萬物互聯(lián)時代，人工智能會成為網(wǎng)絡(luò)安全的新出路嗎？

隨著全球互聯(lián)網(wǎng)用戶的逐年遞增以及智能設(shè)備的廣泛使用，大規(guī)模普及的物聯(lián)網(wǎng)也為網(wǎng)絡(luò)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(luò)病毒攻擊事件，令網(wǎng)絡(luò)安全受到了前所未有的關(guān)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(guān)系更加緊密，網(wǎng)絡(luò)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(yīng)用不斷落地，用人工智能預(yù)測網(wǎng)絡(luò)攻擊的技術(shù)已經(jīng)出現(xiàn)，但網(wǎng)絡(luò)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(guān)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(shè)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(guān)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(yīng)用更多，但其通常是在客戶的網(wǎng)絡(luò)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(yù)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(luò)安全應(yīng)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(shè)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(fù)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(shè)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(luò)安全的應(yīng)用行不通，如果能夠用統(tǒng)計學及因果關(guān)系圖譜的方法分析信息安全事故中的潛在關(guān)聯(lián)，從而增加分析端的可解釋性，另外，適當降低算法的復(fù)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(luò)安全中的應(yīng)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(luò)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(luò)防護新時代。(來源：重慶商報）