時有數以千計的客戶無法使用該銀行服務。分布式拒絕服務(DDoS)攻擊會產生大量需要處理的數據。麥考拉說:“通常情況下,我們每秒需要處理5萬個查詢。在勞埃德銀行攻擊事件中,我們需要處理的查詢每秒超過50萬個。”

undefined

  圖:通過讓機器學習分析數據流量,可以阻止垃圾郵件發送者

一旦攻擊結束,塵埃落定,Nominet可以在2個小時內處理好相當于1天的流量。Turing吸收所有來自Nominet服務器的信息,然后利用自己學到的東西發布早期預警,警告人們對持續時間更長的攻擊做好準備。它會記錄發出查詢的被劫持機器IP地址,檢查其電子郵件地址是否有效。

麥考拉說:“大多數情況下,我們看到的防御體系都不那么聰明。”沒有機器學習的幫助,人類分析師不太可能發現攻擊,直到目標受到影響,比如銀行網站突然崩潰。分析師認為,Turing現在可以幫助英國政府維持內部網絡安全,比如阻止工作人員訪問可疑網站,避免成為惡意軟件受害者等。

混亂與秩序

還有利用機器學習分析能力的更雄心勃勃的計劃。在2016年的Def Con黑客大會上,美國五角大樓下屬軍事研究機構Darpa舉辦競賽,讓7個智能計算機程序互相攻擊,看哪個程序自我防御能力最強。贏家是Mayhem,它現在正被改造,以便能夠發現和修復代碼中的漏洞,以免被惡意黑客利用。

undefined

  圖:Mayhem贏得Darpa舉辦的競賽,找到能夠發現漏洞的智能電腦

塔拉克利說,機器學習可以將來自不同源頭的數據關聯起來,為分析師提供全面信息,以確定一系列連續事件是否會形成威脅。它通常可以了解公司內的數據流動及其低潮狀況,以及員工每天不同的作息時間。因此,當網絡黑客試圖偷窺網絡連接或進入數據庫時,這種惡意行為立即就會被發現。

當然,在龐大的網絡中,黑客也非常善于掩蓋他們的蹤跡。對于人類來說,這些“妥協式跡象”可能很難被發現。現在,網絡安全分析師只要安心靜坐,就可以讓機器學習系統緊縮所有數據,并找出未受到人類關注的嚴重攻擊跡象。塔拉克利說:“這就像正準備進行手術的醫生,盡管病人還沒有到位,但他們已經做好準備,正處于嚴陣以待的狀態。”

關鍵字:機器學習OpenAI

本文摘自:網易科技

x 未來網絡戰如何打?智能機器是黑客的克星嗎? 掃一掃
分享本文到朋友圈
當前位置:安全行業動態 → 正文

未來網絡戰如何打?智能機器是黑客的克星嗎?

責任編輯:editor007 作者:小小 |來源:企業網D1Net  2017-03-10 17:54:46 本文摘自:網易科技

3月10日消息,據BBC報道,在公司應對網絡襲擊的數字防御體系中,存在一個巨大漏洞。這個漏洞就是全世界都缺少熟練的技術人員,而他們在確保安全硬件運行、分析威脅以及反擊入侵者的過程中,卻發揮著至關重要的作用。安全領域的行業機構ISC2研究顯示,目前全球安全行業缺少100萬訓練有素的技術人員。而且在未來5年中,這個缺口將達到180萬人。

undefined

  圖:智能機器正幫助公司防御網絡黑客

英國道德黑客技術認證機構Crest的負責人伊恩·格羅夫(Ian Glover)表示,技術人員緊缺現象已經得到廣泛認可,由此還引發許多其他問題。格羅夫說:“人才緊缺正推動成本上升。毫無疑問,這會產生巨大影響,因為企業都在努力獲得稀缺資源。此外,這也可能意味著企業無法找到稱職的人才,因為他們總是要不顧一切地找人填補空缺。”

格羅夫警告稱,許多國家都在采取措施,希望將人們吸引向安全行業,但是這些努力還不足以彌補技術人員短缺的問題。他說:“如果你看到攻擊工具的自動化程度在提高,那么你也需要提高防御工具的自動化程度。”

在數據中“溺水”

總部位于澳大利亞悉尼的安全公司Huntsman Security創始人兼首席執行官彼得·伍拉科特(Peter Woollacott)表示,我們正向著更高自動化的方向邁進,但這種改變似乎有點兒姍姍來遲。很長時間以來,安全領域的革新似乎都以“手動”的緩慢方式進行。

