人工智能正在改變網(wǎng)絡(luò)安全的格局。本文的優(yōu)勢表明，通過實施人工智能系統(tǒng)，組織將能夠提高檢測和響應(yīng)速度，并更積極地預(yù)測和處理新出現(xiàn)的威脅。

什么是人工智能(AI)?

人工智能是一種由機器展示的智能，而不是由人類和其他動物展示的自然智能。人工智能應(yīng)用程序可以分析數(shù)據(jù)并自行做出決定，無需人工干預(yù)。

人工智能是通過評估人腦的過程和研究人腦的模式來實現(xiàn)的。這些威脅調(diào)查導(dǎo)致了智能軟件、系統(tǒng)或人工智能解決方案的創(chuàng)建。

人工智能的基礎(chǔ)是基于所謂的人工智能圖靈測試。人工智能中的圖靈測試是一種確定機器是否能表現(xiàn)出與人類無法區(qū)分的行為的方法。如果這個問題的答案是肯定的，那么這臺機器就通過了圖靈測試，被認為是智能的。

人工智能的三個主要組成部分是:

1.人工智能學(xué)習(xí)是從經(jīng)驗中獲取新知識或技能的過程。

2.推理是從一組前提中得出邏輯結(jié)論的能力。

3.自我糾正是識別和糾正錯誤的能力。

人工智能在網(wǎng)絡(luò)安全中的作用是什么?

人工智能在網(wǎng)絡(luò)安全方面的作用是幫助組織降低入侵風(fēng)險，并改善其整體安全狀況。人工智能通過從過去的數(shù)據(jù)中學(xué)習(xí)來識別模式和趨勢，從而在網(wǎng)絡(luò)安全中發(fā)揮作用。然后，這些信息被用來預(yù)測未來的襲擊。人工智能驅(qū)動的系統(tǒng)還可以配置為自動響應(yīng)威脅，并在更快的時間內(nèi)對抗網(wǎng)絡(luò)威脅。

隨著企業(yè)攻擊面不斷發(fā)展和演變，分析和增強網(wǎng)絡(luò)威脅和網(wǎng)絡(luò)攻擊不再是人類面臨的挑戰(zhàn)。根據(jù)組織的大小，必須處理多達數(shù)千億的時變信號，以正確地計算風(fēng)險。

為了應(yīng)對這一前所未有的挑戰(zhàn)，神經(jīng)網(wǎng)絡(luò)等人工智能工具和方法不斷發(fā)展，以更有效和高效的威脅檢測和威脅消除功能，幫助信息安全團隊保護敏感信息，降低入侵風(fēng)險，改善安全態(tài)勢。

機器學(xué)習(xí)在網(wǎng)絡(luò)空間的應(yīng)用

機器學(xué)習(xí)是人工智能的一個子集，其使用算法自動學(xué)習(xí)和改進經(jīng)驗，而無需明確編程。

其主要用于網(wǎng)絡(luò)安全，有兩個目的:

①異常檢測:機器學(xué)習(xí)可用于自動檢測異常，例如異常的用戶行為或意外的網(wǎng)絡(luò)活動，這些異?？赡鼙砻鞔嬖诎踩{。例如，crowdstrike、darktrace等許多產(chǎn)品都在使用這種技術(shù)。

②分類:機器學(xué)習(xí)可以用來自動分類數(shù)據(jù)，如電子郵件或文件，進入分類(如垃圾郵件或惡意軟件)，以便更有效地處理。

人工智能/網(wǎng)絡(luò)安全難題-潛在的不利因素

我們都很贊同使用人工智能來解決安全問題。

網(wǎng)絡(luò)犯罪分子可以訓(xùn)練人工智能系統(tǒng)或?qū)㈠e誤的數(shù)據(jù)輸入到人工智能使用的數(shù)據(jù)集。這將使他們能夠創(chuàng)建更現(xiàn)實和復(fù)雜的攻擊。此外，人工智能可以用于自動攻擊，使單個參與者可以進行大規(guī)模攻擊。

人工智能系統(tǒng)也容易被所謂的“對抗性例子”所欺騙——這些輸入是專門設(shè)計用來欺騙系統(tǒng)做出錯誤分類的。例如，一個停車標志的圖像經(jīng)過輕微改動，使其不再被識別為停車標志，這可能會讓自動駕駛汽車誤以為是其他東西，比如讓行標志。這可能會導(dǎo)致災(zāi)難性的后果。

隨著人工智能在網(wǎng)絡(luò)安全領(lǐng)域的應(yīng)用越來越廣泛，考慮潛在風(fēng)險以及如何減輕這些風(fēng)險非常重要。做到這一點的一種方法是確保人工智能系統(tǒng)是“可解釋的”——也就是說，它們可以為自己的決定提供理由。這將有助于確保決策是透明的和負責(zé)任的，同時也有助于防止對抗性示例被用來欺騙系統(tǒng)。

總之，基于人工智能的網(wǎng)絡(luò)安全系統(tǒng)在幫助組織方面展現(xiàn)了巨大的潛力。然而，重要的是，要意識到潛在的風(fēng)險并采取措施來減輕。

人工智能如何用于安全?

