2021年不是網(wǎng)絡(luò)安全的好年頭。大量高調(diào)的網(wǎng)絡(luò)攻擊接踵而至,其中包括Uber、德勤、Equifax和最近臭名昭著的WannaCry勒索軟件攻擊。還記得的2018年平昌冬奧會黑客網(wǎng)絡(luò)攻擊嗎?網(wǎng)絡(luò)攻擊不斷增加的另一個可怕事實是,大多數(shù)公司和網(wǎng)絡(luò)安全行業(yè)本身尚未做好準備。安全更新和修補程序仍在更新,但攻擊數(shù)量仍在增加。AI人工智能網(wǎng)絡(luò)安全防護系統(tǒng)能否帶來理想的效果呢?
除了商業(yè)層面準備不足外,網(wǎng)絡(luò)安全力量本身也很稀缺。據(jù)估計,到2021年,全球?qū)⒂?50萬個網(wǎng)絡(luò)安全工作崗位空缺,目前員工平均每周工作超過52小時,應(yīng)對不斷出現(xiàn)的威脅并非理想情況。
考慮到目前的網(wǎng)絡(luò)安全狀況,將AI人工智能網(wǎng)絡(luò)安全防護系統(tǒng)引入混合系統(tǒng)是一個真正的轉(zhuǎn)折點。新的人工智能算法使用機器學(xué)習(ML)來適應(yīng)時代,促進網(wǎng)絡(luò)安全風險管理。但是,傳統(tǒng)的網(wǎng)絡(luò)安全協(xié)議難以檢測新一代惡意軟件和網(wǎng)絡(luò)攻擊。他們需要更多的動態(tài)方法,因為它們隨著時間的推移而發(fā)展。
在網(wǎng)絡(luò)安全方面,AI人工智能網(wǎng)絡(luò)安全防護系統(tǒng)的另一個優(yōu)勢是為員工節(jié)省了大量時間。AI系統(tǒng)可以根據(jù)威脅級別對攻擊進行分類。這需要做很多工作,但如果機器學(xué)習原理集成到系統(tǒng)中,則可以根據(jù)時間進行自適應(yīng)調(diào)整。
不幸的是,總是有一些限制,人類計算機團隊將成為解決日益復(fù)雜的網(wǎng)絡(luò)安全問題的關(guān)鍵。但是,如果我們的模型能夠有效地檢測到威脅,一些攻擊者可能會找到混淆模型的方法。這是一個叫自適應(yīng)人工智能的領(lǐng)域。攻擊者為了將該模型與所謂的專家成癮模型或機器學(xué)習成癮(MLP)混淆或關(guān)注廣泛的回避技術(shù),會檢查基礎(chǔ)模型的工作原理和功能,本質(zhì)上就是尋找規(guī)避該模型的方法。