首頁熱門文章
真相揭秘：網(wǎng)絡(luò)安全領(lǐng)域的AI原來是這樣！
發(fā)布時間：2018-12-04 分類：趨勢研究
我們在安全產(chǎn)品宣傳中聽到的許多關(guān)于人工智能和機器學(xué)習(xí)的內(nèi)容大部分都是為了營銷，外人很難從中知道這些工具的真實能力。以下我們將為大家詳細(xì)介紹一下目前安全領(lǐng)域中人工智能和機器學(xué)習(xí)的狀態(tài)。
我們在安全產(chǎn)品宣傳中聽到的許多關(guān)于人工智能和機器學(xué)習(xí)的內(nèi)容大部分都是為了營銷，外人很難從中知道這些工具的真實能力。以下我們將為大家詳細(xì)介紹一下目前安全領(lǐng)域中人工智能和機器學(xué)習(xí)的狀態(tài)。
讓我們從破除最常見的誤解開始：企業(yè)安全軟件中幾乎沒有整合真正的人工智能（AI）。事實上，人工智能這個術(shù)語經(jīng)常被提及的原因在大程度上與營銷有關(guān)，反而跟技術(shù)本身沒有什么關(guān)系。純粹的人工智能主要是復(fù)制認(rèn)知能力。
也就是說，作為人工智能眾多子領(lǐng)域之一的機器學(xué)習(xí)（ML）反倒是被整合到了一些安全軟件當(dāng)中。但即便是機器學(xué)習(xí)這個術(shù)語，人們的態(tài)度也有些過于樂觀。目前，機器學(xué)習(xí)在安全軟件中的使用方式更像上世紀(jì)80年代和90年代基于規(guī)則的“專家系統(tǒng)”，而非真正的人工智能。如果你曾經(jīng)使用過貝葉斯垃圾郵件過濾算法，并使用過數(shù)以千計的已知垃圾郵件和成千上萬條已知的非電子郵件對其進行訓(xùn)練，那么你可能會對機器學(xué)習(xí)的工作原理有一定的了解。在大多數(shù)情況下，它們無法進行自我訓(xùn)練，需要進行包括編程在內(nèi)的人工干預(yù)以更新訓(xùn)練內(nèi)容。由于安全領(lǐng)域中存在著很多的變量和數(shù)據(jù)點，因此不斷訓(xùn)練最新的內(nèi)容并讓其行之有效是一項艱巨的挑戰(zhàn)。
盡管如此，當(dāng)機器學(xué)習(xí)使用來自環(huán)境的大量數(shù)據(jù)進行訓(xùn)練，尤其是環(huán)境中的使用者清楚自己的目標(biāo)，那么機器學(xué)習(xí)可以變得非常有效。雖然復(fù)雜的系統(tǒng)也是有可能的，但是相比廣泛的任務(wù)，機器學(xué)習(xí)在更具針對性的任務(wù)或任務(wù)集中表現(xiàn)的更為優(yōu)異。
IDC全球安全產(chǎn)品研究主管Chris Kissel表示，機器學(xué)習(xí)的優(yōu)勢之一是異常檢測，這是用戶和實體行為分析（UEBA）的基礎(chǔ)。他表示：“UEBA功能的定義為確定指定設(shè)備的收發(fā)行為是否異常?！盪EBA生來就非常適用于許多重大網(wǎng)絡(luò)安全防御行為。
在機器學(xué)習(xí)系統(tǒng)得到充分且良好的訓(xùn)練后，大多數(shù)情況下就已經(jīng)完成了對已知良性事件的定義。這使威脅情報或安全監(jiān)控系統(tǒng)可以專注于識別異常情況。如果供應(yīng)商僅使用自己的通用數(shù)據(jù)對系統(tǒng)進行訓(xùn)練，那么會發(fā)生什么情況？如果機器學(xué)習(xí)沒有足夠多的事件進行訓(xùn)練呢？亦或是用于訓(xùn)練的事件中充斥著沒有經(jīng)過識別的極值，并且這些極值還不幸成為了背景噪音中的一部分呢？用戶可能會被企業(yè)威脅檢測軟件無休止的誤報而困擾。如果沒有對機器學(xué)習(xí)系統(tǒng)進行持續(xù)的訓(xùn)練，那么你將無法享受到機器學(xué)習(xí)的真正優(yōu)勢。隨著時間的流逝，系統(tǒng)的使用效果將越來越差。
