什么是网络安全中的 AI？
AI 彻底改变了 IT 安全专家对网络安全的思考方式。较新的 AI 驱动的网络安全工具和系统能够通过快速识别行为模式、自动化流程和侦测异常，提供更好的数据保护，抵御威胁。
网络安全中的 AI
AI 驱动的网络安全可以实时监控、分析、侦测和响应网络威胁。通过分析大量数据，AI 算法能够识别出可能表明网络威胁的模式，还可以扫描整个网络的弱点，以防范常见的网络攻击。
AI 主要监控和分析行为模式。 基于这些模式，AI 可以创建基线，侦测异常行为并限制未经授权的系统访问。 AI 还可以帮助优为风险排优先序，在恶意软件攻击开始前即侦测其发生可能性。
如果实施得当，AI 可作为安全自动化的引擎，通过自动化重复性任务来释放员工的时间和资源。AI 还能通过在工作或流程中减少人为参与，降低人为错误的发生率。
AI 网络安全有何不同？
具人工智能的网络安全防护永远不会完全取代安全专家，因为在工作场所仍然需要创造性的解决问题能力和应对更复杂的挑战。然而，AI 已经在帮助人类安全专家分析海量数据，识别模式，并从中生成有价值的洞察。这些任务使用传统的安全流程可能需要数小时，甚至数周才能完成。
在 AI 出现之前，安全专家依靠基于特征码的侦测工具和系统来识别潜在的网络威胁。这些安全工具将传入的网络流量与已知威胁或恶意代码特征码的数据库进行比对。侦测到威胁后，系统会触发警报，并建议安全专家应该采取的措施来阻止或隔离该威胁。
这种基于特征码的安全方法对已知威胁尚为有效。然而，面对新的（零日）或未知威胁，基于特征码的侦测方式已经显得不足。这些工具还经常导致误报频繁，致使安全专家的努力“徒劳无功”。
传统网络安全也严重依赖手动分析。安全分析师必须手动调查安全警报和事件日志，以寻找表明是潜在安全漏洞的模式。调查日志和事件可能非常耗时，而仅依赖一名安全分析师应对，是企业无法承受的风险。
AI 能够解决传统网络安全的这些短板，甚至更多问题。随着这项技术不断趋向成熟，它将在网络安全流程和人员配置上产生深远影响。
为什么 AI 在网络安全中如此重要？
网络犯罪组织已投资于机器学习、自动化和 AI，以对组织发起大规模、针对性的网络攻击。 随着威胁数量增加以及勒索软件对网络的潜在影响持续上升，
AI 和机器学习通过处理海量数据、快速提供分析的洞察、消除日常安全警示和误报的杂讯，帮助安全分析师能与之抗衡。这大幅提升了团队的工作效率和生产力，使其在对抗网络犯罪中占据优势。
随着更复杂的攻击媒介（如多态恶意软件、脚本攻击和所谓“就地取材”攻击）的兴起，网络犯罪分子更容易绕过传统的基于文件扫描的防病毒防御措施。为应对恶意软件的进化，行为分析等更现代的侦测方法在网络安全中越来越普遍。行为分析和侦测的作法非常强大，因为所有恶意软件最终都需要表现出恶意行为才能奏效。经过充分训练的 AI 能够比人类更快地监控、侦测并响应这些恶意行为。
AI 在网络安全中的优势是什么？
当前的 AI 系统经过训练，能够侦测潜在的网络威胁，识别新的攻击手段，并保护公司敏感数据。使用 AI 驱动的网络安全工具的三大优势包括：
- 快速分析海量数据
- 侦测异常和漏洞
- 自动化重复性流程
在网络安全中，AI 的应用潜力几乎是无限的。 威胁侦测和响应的速度和准确性要尽量接近实时。 通过尽早向您的安全团队标记可疑行为，AI 可以帮助最大限度地减少勒索软件攻击的影响。此外，AI 通过自动化提高网络安全操作的效率，从而释放您安全团队的宝贵时间和资源，使他们能够专注于更重要的任务。
什么是机器学习 (ML)？
机器学习基本上专注于让机器模仿智能人类行为的能力。机器学习的引擎是数据。ML 通过数据的数学模型来帮助机器学习，无需直接的人工指导或编程。这意味着机器学习系统可以在没有人工干预的情况下，依据经验不断自我学习和改进。
虽然机器学习是 AI 的一个种类，但它和 AI 并不完全相同。ML 是具备自我学习和自动适应能力的 AI，且需要很少的人工干预或编程。
什么是深度神经网络？
深度学习是一种更精细的 ML种类，它利用神经网络模仿人脑的学习过程。神经网络运用机器学习和 AI，来教会机器如何以受人脑启发的方式处理数据。神经网络类似于人脑，由多个功能层组成。在这些层中，某些行为、任务或过程会触发机器的特定响应。神经网络内有的层数越多，响应就越具表现力、越精细。
