在数字时代，人们和组织必须做出的最重要的决定之一就是安全问题。网络威胁变得越来越复杂，而风险管理方面更普遍的策略却未能跟上。引入人工智能驱动的网络安全——这是网络安全领域的一个革命性概念，它利用人工智能来改善监视、屏蔽和预见网络犯罪。

认知计算和人工智能在网络安全领域的融合

从历史上看，全球网络安全概念发生了巨大变化。在安全发展模式的早期阶段，安全被视为被动的，并且致力于“在威胁发生后应对”。在新技术时代，特别是随着人工智能的融入，与之前提到的被动策略相比，这种策略类型更加主动。基于人工智能的网络安全解决方案，可以以任何人类系统无法做到的方式进行检测、学习和响应。

谈到网络安全中的人工智能，很可能是在谈论一场即将发生的革命，这是由于检测网络威胁的新方法。人工智能能够搜索、理解、比较、分析和识别类别、异常值，并自动执行人类曾经参与的活动。

人工智能很有趣，其最好的部分之一是，其包括机器学习，这有助于网络安全更快、更高效。机器学习的优势在于，其可以并且将会被训练，并且会随着时间的推移、环境和威胁的变化而改进；更重要的是，与基于签名的方法不同，其具有这种能力。

机器学习在网络安全中的一些应用包括：

异常检测：机器学习可以通过确定违反预定义模式的典型使用或行为来帮助识别安全威胁，并通知安全人员。 

恶意软件分析：机器学习还可以分析恶意软件或软件，可能是病毒、勒索软件或间谍软件，以及软件的来源、目标和含义。

威胁情报：其可以从博客、论坛、社交媒体网络、“暗网”或任何其他来源获取信息，并将其提炼为一组有关潜在的新威胁或现有威胁的情报报告。

人工智能可以更有效地检测威胁，并保护数据和网络免受网络威胁，正在成为信息安全的前沿解决方案。

网络安全检测中的人工智能

检测通常被视为网络安全的第一层，因为其有助于识别威胁和潜在的安全漏洞。人工智能通过使用机器学习技术分析来自网络流量和用户活动的数据的机制来提高这种能力，目的是识别黑客攻击导致的行为异常。

与已经识别出所需威胁模式和框架的传统方法不同，人工智能可以借助其识别的异常信息模式，向组织通报任何新的或正在出现的威胁。

预防是遏制网络空间威胁的第一步。检测到威胁后，可以通过人工智能触发的对策消除威胁，例如隔离受影响的网络或设备，并修补其他漏洞。通过观察与用户的交互，人工智能模式可以改进其保护步骤或预防程序，绝不让攻击者有机可乘。

预测过程需要根据当前趋势和过去信息，对未来威胁和风险采取预测行动。在这一领域，如果使用预测分析来确定袭击可能发生的地点和方式，人工智能可以再次表现出色。其还有助于在被认为处于危险中的脆弱区域建立防御，并有助于合理分配资源。

克服道德困境

人工智能承诺提供坚不可摧的防御。但这也有一个问题，尽管这次是道德问题。我们不能与朋友或家人分享密码，甚至不能让别人在未经许可的情况下使用自己的账户。从本质上讲，我们能否在不侵犯隐私权或加深与我们自己创造的安全系统纠缠的情况下，负责任地保护我们的虚拟环境？这是一个无法轻易回答的问题，尽管它相当重要。

隐私问题：虽然人工智能必须能够检测到此类威胁，但我们必须知道何时注意危险，以及何时开始收集信息，而这个问题引发了隐私方面的担忧。其要求公开数据、数据的使用和返回，并授权用户控制这些信息。问责制：虽然人工智能可以快速做出决策，但当事情没有按预期完成或组织失败时，谁来负责？我们能否将这些可能致命的错误的责任重新归咎于算法？在人工智能的开发和使用中建立结构，对于规划如何创建更负责任的人工智能非常重要。偏见：如果训练数据集本身就带有偏见，那么人工智能也会对某些人群产生某种偏见。从这个角度来看，我们必须从一开始就避免自满，并明确密切关注用于识别训练数据的标准，更不用说从一开始就制定措施，以防止歧视的可能性。

