文 ｜ Palo Alto 首席安全官 戴维斯
现在，世界动荡不安，这使我们可能更难找到共同利益所在。不管在虚拟空间，还是在现实世界，都存在各种各样的冲突，如果各个国家采用对抗的方式互相对待的话，整个的国际社会的各国公民都会遭殃。尽管达成共识互信越来越难，但是，却不是可望而不可及。我们需要从小事做起，积跬步，致千里，最终找到我们的共同利益，帮助达成网络安全的目标。
“新技术突飞猛进带给人类不确定性威胁和挑战”，我非常赞同这个观点。人工智能能够帮助实现有效的网络安全，对于国家来说、对于国际社会而言、对于各行各业、广大民众而言，这都是一个好消息。但是，存在各种不同类型的网络攻击者，有的是国家级别的攻击者，有的是非国家、非政府的攻击者，有的是网络犯罪行为等，使用各种各样的技术，例如，改变恶意软件的特定文件，对域名进行硬编程，以实现网络攻击的多样化。同时，攻击者还会使用一系列新的工具包，以此实现对网络目标实施攻击，而且，会想尽一切办法逃避检测。另一方面，在使用人力的方式检测这些网络攻击时，“他们”已经开始使用集成化的技术。
现在，传统的监测的方式容易导致一些问题，为解决问题，还需要投入更多的人力，也需要借助人工智能的力量打击网络攻击。使用机器学习、人工智能等技术，更快地识别阻止攻击，不断地根据新的数据更新应对方法。现在，恶意软件的数量非常多，如果纯靠人力，根本没有办法应对。使用机器学习，能更好主动地监测恶意攻击。同时，人工智能和机器学习的技术也在不断进步，甚至从未出现过的攻击形式也可以通过机器学习探索，而不是依靠人工的方式，这能让整个流程简化，在抵抗潜在攻击的同时，无需增加人数。所以，这是非常有竞争力的一种应对方法。
机器学习和传统编程有什么区别？传统的编程是程序员为了解决问题写一个程序，然后注入大量数据进行运算，最终得出结果。问题是，写程序可能很难，而且不精确，耗费的时间长。机器学习使计算机能够在没有编程的情况下主动识别特定的模式。机器学习，首先要有数据，得到结果，然后，进行数据分析和计算，最后，才会生成整个程序。
对于攻击者来说，需要经过一个流程，最终才能够完成攻击。通过“预计算学习架构”这样一种架构，首先去识别一系列的协议，设备的IP地址，或者其他的证书等，然后识别用户的类型、服务器的类型等。这些都没有办法进行配置，但是，机器学习却能够做到。配置不可能是单一的，需要根据过往数据的活动进行配置，这就是时间的配置。随着时间的演进，内容会不断更新和变化，用户的活动也会不断变化和更新，这些对监测都非常重要。有了这样的方法，监测不再是不可知、不可达到的目标。通过自动化的方式，能够以预计算的手段完成对意向的监测。
而且，整个检测不断精益求精，在不同的检测器之间进行连接，同时，能够跨越不同的检测器的种群，识别可能出现的攻击，进行平行的检测。整个检测的基础和调查的基础都是自动化，以及先进的软件分析，分析大量的数据。这些数据需要长时间才能收集完整，需要网络、用户、终端，还有各种各样不同应用的技术。
有了AI、机器学习，就让网络空间战变得易守难攻。应该把网络空间变成防守的武器，把防守的防线加强、加高。甚至，可以做一个防卫系统。如果攻击变得更容易的话，我们的防线就不堪一击，所以，我们要做好防护工作。
（本文刊登于《中国信息安全》杂志2019年第9期）
声明：本文来自中国信息安全，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