分析師們認為,這些防御公司正“淹沒”在數據海中。這些數據都是防火墻、PC、入侵檢測系統以及其他設備產生的,它們會引發許多問題。安全公司Vectra Networks的首席技術官奧利弗·塔瓦克利(Oliver Tavakoli)稱,自動化并非新興事物,很早就曾被用于幫助殺毒軟件發現新出現的惡意程序。

undefined

  圖:在復雜的網絡中,人類并非總是能夠發現異?;顒?/p>

但是現在,機器學習正幫助自動化走得更遠。塔拉克利說:“與人工智能相比,機器學習更容易理解、更加簡單。”但這并非意味著,它只能處理簡單的問題。機器學習的分析能力來源于算法的進化,而這些算法可以處理大量數據,并從中挑出異?;蛑卮筅厔?。日益增強的計算能力也讓這成為可能。

這些“深度學習”算法各有不同。比如OpenAI這類算法,對所有人開放。但是大多數算法都被開發它們的公司所有。規模較大的安全公司正爭相收購規模較小、但卻更加智能化的初創企業,以便迅速增強自己的防御能力。

不那么聰明

英國域名注冊商Nominet首席技術官西蒙·麥考拉(Simon McCalla)表示,機器學習已在其研發的、名為Turing的工具中證明非常有用。Turing可以從該公司每天處理的大量查詢中尋找網絡攻擊證據,包括查詢有關英國網站位置的信息。

麥考拉說,Turing曾幫助分析1月份勞埃德銀行遭到網絡襲擊過程中發生了什么,當時有數以千計的客戶無法使用該銀行服務。分布式拒絕服務(DDoS)攻擊會產生大量需要處理的數據。麥考拉說:“通常情況下,我們每秒需要處理5萬個查詢。在勞埃德銀行攻擊事件中,我們需要處理的查詢每秒超過50萬個。”

undefined

  圖:通過讓機器學習分析數據流量,可以阻止垃圾郵件發送者

一旦攻擊結束,塵埃落定,Nominet可以在2個小時內處理好相當于1天的流量。Turing吸收所有來自Nominet服務器的信息,然后利用自己學到的東西發布早期預警,警告人們對持續時間更長的攻擊做好準備。它會記錄發出查詢的被劫持機器IP地址,檢查其電子郵件地址是否有效。

麥考拉說:“大多數情況下,我們看到的防御體系都不那么聰明。”沒有機器學習的幫助,人類分析師不太可能發現攻擊,直到目標受到影響,比如銀行網站突然崩潰。分析師認為,Turing現在可以幫助英國政府維持內部網絡安全,比如阻止工作人員訪問可疑網站,避免成為惡意軟件受害者等。

混亂與秩序

還有利用機器學習分析能力的更雄心勃勃的計劃。在2016年的Def Con黑客大會上,美國五角大樓下屬軍事研究機構Darpa舉辦競賽,讓7個智能計算機程序互相攻擊,看哪個程序自我防御能力最強。贏家是Mayhem,它現在正被改造,以便能夠發現和修復代碼中的漏洞,以免被惡意黑客利用。

undefined

  圖:Mayhem贏得Darpa舉辦的競賽,找到能夠發現漏洞的智能電腦

塔拉克利說,機器學習可以將來自不同源頭的數據關聯起來,為分析師提供全面信息,以確定一系列連續事件是否會形成威脅。它通常可以了解公司內的數據流動及其低潮狀況,以及員工每天不同的作息時間。因此,當網絡黑客試圖偷窺網絡連接或進入數據庫時,這種惡意行為立即就會被發現。

當然,在龐大的網絡中,黑客也非常善于掩蓋他們的蹤跡。對于人類來說,這些“妥協式跡象”可能很難被發現?,F在,網絡安全分析師只要安心靜坐,就可以讓機器學習系統緊縮所有數據,并找出未受到人類關注的嚴重攻擊跡象。塔拉克利說:“這就像正準備進行手術的醫生,盡管病人還沒有到位,但他們已經做好準備,正處于嚴陣以待的狀態。”

關鍵字:機器學習OpenAI

本文摘自:網易科技

電子周刊
回到頂部

關于我們聯系我們版權聲明隱私條款廣告服務友情鏈接投稿中心招賢納士

企業網版權所有 ©2010-2024 京ICP備09108050號-6 京公網安備 11010502049343號

^
  • <menuitem id="jw4sk"></menuitem>

    1. <form id="jw4sk"><tbody id="jw4sk"><dfn id="jw4sk"></dfn></tbody></form>
      主站蜘蛛池模板: 轮台县| 隆林| 南丹县| 四会市| 嘉祥县| 利津县| 汉沽区| 浠水县| 营山县| 淅川县| 东山县| 成安县| 岳池县| 锦州市| 阜康市| 荣成市| 浦北县| 金乡县| 武隆县| 滦南县| 安徽省| 塔城市| 保德县| 本溪市| 吉安市| 正阳县| 竹山县| 平邑县| 桃园县| 原平市| 巴彦淖尔市| 叶城县| 全州县| 交口县| 屏南县| 海丰县| 牟定县| 桦南县| 庆元县| 嵊泗县| 漳平市|