面對計算機系統(tǒng)和網(wǎng)絡(luò)的缺陷和漏洞，黑客們找準機會實施攻擊，白帽黑客則利用黑客技術(shù)來測試網(wǎng)絡(luò)和系統(tǒng)的性能以判定它們能夠承受入侵的強弱程度。短短幾年時間，人工智能已進駐多個行業(yè)，落地無數(shù)場景。其中一些行業(yè)和場景已為大家所熟知，還有一些正在進入我們的視野，在網(wǎng)絡(luò)安全領(lǐng)域，AI“白帽”正成為網(wǎng)絡(luò)安全工程師的得力助手。

據(jù)報道，近日美國市場調(diào)研公司CB Insights發(fā)布報告預(yù)測了2019年人工智能行業(yè)的發(fā)展趨勢，其中一個趨勢便是用人工智能發(fā)現(xiàn)網(wǎng)絡(luò)威脅。

正在賦能網(wǎng)絡(luò)安全

“人工智能技術(shù)的蓬勃發(fā)展，為網(wǎng)絡(luò)安全攻防帶來的，不僅有機遇，也有挑戰(zhàn)。”北京理工大學網(wǎng)絡(luò)攻防對抗技術(shù)研究所所長閆懷志接受科技日報記者采訪時說。

先說好的一面。360安全研究院鄒權(quán)臣博士告訴科技日報記者，目前人工智能已經(jīng)應(yīng)用于惡意代碼檢測、惡意流量檢測、威脅情報收集、軟件漏洞挖掘等網(wǎng)絡(luò)安全領(lǐng)域。

“例如在惡意代碼檢測方面，人工智能通過對惡意程序的API調(diào)用序列、系統(tǒng)CPU利用率、收發(fā)的數(shù)據(jù)包等信息，自動識別惡意代碼的特征，進而判定分類。”鄒權(quán)臣介紹，相比于傳統(tǒng)的基于動靜態(tài)分析的特征檢測、啟發(fā)式檢測技術(shù)，人工智能可以大幅度提升檢測的準確率。

360安全研究院研究員張德岳介紹，在軟件漏洞挖掘方面，采用人工智能技術(shù)從漏洞相關(guān)的數(shù)據(jù)中提取經(jīng)驗和知識，并用訓練好的模型提高漏洞挖掘的精度和效率，可以緩解當前該領(lǐng)域研究遇到的一些瓶頸問題，具體應(yīng)用場景包括漏洞程序篩選、源代碼漏洞點預(yù)測等。

“人工智能在網(wǎng)絡(luò)安全領(lǐng)域的應(yīng)用日益廣泛，運用人工智能賦能網(wǎng)絡(luò)空間安全，主要體現(xiàn)在主動防御、威脅分析、策略生成、態(tài)勢感知、攻防對抗等諸多方面。”閆懷志說，其中包括采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)，來檢測入侵行為、蠕蟲病毒等安全風險源;采用專家系統(tǒng)技術(shù)，進行安全規(guī)劃、安全運行中心管理等;此外人工智能方法還有助于網(wǎng)絡(luò)空間安全環(huán)境的治理，比如打擊網(wǎng)絡(luò)詐騙。

具備明顯“過人之處”

與傳統(tǒng)的應(yīng)對網(wǎng)絡(luò)安全的方式相比，人工智能確實展示了其“過人之處”。

在閆懷志看來，人工智能方法在解決人力所不及的安全大數(shù)據(jù)統(tǒng)計和抽取規(guī)律方面具備天然優(yōu)勢，它能夠全面提高威脅攻擊的識別、響應(yīng)和反制速度，提升風險防范的預(yù)見性和準確性。特別是在異常行為檢測等應(yīng)用場景模糊的非精確識別和匹配方面，更是如此。

“人工智能針對未知威脅和攻擊的檢測也更出色。因為傳統(tǒng)的特征匹配方法對未知威脅幾乎無能為力，而人工智能方法有時不需要先驗知識，對未知威脅的檢測能力較強。”閆懷志說。

不得不說，人工智能系統(tǒng)還具備成本效益優(yōu)勢。閆懷志認為，人工智能可以在第一時間發(fā)現(xiàn)和識別預(yù)防威脅，并立即啟動應(yīng)急響應(yīng)，高效的智能檢測流程有助于減少人工參與、簡化流程、降低成本、減小損失。

“傳統(tǒng)的應(yīng)對網(wǎng)絡(luò)安全的方法依賴于人工硬編碼定義、提取特征的方式完成相關(guān)任務(wù)，而人工智能可以直接對原始數(shù)據(jù)進行訓練，從大量的數(shù)據(jù)中提取特征，自動完成分類判定的工作。”張德岳說，如此一來后者既可以提高網(wǎng)絡(luò)安全中預(yù)測、防范、檢測、銷控等各個風險環(huán)節(jié)的自動化和智能化程度，又能提升響應(yīng)速度和判定的準確率。