不能像往常一样忽视这些问题或不采取行动应对这些问题。有一些重要的话题是禁忌的，但人工智能需要公开讨论，以便人们能够做出理性的决定，并根据这些技术制定具体的行为准则。这将是人工智能在不违背我们的原则的情况下，帮助人们在数字领域生活得更安全的唯一途径。

人工智能驱动的网络安全挑战

与任何其他网络安全方法一样，在网络安全中使用人工智能也存在一些限制。人工智能驱动的网络安全虽然具有变革性，但也带来了组织必须应对的若干挑战和限制：

1、恶意使用人工智能：

对抗性人工智能：攻击者可以开发更好的人工智能类型，这使得现有的恶意软件几乎不可能被检测到。人工智能攻击：黑客可以使用人工智能来扩展其攻击的控制和协调，并将所选的攻击类型升级到更大的维度。

2、误报和漏报：

误报：这是因为人工智能系统会迅速将某种行为归类为恶意行为，而在现实世界中，这种行为是无害的；因此，在检测到真实行为之前，可能会耗费大量资源。这反过来会阻碍业务运营。错过的威胁：另一方面，人工智能可能无法识别真正的威胁，这使得人工智能模型难以从数据中学习并DPR等法律要求。

3、数据隐私问题：

敏感数据暴露：人工智能系统根据大量数据做出决策，这种未经授权的行为可能引发隐私侵犯的担忧。合规风险：使用人工智能来支持安全解决方案的组织必须满足GDPR等法律要求。

4、偏见和歧视：

固有偏见：已经确定人工智能模型会从数据集中学习以做出决策，因此，如果数据集中存在偏见，那么模型也会看到。不公平的分析：由于收集的数据可能存在偏见，人类行为可能会被人工智能视为恶意的。

5、复杂性和管理：

复杂的集成：将人工智能集成到网络安全环境中，可以防止在细化和成本方面的各种挑战。技能差距：缺乏精通人工智能和网络安全的人才。因此，负责管理和维护人工智能工具的人才稀缺。

6、对质量数据的依赖：

数据质量：尽管当今的数据科学能够构建令人印象深刻的人工智能模型，但重要的是要知道，这些模型的准确性取决于其所提取的数据。不准确的信息可能导致决策措施不足以应对安全威胁。数据中毒：将安全威胁的线索结合在一起，攻击者可以更改输入人工智能模型的数据，从而破坏安全系统。

7、道德和法律影响：

自主决策：在人工智能的帮助下做出决策的系统中，实际的法律效果也会影响并冒着损害和违规的风险。问责问题：如果人工智能在分配资源时做出错误决策，那么谁应该负责这个问题非常常见，因此问责成为一个问题。

8、不断演变的威胁形势：

保持同步：本质上，计算机当前最容易受到攻击，必须不断学习和更新才能适应当前的威胁。资源强度：然而，持续学习需要相当大的计算能力来执行各种计算，而且通常成本很高，并非所有组织都能负担得起。

9、人工智能系统本身的安全性：

攻击目标：还应注意，包括人工智能系统在内的每种技术都很容易受到网络威胁，从而破坏其所提供的安全性。内部威胁：例如，恶意员工可能会决定“劫持”人工智能系统并更改其参数，甚至完全删除。

总结

基于人工智能的网络安全，标志着应对网络威胁的重大进步。人工智能提供了一套完整的安全解决方案，能够适应不断变化的网络危险性质，因为其结合了识别、预防和预测能力。尽管存在一些障碍，但人工智能在网络安全方面的优点是显而易见的；因此，其成为保护我们数字世界的必要措施。

人工智能驱动的网络安全未来潜力巨大。只要技术进步，安全系统就会更加先进和互联。量子计算的改进，也可能通过快速威胁检测和响应能力来提高人工智能的功能。

（千家网）