具有多个隐藏层的神经网络称为深度神经网络。神经网络算法的设计是，通过预测解决方案和基于以往迭代和经验得出结论，来遵循预设规则列。深度神经网络创建一个自适应系统，使机器能够从错误中学习并不断改进。深度神经网络能解决传统机器学习无法应对的复杂问题，例如更准确地汇总文档或识别人脸。
AI 在网络安全中面临哪些风险？
AI 作为一项技术仍处于起步阶段，这一点非常重要。 AI 仍然需要人工干预，不仅要训练 AI 引擎，还需要在引擎出错时进行干预。AI 驱动的安全系统依赖于从历史数据中学习的机器学习算法。这可能导致当系统遇到不符合现有模式的新型未知威胁时出现误报。另一个日益严重的问题是，黑客可能利用 AI 作恶意用途，比如生成逼真的钓鱼邮件，甚至创建恶意软件。
在网络安全中应用 AI 需要哪些技能？
AI 和网络安全的互联比以往更加紧密。具备这两个领域的技能的人才在今天非常抢手。企业和技术公司正在寻找既懂网络安全又懂 AI 的人，足以了解何时以及如何将 AI 技术应用于网络安全工作流。拥有网络安全背景的数据科学家、分析师和工程师是不可或缺的。这些职位需要在机器学习数据建模、深度神经网络、语言建模和行为分析等领域拥有相关的教育背景和经验。此外，还需对网络安全原则有深入理解。AI 网络安全专家必须在网络安全、计算机鉴识和密码学、恶意软件侦测和防御，以及数据保护等领域拥有扎实的知识。
AI 如何提升托管式侦测与响应 (MDR)？
对全天候安全运营的需求已变得越来越迫切。然而，现代操作环境的复杂性以及网络威胁进入环境的速度，使得大多数组织几乎无法独自成功地管理威胁侦测和响应。这正是托管式侦测与响应发挥作用的地方。
AI 和 ML 已经在改变安全运营中心 (SOC) 提供托管式侦测与响应 (MDR) 服务以及其他托管安全服务的方式。通过利用这些技术，SOC 正在增强其 MDR 能力，提高运营效率，并在面对不断演变的网络威胁时展现出更强的韧性。AI 能通过处理更多繁重的 24/7 全天候的威胁侦测和分析工作，帮助提升 MDR 的速度和准确性。
以下是 AI 在 MDR 领域已经带来的四个关键正面影响：
1. 威胁捕猎和威胁情报
深度神经网络可以训练机器去侦测和识别恶意软件等威胁。AI 能从组织的多个数据源中收集、处理和补充威胁信息。它还能将这些数据进行关联和整合背景信息，生成威胁侧影档案，按指标量度，甚至识别新兴的威胁。AI 还支持主动威胁捕猎，安全专家可以利用高级分析和自动化技术在环境中寻找隐藏的或未知的威胁。
2.SOC 操作
MDR 提供商看到利用 AI 来优化 SOC 的整体表现和运营效率的庞大潜力。例如，托管式安全服务提供商可以监控和评估 SOC 的关键绩效指标 (KPI)，如安全警报量、响应时间、解决率和客户满意度。AI 能够帮助识别和解决 SOC 流程、工作流和工具中的安全落差、运营瓶颈或低效问题。
3.网络安全培训与发展
AI 能够评估和提升 SOC 分析师的相关技能、知识和能力。由于 AI 能不断学习和改进，MDR 厂商可以为员工定制个性化的学习路径。此外，组织可以设计并提供真实且易于投入的安全培训场景、模拟和演练。
4.安全创新
AI 的持续改进的核心任务使其尤其适合推动安全创新。如今的 SOC 必须迅速适应和升级能力以应对不断变化的客户需求和永不停下的威胁态势通过使用 AI 和 ML，MDR 提供商可以保持 SOC 的领先地位，从而降低风险。
在可见未来的安全运营中心 (SOC) 中，经过大规模用户行为数据训练的 AI 将融入 SOC 的工作流，从而提升安全性和操作效率。AI 将成为安全运营专家的宝贵工具，帮助他们实时识别威胁。
AI 在网络安全中的关键作用
Sophos 人工智能部门成立于2017年，专注于为网络安全领域开发创新的数据科学和机器学习技术。Sophos X-Ops 团队由经验丰富的数据科学家、工程师和安全专家组成，致力于机器学习、大规模科学计算架构、人机和 AI 的互动和信息可视化等领域。AI 正推动机器学习的边界，力求发现威胁，保护您的系统、数据和应用程序。了解如何利用 AI 更好地保护您的组织，抵御未来的网络攻击。
相关安全话题：什么是高级持续性威胁 (APT)？
