未來人類或?qū)⒁揽咳斯ぶ悄芗訌娋W(wǎng)絡安全保護

　　北京時間11月24日消息，據(jù)外媒報道，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域，但網(wǎng)絡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)以及我們個人在應對網(wǎng)絡襲擊中占據(jù)上風。下面，我們就來共同盤點眼下AI網(wǎng)絡安全創(chuàng)新的六大關鍵領域。

　　偵測并阻止黑客入侵物聯(lián)網(wǎng)設備

　　據(jù)思科預測，到2020年全球聯(lián)網(wǎng)設備數(shù)量將從今天的150億部上升到500億部?？墒?，由于受到軟硬件資源限制，許多聯(lián)網(wǎng)設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技術得到發(fā)展的最突出領域之一。輕量級的AI預測模型可以在性能較差的設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技術解決物聯(lián)網(wǎng)安全挑戰(zhàn)，其中較為知名的包括CyberX、PFP Cybersecurity和Dojo-Labs等。

　　預防惡意軟件和文檔的運行

　　基于文件的網(wǎng)絡攻擊依然是最主要的網(wǎng)絡襲擊方式。在這種網(wǎng)絡攻擊中，最容易成為攻擊目標的文件包括executables （.exe）、Acrobat Reader （.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的解決方案，而如今最致命的就是網(wǎng)絡及解決方案沙箱。

　　有幾家初創(chuàng)企業(yè)正嘗試利用AI應對這個問題。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)的領導者包括Cylance、Deep InsTInct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的監(jiān)控系統(tǒng)緊密配合，對所有事件進行自動分類。

　　該領域現(xiàn)在已經(jīng)成了網(wǎng)絡安全的大熱點，大企業(yè)可以借助該技術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)絡風險的企業(yè)來說，它們必須經(jīng)歷繁瑣的網(wǎng)絡風險評估程序。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)絡安全標準。不過要想應對真正的網(wǎng)絡風險，這種方法是遠遠不夠的，這時AI 技術就可以派上用場了。

　　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，同時生成預測，幫助企業(yè)和網(wǎng)絡保險公司獲得最精確的網(wǎng)絡風險評估。多家初創(chuàng)企業(yè)正在參與此類研究，包括BitSight和Security Scorecard等。

　　網(wǎng)絡流量異常檢測

　　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)絡流量中無窮無盡的元數(shù)據(jù)相關性，AI技術就能檢查異常網(wǎng)絡流量。專注于該領域的初創(chuàng)企業(yè)包括Vectra Networks、DarkTrace和BluVector等。

　　惡意移動應用的監(jiān)測

　　愛立信公司預測，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大應用的研究，研究公司 Arxan research發(fā)現(xiàn)56%的應用都被黑客光顧過。眼下，Google Play與App Store兩大應用店的可用應用都已經(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，以便判斷應用是否有惡意因子，而AI是最好的分類助手。眼下開發(fā)該技術的公司包括Deep InsTInct、Lookout Mobile Security和Checkpoint等。（編譯/呂佳輝）