认识达内从这里开始

随着互联网的不断发展，人工智能技术在安全防御领域也有了突出的贡献，下面我们就通过案例分析来聊聊机器学习对网络安全的帮助作用。

1. 使用机器学习来检测恶意活动并阻止攻击

机器学习算法将帮助企业更快地检测恶意活动，并在攻击开始之前予以阻止。英国初创公司Darktrace就成功把握住了这种发展机遇，据悉，这家创立于2013年的公司已经在其基于机器学习的企业免疫解决方案(Enterprise Immune Solution)方面取得了很大成就。

Darktrace公司技术总监David Palmer介绍称，Darktrace曾利用机器学习算法帮助北美一家赌场成功检测到了数据泄露攻击，该攻击使用“联网鱼缸作为进入赌场网络的切入点。”该公司还宣称，在之前肆虐全球的WannaCry勒索软件活动中，其算法也成功防止过一起类似的攻击。

谈及感染了150个国家20多万受害者的WannaCry勒索软件，Palmer表示：我们的算法在几秒钟内，就成功地从一家国民医疗服务(NHS)机构的网络中检测出了攻击，并在该攻击尚未对该机构造成任何破坏前成功缓解了威胁。事实上，我们的客户没有任何一家受到了WannaCry攻击的伤害，甚至包括那些没打补丁的用户。

2. 使用机器学习来分析移动终端

在移动设备上，机器学习已经成为主流，但到目前为止，其大部分活动都是为了改善Google Now、苹果的Siri和亚马逊的Alexa等基于语音的体验。不过，机器学习在安全方面确实有应用。如上所述，谷歌正在使用机器学习来分析针对移动终端的威胁，而企业则在防护自带及自选移动设备上看到了更多机会。

2017年10月，MobileIron和Zimperium宣布合作，帮助企业采用集成了机器学习技术的移动反恶意软件解决方案。MobileIron表示，它将把Zimperium基于机器学习的威胁检测与MobileIron的安全和合规性引擎相集成，并作为组合解决方案出售，该解决方案将解决诸如检测设备、网络及应用程序威胁等方面的挑战，并快速采取自动化措施来防护公司数据。

其他供应商也在寻求支持他们的移动解决方案。Zimperium、LookOut、Skycure(已被赛门铁克收购)以及Wandera，一直被视为移动威胁检测和防御市场中的领军者。他们每家都使用自有的机器学习算法来检测潜在威胁。例如，Wandera推出了其威胁检测引擎 MI:RIAM，据称检测出了超过400种针对企业移动设备的SLocker勒索软件变种。

3. 使用机器学习来增强人类分析

作为机器学习在安全领域的核心应用，人们相信它可以帮助人类分析师处理安全方面的各项工作，包括检测恶意攻击、分析网络、终端防护和漏洞评估。而它在威胁情报方面发挥的作用可以说才是令人兴奋的。

例如，2016年，麻省理工学院计算机科学和人工智能实验室(CSAIL)开发出了一个名为“AI2”的系统，这是一个自适应机器学习安全平台，能够帮助分析师从海量数据中找出真正有用的东西。该系统每天审查数百万登录，过滤数据，并将滤出内容转送给人类分析师，从而将警报数量降低至每天100个左右。这项由CSAIL和初创公司PatternEx共同进行的实验表明，攻击检测率被提升到了85%，而误报率则降低了5倍之多。

【免责声明】：本内容转载于网络，转载目的在于传递信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。