当前位置:主页 > CIO > 定位 >
    人工智能安全:可靠性仍存问题 需满足四个条件
      时间:2017-02-27 16:58 作 者:

  在刚刚落幕的RSA2017上,人工智能作为一个流行的议题自然不会缺席,专家集中讨论的不仅仅是人工智能可能会如何摧毁人类的网络安全防线,还有如何利用人工智能来解决勒索软件、APT攻击等当下的一些棘手问题。这已经不是“纸上谈兵”式的理论研究,而是真正进入产品化的实践,在今年的RSA大会上,有网络安全专家就展示了机器学习分析应用,它通过机器学习处理业务数据,能逐渐去学习业务数据当中哪些业务出现异常,然后直接进行预警。

  的确,未来被颠覆的将是那些不接受“人工智能+”概念的公司,那么,在重视对人性深入研究的网络安全行业,人工智能是否能够成为主流的技术思路?

  从静态机器学习到动态机器学习 人工智能的进化

  人工智能在网络安全应用的直接动因在于网络安全形势越来越复杂,已经在很大程度上超过了人工的处理能力。例如前几年出现过一次病毒大规模爆发,每天新型病毒的新增数据甚至达到几十万个,如果还是通过传统的特征码分析处理模式,根本无法处理,而且其对人力、网络资源的损耗是惊人的,会对网络安全企业以及客户带来沉重的压力。

  在此背景下,静态机器学习的概念就应运而生。早在十年之前,像趋势科技这样的国际安全企业就开始从事这方面的研究,其方法是学习文件的机器指令,包括恶意软件的各种特征。通过这种方式,网络安全防御系统可以不用完全掌握恶意软件的特征码,而是可以通过其传播方式、攻击方式等特征来判断是不是有恶意软件的嫌疑。这样一来,就能够最大限度的提高企业的侦测率和侦测性能,还有效避免了网络防御带来的巨额资源消耗。

  亚信安全产品研发及业务发展总经理童宁说:“静态机器学习在面对未知网络安全威胁时已经表现了强大的应用潜力,特别是如今勒索软件、APT攻击更加倾向于通过‘私人定制’的方式来攻击高价值的企业目标,通过机器学习来对威胁进行提前预判无疑是最有效的方式。在亚信安全处理一个新型勒索软件样本的实例中,亚信安全使用了机器学习的手段,通过威胁样本的DNA进行特征匹配,以及热图的分析方式判断威胁的可能性95%,最终实现了对于该勒索软件的成功拦截。”

  虽然静态机器学习在对抗未知网络安全威胁时体现了高效的优势,但是其往往存在着过于敏感的缺陷,容易出现误报的情况,正常的应用或数据也可能被误判为安全威胁而遭到拦截,这对于企业的关键业务应用来说会非常致命。为了解决这一问题,动态机器学习技术也就应运而生,其会将所学习到的行为特征是放在沙箱里面进行重新分析,通过模拟真实的环境来判断软件是否真的对企业网络构成威胁,以帮助减少相关的误报。

  在综合应用静态机器学习与动态机器学习策略之后,有助于从安全威胁的下载阶段、数控阶段、数据传输、感染等不同的阶段入手,通过海量样本与安全专家的咨询意见,对网络威胁进行高效、准确的封堵。

  人工智能策略不是你想用,想用就能买

  从基本原理来看,人工智能在网络安全中的应用并不复杂,但是真正要应用于网络安全防护的实践却并不容易,甚至可能会给企业带来业务上的损失,这也成为本届RSA大会上很多专家对人工智能产生怀疑的原因。在他们看来,人工智能安全系统的可靠性仍然是一个严峻的问题,很多的问题仍然需求借助手动处理,这也使得很多人工智能策略濒临失效。

  但这并不能证明人工智能策略不能适用于当前环境,童宁认为,目前来看,要将人工智能应用于网络安全需求满足四个条件:用于网络安全分析所需要的大量数据、对网络安全特征标签的正确提取、适合网络安全场景的机器学习的算法、具有了解机器学习算法并熟悉网络安全技术的专家,只有当这四个条件同时具备的时候,才能研发出真正的帮助企业抵挡安全威胁的核心技术。

  目前,亚信安全已经确立了“3C+AI”的策略,其中“3C”包括云安全(Cloud)、APT安全战略(Cyber)和终端安全(Consumerization)战略,AI即人工智能,在人工智能安全系统方面做了很多落地的工作。在至关重要的样本数据方面,亚信安全在全球有1.5亿个相关用户,实现了最广泛产品类型的覆盖,并建立了覆盖全球的云安全智能防护网络,每天可以对文件、URL、域、漏洞等元素进行超过10亿次的查询,通过大数据分析来进行机器学习、建模、关联,快速精确分析并识别威胁。目前,亚信安全每天使用大数据分析有超过100TB,每天识别出50多万新型的威胁。

  除了借助大数据分析快速掌握大量威胁特征因子之外,亚信安全还通过500余名后台分析人员,对这些特征因子进行分析,以进一步纠正机器学习模型,在减少误报率的同时,将云端的特征码下发给本地安全产品,帮助企业用户更快速精准的定位安全威胁。

  人工智能安全系统的未来:矛与盾的较量仍会继续

  从理想状态来看,人工智能安全系统的终极形态是会“独立思考”,将安全威胁处理的步骤完全自动化,甚至可以直接代替网络安全专家的角色,但要实现这一点,大量的机器学习以及对机器学习算法的改进将不可避免。

  即使人工智能实现了进化,也可能会因此产生新的威胁,不仅网络安全企业可以利用人工智能来快速的定位威胁,黑客也可能会直接攻击人工智能系统以纳为已用,甚至会通过人工智能来发现网络中的缺陷以进行攻击,所以在可预料的未来,矛与盾的较量仍然不会结束。





发表评论

最新评论
 
 
热点文章
浏览排行