应用智能化反抗智能化 以毒攻毒

自治恶意软件形成的破坏，或许会带来消灭性影响。

公司企业和生产者，都想能够更繁难更及时地，从越来越复杂的互联设备及网络，失掉共性化的消息及服务。这是这种需求，驱动了咱们经济的数字化转型。

访问团体及财务消息的在线设备参与，虚构及多云环境蔓延，以及万物互联的收缩——从车辆、家居、办公及工业中的IoT设备军团和关键基础设备，到智慧市区的兴起，独特为网络罪犯创立了新的破坏时机。想要取得成功的公司，不只仅须要上游生产者和雇员一步，还得走在想要应用这些新时机的立功分子前头。

黑帽智能化

网络罪犯曾经开局在其攻打战术、技术和规程(TTP)中应用智能化和机器学习了。应用智能化前端开掘消息和破绽，联合基于人工智能(AI)的剖析在后端关联盗取的结构化及非结构化大数据的攻打，曾经进入咱们的视线。此类数据密集型攻打战略的疑问，在于须要少量计算才干。为什么网络罪犯要应用盗取的云服务和公共基础设备，来动员并治理其攻打执行，精炼其恶意软件工具?这就是要素。

安保提供商和钻研人员也在用机器学习和沙箱工具剖析恶意软件。所以，网络罪犯没有任何理由不用雷同的方法来智能标定网络、发现目的、确定设备或系统弱点、执行虚构浸透测试，而后经常使用指纹识别和晒图之类的技术，建设并动员定制攻打。理想上，咱们正在见证第一波智能化发生基于此类消息的定制代码，以更高效攻打软弱目的的攻打尝试。

这并非科幻小说。数年前，多态恶意软件就曾经在用学习模型绕过安保控制了，且每天能发生百万个病毒变种。但截至目前，这些变体并不怎样上流，也不怎样受控。但是，下一代多态恶意软件，就将能够打造定制攻打，而不只仅是基于静态算法的繁难变形了。他们将引入智能化和机器学习，针对特定目的建设上千个定制攻打。

以毒攻毒

对恶意软件及网络立功技术开展的一大关键照应，就是“专家系统”的开发。专家系统，就是经常使用AI技术处置复杂疑问的一系列集成软件及经编程设备的汇合。就有专家系统经常使用常识数据库来提供倡导、启动医疗诊断，或许做出关于证券买卖的理智决策。

专家系统的成功，取决于不同系统单干处置复杂疑问的才干。它们要能够共享关键情报，允许可智能协同上班的安保架构，以甄别并阻止初级要挟。除了在通用安保协定下集成多云及移动设备，未分隔网络及不安保网络也须要同时被动监督并包全起来。这象征着，须要识别出孤立的安保设备，并用可组成更复杂更集成更智能化的系统的设备交流之。

最大的应战往往是安保中的最后一公里——找出智能化关键安保性能的志愿和方法，比如库存治理、补丁及交流、强化系统、成功双因子身份验证(2FA)。疑问就在于，该复杂、多云生态系统，以及横跨物理及虚构环境的超级集成网络，让上述基本安保操作极端难以达成。因此，经常使用集成专家安保系统和智能化环节，代替靠人工成功的日常上班及基本安保性能，就显得十分关键了。而这项上班，显然落在了AI及智能化技术上。它们须要能够做到：

未来几年，随着智能化和可作出自治或半自治决策的工具的经常使用，咱们将看到攻打界面的加长裁减。一旦AI和智能化无需人工交互就可自主开展，自治恶意软件造成的大规模破坏，就或许形成劫难性结果，终身重塑咱们的未来。

为满足这些变动的需求，安保速度及规模将要求智能化安保照应和人工智能的运行，开展并精炼自学习，以便网络可有效地做出自治决策。咱们偶然发生的网络架构，就可以被特地设计的版本所代替，不只能顶住严重继续攻打，还能智能顺应如今和未来的开展。