人工智能在網(wǎng)絡(luò)安全領(lǐng)域有幾個很好的應(yīng)用案例。從研究人員或智囊團開始，這里有一個Gartner對網(wǎng)絡(luò)安全用例棱鏡的很好的例子。自Gartner的預(yù)測以來，超自動化成為了一個備受關(guān)注的話題——這意味著另一個量級的自動化將在通用的下一代人工智能系統(tǒng)的基礎(chǔ)上啟動。這涉及到將AI/ML與自動化+質(zhì)量保證相結(jié)合，以簡化警報和事件響應(yīng)工作的管理。本質(zhì)上，其將幫助企業(yè)在規(guī)模上增強無代碼或低代碼安全性，并提高業(yè)務(wù)敏捷性和DevOps策略。

以下是安全服務(wù)和云安全的適用示例列表：

1.交易欺詐檢測

2.基于文件的惡意軟件檢測

3.過程行為分析

4.異常系統(tǒng)行為檢測

5.網(wǎng)絡(luò)、域名和聲譽評估

6.資產(chǎn)清單和依賴關(guān)系映射優(yōu)化

7.賬戶收購識別

8.自適應(yīng)運行時訪問和授權(quán)

9.識別打樣

10.機器與人的區(qū)別

11.基于文本的惡意意圖檢測

12.同一人識別

13.Web內(nèi)容可視化分析

14.安全操作任務(wù)自動化

15.業(yè)務(wù)數(shù)據(jù)風(fēng)險分類

16.策略推薦引擎

17.事件關(guān)聯(lián)

18.危險情報

19.安全姿勢和風(fēng)險評分

以下是網(wǎng)絡(luò)安全領(lǐng)域的人工智能如何減少識別、檢測和應(yīng)對網(wǎng)絡(luò)安全威脅的時間的示例:

1、自動化惡意軟件檢測和預(yù)防

與傳統(tǒng)的軟件驅(qū)動或手動方法相比，人工智能(AI)和機器學(xué)習(xí)可以幫助對付網(wǎng)絡(luò)犯罪分子、自動檢測威脅并更有效地做出響應(yīng)。機器學(xué)習(xí)技術(shù)可通過結(jié)合來自主機、網(wǎng)絡(luò)和云上的反惡意軟件組件的大量數(shù)據(jù)來改進惡意軟件檢測。

以前未知的樣本可能是惡意軟件和勒索軟件攻擊檢測中的新文件，有助于終端保護機制。其的隱藏屬性可能是惡意的，也可能不是。同樣，能夠避開檢測的惡意軟件也不能保證每次都被捕獲。

這并不意味著所有的惡意軟件攻擊都能用人工智能阻止。該模型是支持數(shù)據(jù)屬性的數(shù)學(xué)結(jié)構(gòu)化規(guī)則集合。

2、網(wǎng)絡(luò)釣魚和垃圾郵件檢測

深度學(xué)習(xí)使用大量數(shù)據(jù)來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，隨后隨著時間的推移學(xué)習(xí)如何對圖像進行分類或完成其他任務(wù)。

即使對于特征相對松散的攻擊操作，深度學(xué)習(xí)模型也能獲得良好的準確率。其被用來檢測不安全的工作和其他圖像以及垃圾郵件和網(wǎng)絡(luò)釣魚攻擊。

Google利用深度學(xué)習(xí)來檢測難以檢測的基于圖像的電子郵件、含有隱藏內(nèi)容的電子郵件，以及來自新形成域的通信。這有助于檢測復(fù)雜的網(wǎng)絡(luò)釣魚攻擊，包括與垃圾郵件有關(guān)的互聯(lián)網(wǎng)流量模式。

3、更快、更準確的異常檢測-SIEM和SOAR平臺

人工智能可以近乎實時地識別網(wǎng)絡(luò)流量數(shù)據(jù)中的惡意和良性異常。通過將機器學(xué)習(xí)算法應(yīng)用于網(wǎng)絡(luò)流量數(shù)據(jù)，可以檢測到以前未知的攻擊，以及已經(jīng)修改以逃避檢測的已知攻擊。

SIEM和SOAR系統(tǒng)增加了組織的安全基礎(chǔ)設(shè)施。先進的分析方法和機器學(xué)習(xí)被用于識別警報，但這需要微調(diào)，由于誤報的發(fā)生。

SOAR是處理SIEM警告的補救和反應(yīng)的引擎。其旨在通過收集警報、管理案例和響應(yīng)SIEM永無止境的通知來幫助安全團隊自動化響應(yīng)過程。

威脅情報能力是其解決方案之一，讓安全團隊不僅可以跨計算機系統(tǒng)，還可以更深入地了解其他威脅、了解IOT設(shè)備和其他集成。

4、尋找零日漏洞

在“零日攻擊”中，犯罪分子利用一個尚未被制造商修補的軟件缺陷，用惡意軟件感染計算機。然而，人工智能目前的討論和發(fā)展可能會有所幫助。

深度學(xué)習(xí)架構(gòu)可以用于發(fā)現(xiàn)隱藏或潛在的模式，并隨著時間的推移變得更加環(huán)境敏感，這有助于識別零日漏洞或活動。自然語言處理可以掃描源代碼中的危險文件并標記它們。“生成對抗網(wǎng)絡(luò)”可以學(xué)習(xí)模仿任何數(shù)據(jù)分布，也可以在識別復(fù)雜缺陷方面有用。

