網(wǎng)絡(luò)安全可能是現(xiàn)在所有企業(yè)面臨的大威脅。盡管這不是新的挑戰(zhàn)，但是系統(tǒng)、數(shù)據(jù)、云技術(shù)、應(yīng)用程序、設(shè)備和分布式端點的激增正在加劇網(wǎng)絡(luò)安全威脅。企業(yè)必須比以往更加努力地保護自己的資產(chǎn)和客戶。而這超出了自動化響應(yīng)性措施的范圍，現(xiàn)在信息安全專業(yè)人士需要努力實現(xiàn)主動檢測，以提前避免或阻止威脅。

目前企業(yè)開始尋求AI的幫助來增強安全性和保護其業(yè)務(wù)資產(chǎn)。具體來說，當今的安全軟件使用機器學習、深度學習、機器推理和很多相關(guān)技術(shù)來審查大量數(shù)據(jù)。其目的是加快對正常與異常的了解，以檢測惡意行為和實體。

據(jù)統(tǒng)計，到2022年，全球信息安全支出預計將達到1,700億美元，網(wǎng)絡(luò)安全行業(yè)正在努力創(chuàng)建更有效、更具彈性的機制和工具。由于技術(shù)方面的進步，AI和機器學習在信息安全領(lǐng)域有4個主要用例，你可能很快會在身邊的企業(yè)中看到這些用例。

網(wǎng)絡(luò)威脅分析

現(xiàn)在企業(yè)將越來越多的業(yè)務(wù)數(shù)字化。他們更新舊的并開發(fā)新的內(nèi)部網(wǎng)絡(luò)(通常是混合網(wǎng)絡(luò))，這些龐大的網(wǎng)絡(luò)拓撲不僅復雜，而且還需要大量的網(wǎng)絡(luò)安全資源來管理所有通信、事務(wù)、連接、應(yīng)用程序和策略。

在企業(yè)規(guī)模，這意味著巨大的投資-更不用提出錯的風險。而網(wǎng)絡(luò)安全AI通過多種方式可應(yīng)對這一嚴峻的挑戰(zhàn)。重要的是，網(wǎng)絡(luò)安全AI可監(jiān)視所有傳入和傳出的網(wǎng)絡(luò)流量，以識別可疑活動并分類威脅類型。

惡意軟件檢測

惡意軟件是故意被設(shè)計為惡意的代碼或軟件類別的總稱。惡意軟件檢測已經(jīng)存在多年-通常是將可疑代碼與基于簽名的系統(tǒng)相匹配，而現(xiàn)在機器學習正在將其轉(zhuǎn)向推理技術(shù)。

在分析大量數(shù)據(jù)、事件類型、來源和結(jié)果時，網(wǎng)絡(luò)安全AI會在惡意文件被打開前檢測到惡意軟件的存在。它還可以識別新型惡意軟件，這一點至關(guān)重要，因為惡意軟件也會借助新技術(shù)不斷發(fā)展，從僵尸程序和僵尸網(wǎng)絡(luò)到惡意廣告、索軟件等。

到目前為止，我們已經(jīng)有惡意軟件和良性應(yīng)用程序的數(shù)千萬個帶有標簽的樣本，這也使得惡意軟件檢測成為網(wǎng)絡(luò)安全中深度學習和AI的最成功用例之一。經(jīng)過精心訓練的算法依賴于大型準確標記的數(shù)據(jù)集。

安全分析師能力得到增強

網(wǎng)絡(luò)安全AI最擅長管理潛在威脅媒介的數(shù)量。因此，人類分析人員仍然是控制、知識和可解釋性的重要仲裁者?，F(xiàn)在，機器學習通過兩種關(guān)鍵方式增強人類分析師的能力：

• AI自動化重復性任務(wù)。例如，它會對低風險警報或繁瑣數(shù)據(jù)填充型任務(wù)進行分類，以讓分析師去進行更高價值的戰(zhàn)略決策。
• 機器學習提高威脅情報起點。其結(jié)果是，人類分析師從更高級別的威脅入手，利用機器學習來更快分析、整理、可視化和提出潛在行動。

測試表明，理想的網(wǎng)絡(luò)安全性能或準確性，通常需要結(jié)合人類和AI -并非單靠其中一者。在未來幾年，對于安全團隊而言，增強的安全工具至關(guān)重要。實際上，市場上的某些技術(shù)已經(jīng)支持UI工具，以使網(wǎng)絡(luò)專家能夠結(jié)合新的威脅類型來重新訓練機器學習模型，并根據(jù)問題配置特定的修復程序。

基于AI的威脅緩解

網(wǎng)絡(luò)安全技術(shù)和風險與AI同步發(fā)展。如今，企業(yè)必須訓練機器學習算法以識別其他機器學習算法所進行的攻擊。例如，攻擊者被發(fā)現(xiàn)使用機器學習來識別企業(yè)網(wǎng)絡(luò)中的薄弱環(huán)節(jié)。他們利用這些信息通過網(wǎng)絡(luò)釣魚、間諜軟件或分布式拒絕服務(wù)攻擊來入侵企業(yè)。

其他威脅行為者已經(jīng)開發(fā)智能惡意軟件(甚至是人工黑客)，以針對受害者的特定情況量身定制攻擊。基于AI的攻擊證明了AI的共同價值主張：快速可擴展性、行為分析和個性化。這些功能可廣泛應(yīng)用在數(shù)據(jù)泄露、爆發(fā)或其他安全事件中。

企業(yè)和攻擊者之間的貓捉老鼠游戲代表著網(wǎng)絡(luò)安全創(chuàng)新中重要而危險的相互作用。企業(yè)利用投資進行保護仍然至關(guān)重要，尤其是在無法輕松更新或更換舊系統(tǒng)的情況下。

以上用例只是網(wǎng)絡(luò)安全AI眾多應(yīng)用中的少數(shù)應(yīng)用。但需要注意的是，在任何情況下，機器學習不是萬能解決方案，它只是一個工具。并且，請記?。翰灰獙⑺暈榫让静荩鴳?yīng)將它視為一線希望。盡管供應(yīng)商大肆宣傳，但現(xiàn)實是企業(yè)安全環(huán)境是巨大的動態(tài)網(wǎng)絡(luò)。企業(yè)必須不斷監(jiān)控、審計和更新網(wǎng)絡(luò)，以抵御持續(xù)不斷的內(nèi)部和外部威脅向量。為了定義什么是異常，首先需要定義什么是正常。這是極其困難的，因為計算和經(jīng)濟環(huán)境的變化非?？臁?/p>

傳統(tǒng)的基于簽名的威脅檢測方法(更不用提人類)有盲點，機器學習技術(shù)也有盲點。對于任何工具，明確的應(yīng)用意圖都是至關(guān)重要的，其輸出僅與數(shù)據(jù)輸入一樣好。最后，與任何行動-反應(yīng)一樣，人們也有樂觀的理由：越來越復雜的威脅正在帶來越來越先進的緩解工具。

當前文章：了解網(wǎng)絡(luò)安全AI的4個主要用例
標題鏈接：http://jinyejixie.com/news40/99740.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供自適應(yīng)網(wǎng)站、服務(wù)器托管、移動網(wǎng)站建設(shè)、品牌網(wǎng)站建設(shè)、定制網(wǎng)站、品牌網(wǎng)站制作

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)