除了上述之外，機器學(xué)習(xí)還可以簡化流程并為安全運營中心（SOC）人員提供建議。這些都展現(xiàn)了以更為強大的人工智能為基礎(chǔ)的系統(tǒng)將具有光明前景。以下是它們正在發(fā)揮作用的領(lǐng)域。
針對企業(yè)安全的9大機器學(xué)習(xí)使用案例
1.檢測并阻止正在實施的網(wǎng)絡(luò)攻擊。我們無法在攻擊發(fā)生之前及時關(guān)閉入侵的漏洞，至少現(xiàn)在還沒有這種能力，但是機器學(xué)習(xí)或許能夠在用戶之前發(fā)現(xiàn)入侵跡象，然后建議采取可能的行動。Redware安全研究員Pascal Geenens說：“我們可以使用機器學(xué)習(xí)來檢測未知的DDoS攻擊的嚴(yán)重程度。與此同時，機器學(xué)習(xí)還可以提取攻擊流量的特征，并自動生成用于阻止攻擊的簽名。”
2.威脅情報。機器學(xué)習(xí)擅長分析海量數(shù)據(jù)，并對其發(fā)現(xiàn)的行為進行分類。當(dāng)它們發(fā)現(xiàn)了異常情況后會及時提醒分析人員。機器學(xué)習(xí)還是快速篩查海量數(shù)據(jù)的利器，極大地提升了系統(tǒng)的數(shù)據(jù)分析能力。飽和攻擊是不法分子常用的戰(zhàn)術(shù)，應(yīng)對這類攻擊往往都是說起來容易做起來難，然而威脅檢測系統(tǒng)越具實時性應(yīng)對措施就越有效。
3.識別現(xiàn)有漏洞、確定優(yōu)先級并幫助修復(fù)。這些應(yīng)該是所有企業(yè)的經(jīng)常性工作，但是如果有套可靠的機器學(xué)習(xí)系統(tǒng)每天都幫助你執(zhí)行這些操作，那么企業(yè)安全中最大的問題，即未修復(fù)的漏洞可能就不再那么受關(guān)注了。
4.安全監(jiān)控指跟蹤與網(wǎng)絡(luò)流量、內(nèi)部與外部行為、數(shù)據(jù)訪問以及各種功能和活動有關(guān)的信息的過程。在合理編程后，機器學(xué)習(xí)將有能力通過處理龐大的數(shù)據(jù)池來查找異常情況，因此機器學(xué)習(xí)很可能是最適合處理各種產(chǎn)品生成的日志文件和錯誤消息的技術(shù)。
5.檢測勒索軟件等惡意軟件。勒索軟件家族正在日益發(fā)壯大，而機器學(xué)習(xí)可能是目前我們手中唯一可用于對抗它們的工具，因為通過檢測勒索軟件之前用過的簽名的方式已經(jīng)無法跟上形勢變化。在追查勒索軟件中，檢測異常行為能力已經(jīng)收到了良好的效果。
6.審查代碼以查找漏洞。DevSecOps中的一句格言是“安全性也是代碼”。顯然，開發(fā)人員需要知道如何從安全角度編寫代碼，不過如今機器學(xué)習(xí)已經(jīng)可自動分析代碼查找常見的漏洞和弱點。事實上，它或許可以成為一種培訓(xùn)新開發(fā)人員的工具。
7.數(shù)據(jù)分類。為符合數(shù)據(jù)隱私和數(shù)據(jù)保護法規(guī)的要求，我們應(yīng)當(dāng)清楚需要保護的數(shù)據(jù)的特征。機器學(xué)習(xí)可用于掃描新導(dǎo)入或新生成的數(shù)據(jù)并對其敏感性進行分類，以便系統(tǒng)能夠以其需要的方式保護它們。
8.蜜罐。在這個特定的領(lǐng)域中，更接近真正人工智能的深度學(xué)習(xí)可與目前的威脅自動緩解技術(shù)聯(lián)合使用。Geenens認(rèn)為：“通過在互聯(lián)網(wǎng)上的企業(yè)網(wǎng)絡(luò)中部署蜜罐，我們能夠收集大量數(shù)據(jù)，如果其中的數(shù)據(jù)是惡意的，我們會對其進行標(biāo)記。不幸的是，經(jīng)由蜜罐檢測到的所有事件或流量實例全部是惡意的。如果我們有足夠的蜜罐和數(shù)據(jù)，那么深度神經(jīng)網(wǎng)絡(luò)將能夠創(chuàng)建一個可精準(zhǔn)檢測出攻擊行為的模型?！?