5、提高檢測和響應(yīng)速度

保護企業(yè)網(wǎng)絡(luò)的第一步是檢測威脅。如果能快速檢測出不可靠的數(shù)據(jù)，那是再理想不過的事了。其將保護網(wǎng)絡(luò)免受永久損壞。

將人工智能與網(wǎng)絡(luò)安全相結(jié)合是實時檢測和應(yīng)對威脅的最佳方式。人工智能會檢查整個系統(tǒng)是否存在風(fēng)險。與人類智能不同的是，網(wǎng)絡(luò)領(lǐng)域的人工智能能夠及早發(fā)現(xiàn)風(fēng)險，從而產(chǎn)生更快、更準確的安全警報，使網(wǎng)絡(luò)安全專家的工作更有效率。

6、檢測新威脅

用于識別異常行為或活動模式的預(yù)測分析是人工智能在網(wǎng)絡(luò)安全領(lǐng)域的主要應(yīng)用之一。網(wǎng)絡(luò)犯罪分子一直在尋找利用系統(tǒng)的新方法。人工智能可以幫助識別這些新威脅，在它們造成任何損害之前。

7、減少誤報的數(shù)量

當誤報太多時，會占用原本可以用來解決實際問題的時間。但通過人工智能來識別安全事件，就可以減少誤報的數(shù)量，使團隊迅速恢復(fù)工作。

在數(shù)據(jù)科學(xué)的幫助下，人工智能可以快速分析大量事件，并識別廣泛的安全風(fēng)險，從惡意軟件到可能導(dǎo)致網(wǎng)絡(luò)釣魚或惡意代碼下載的風(fēng)險行為的威脅識別。這些系統(tǒng)隨著時間的推移而改進，利用以前的攻擊來識別當前的新型攻擊。行為歷史通過創(chuàng)建用戶、資產(chǎn)和網(wǎng)絡(luò)的檔案，來幫助人工智能識別和應(yīng)對偏離既定規(guī)范的行為。

人工智能系統(tǒng)正在接受訓(xùn)練，以檢測惡意軟件，執(zhí)行模式識別，并使用高級算法在惡意軟件或勒索軟件攻擊進入系統(tǒng)之前，檢測出哪怕是最微小的特征。

通過自然語言處理，人工智能可以通過抓取有關(guān)網(wǎng)絡(luò)危險的文章、新聞和研究，并自行整理材料來提供更高的預(yù)測智能?；谌斯ぶ悄艿陌踩鉀Q方案，可以提供有關(guān)全球和特定行業(yè)威脅的最新知識，根據(jù)最有可能被用于攻擊系統(tǒng)的內(nèi)容，而不是可能被用于攻擊系統(tǒng)的內(nèi)容，做出更明智的優(yōu)先決策。

8、檢測機器人

現(xiàn)在，機器人占據(jù)了互聯(lián)網(wǎng)流量的很大一部分，但它們可能是致命的。從使用竊取的密碼進行賬戶接管到欺詐性帳戶創(chuàng)建和數(shù)據(jù)欺詐，機器人程序可能是一個嚴重的威脅。手動反應(yīng)對于自動威脅是無效的。人工智能和機器學(xué)習(xí)可以幫助分析網(wǎng)站流量，以及區(qū)分好機器人、壞機器人和人類。

通過分析用戶行為模式，企業(yè)可以了解典型的用戶體驗是什么樣子，以及不常見的高風(fēng)險體驗是什么樣子。我們可以從這里破譯他們網(wǎng)絡(luò)通信的目的，使我們領(lǐng)先于邪惡機器人。

9、入侵風(fēng)險預(yù)測

人工智能系統(tǒng)幫助確定IT資產(chǎn)清單，這是一份完整而準確的清單，列出了對各種系統(tǒng)具有不同訪問權(quán)限的所有設(shè)備、用戶和應(yīng)用程序。現(xiàn)在，考慮到資產(chǎn)庫存和威脅暴露(如上所述)，基于人工智能的系統(tǒng)可以預(yù)測最可能被黑客攻擊的方式和地點，從而計劃將資源投入到最薄弱的位置。

這種入侵風(fēng)險預(yù)測將幫助組織隨時準備限制影響并打破攻擊鏈。此外，利用風(fēng)險數(shù)據(jù)，可以通過基于人工智能的分析，制定和修改策略和程序，以增強網(wǎng)絡(luò)彈性。

總結(jié)

顯而易見，人工智能可以成為打擊網(wǎng)絡(luò)犯罪的有力工具。通過自動化，人類安全分析師當前執(zhí)行的任務(wù)，可以減少誤報的數(shù)量，并加快檢測和響應(yīng)的過程。

更重要的是，要意識到與使用人工智能相關(guān)的潛在風(fēng)險，并采取措施減輕它們。