9.預(yù)測并適應(yīng)未來的威脅。一些企業(yè)目前正在研究預(yù)測性安全分析技術(shù)。目前該技術(shù)已經(jīng)展現(xiàn)出了一些商業(yè)智能前景。這種類似的機器學(xué)習(xí)技術(shù)能否被用來預(yù)測未來可能存在的漏洞和缺陷呢？現(xiàn)在還尚無定論。
探究真相
一些專家認(rèn)為，目前根本沒有任何基于人工智能的產(chǎn)品。這種說法可能有些過于武斷。人工智能可以作為一個總稱，用來表示一系列廣泛的技術(shù)，這其中包括技術(shù)層面上并不屬于人工智能的機器學(xué)習(xí)技術(shù)。在最嚴(yán)格的意義上，人工智能指具有認(rèn)知能力的計算機系統(tǒng)。Domo的CISO和SVP信任與安全部門的Niall Browne并不信任目前“基于人工智能”的安全產(chǎn)品。他說：“人工智能具有巨大的潛力，并將在未來的安全領(lǐng)域中發(fā)揮關(guān)鍵作用。盡管如此，卻很少有人在企業(yè)安全中持續(xù)部署人工智能?！?不過，他也承認(rèn)機器學(xué)習(xí)確實具備安全用途。
Browne并不是唯一對一些安全產(chǎn)品炒作人工智能概念感到厭煩的人，他的態(tài)度得到了一些人的支持。
GreyCastle Security首席執(zhí)行官Reg Harnish對此總結(jié)道：“今天，許多聲稱自己的產(chǎn)品具備人工智能功能的軟件供應(yīng)商不是想辦法使產(chǎn)品具備智能而是故意曲解原有規(guī)則?！?那么CSO/CISO應(yīng)當(dāng)如何問詢安全產(chǎn)品供應(yīng)商，才能避免被機器學(xué)習(xí)的虛假宣傳所坑騙呢？
Delphi創(chuàng)始人兼云存儲初創(chuàng)公司W(wǎng)asabi顧問Tom Koulopoulos指出，“首先要問的一個關(guān)鍵問題是：它們是如何學(xué)習(xí)的？因為你需要了解訓(xùn)練機器學(xué)習(xí)或人工智能的具體機制。其次要分別需要多少數(shù)據(jù)？再訓(xùn)練的頻率是多少？與算法的協(xié)作機制是什么？人類怎么給它們打分？機器學(xué)習(xí)或人工智能使用的是存檔的數(shù)據(jù)集還是在線數(shù)據(jù)？”
作為IEEE成員的Integral Partners公司信息安全主管Kayne McGladrey給出了如下建議，“首先要在實驗室內(nèi)的用戶環(huán)境復(fù)制品中對基于人工智能的安全解決方案展開評估。然后聘請一個聲譽良好的團隊模擬現(xiàn)實中的黑客反復(fù)嘗試突破這一環(huán)境?！?
總結(jié)
安全部門開發(fā)出了新的保護措施，網(wǎng)絡(luò)犯罪分子就開始千方百計地企圖突破它們。人工智能將會以極快的速度提升企業(yè)的防護能力。想象一下，全球的智能犯罪系統(tǒng)每時每刻都在試圖入侵銀行、醫(yī)院和能源公司。當(dāng)然，這些企業(yè)和公司中的人工智能系統(tǒng)也在時刻不停地進行工作，以阻止這些網(wǎng)絡(luò)犯罪分子。這些都是人工智能在未來需要面對的挑戰(zhàn)和機遇。
作者：Scot Finnie 曾擔(dān)任Computerworld主編，目前為自由撰稿人，擁有數(shù)十年的IT從業(yè)經(jīng)驗。