不能靠它包打天下

“雖然人工智能攪動了網(wǎng)絡(luò)安全領(lǐng)域的一池春水，但是應(yīng)該理性看待人工智能在應(yīng)對網(wǎng)絡(luò)安全方面的優(yōu)缺點，不能指望全靠人工智能來包打天下。”閆懷志說，人工智能在應(yīng)對網(wǎng)絡(luò)安全問題時，也有較強的局限性。

鄒權(quán)臣分析，這一方面受限于人工智能算法本身的能力。因為傳統(tǒng)的機器學習技術(shù)依賴特征提取，而算法的效果和性能又依賴識別和提取特征的準確性。深度學習具有在高維數(shù)據(jù)中自動提取特征的能力，同時面臨著持續(xù)學習、數(shù)據(jù)饑餓、可解釋性等問題。

“另一方面機器學習、特別是深度學習過分依賴數(shù)據(jù)，但在惡意代碼檢測、軟件漏洞挖掘等領(lǐng)域，目前仍然存在數(shù)據(jù)收集困難的問題，缺少較好的數(shù)據(jù)集用于訓練，影響對相關(guān)領(lǐng)域的研究。”鄒權(quán)臣補充說，另外人工智能嚴重依賴于耗費計算資源，復(fù)雜的深度學習網(wǎng)絡(luò)需要同時計算成百上千萬次的計算，需要強大的人工智能芯片計算力的支撐。

閆懷志則從不同方面總結(jié)了人工智能的不足。比如，易于忽視或者拋棄人類專家在網(wǎng)絡(luò)安全領(lǐng)域的知識和經(jīng)驗積累，對網(wǎng)絡(luò)安全的復(fù)雜應(yīng)用場景考慮不足，對于已知威脅的檢測效率遠低于傳統(tǒng)的精確特征識別方法等。

“使用神經(jīng)網(wǎng)絡(luò)和深度學習等算法，能夠較好地識別出未知攻擊威脅風險，達到‘知其然’的目的，但是這些算法通常無法揭示產(chǎn)生這種安全風險的基本機理，也就是‘不知其所以然’，從而為從源頭防御這種攻擊風險帶來極大障礙。”閆懷志說。

脆弱面帶來安全風險

人工智能在應(yīng)對網(wǎng)絡(luò)安全問題時，有時甚至會展現(xiàn)出脆弱的一面。

“一個真實環(huán)境中的人工智能系統(tǒng)，會面臨數(shù)據(jù)安全、模型/算法安全、實現(xiàn)安全等多方面的安全威脅。”張德岳告訴科技日報記者。

張德岳舉例說，在數(shù)據(jù)安全方面，在數(shù)據(jù)收集與標注時出現(xiàn)錯誤或注入惡意數(shù)據(jù)，將導(dǎo)致數(shù)據(jù)污染攻擊;在模型/算法安全方面，針對人工智能算法存在黑盒和白盒對抗樣本攻擊，可導(dǎo)致識別系統(tǒng)出現(xiàn)混亂;在實現(xiàn)安全方面，除了人工智能系統(tǒng)本身的代碼實現(xiàn)，其所基于的人工智能框架以及所依賴的第三方軟件庫中的軟件實現(xiàn)漏洞，也都可能導(dǎo)致嚴重安全問題。

“人工智能對現(xiàn)有網(wǎng)絡(luò)安全格局的影響，離不開算法、數(shù)據(jù)和計算能力3個方面，其容易遭受攻擊的弱點也來自于此。”閆懷志總結(jié)說。

對于防范人工智能的脆弱性所帶來的安全風險，閆懷志指出：首先要從體系架構(gòu)、系統(tǒng)算法容錯容侵設(shè)計、漏洞檢測和修復(fù)、安全配置等方面來增強人工智能系統(tǒng)自身的安全性;其次，要用其所長，盡量減小其暴露給外界的潛在攻擊面;最后要構(gòu)建網(wǎng)絡(luò)空間安全綜合防御體系，從安全技術(shù)和安全管理等層面來協(xié)同防范安全攻擊，間接減緩攻擊者直接針對人工智能系統(tǒng)發(fā)起攻擊以及攻擊成功的可能性。

來自360安全研究院的專家也給出多個建議，其中包括：在數(shù)據(jù)獲取過程中，要加強對數(shù)據(jù)來源的控制與過濾，在一定程度上保證數(shù)據(jù)安全可靠;在數(shù)據(jù)傳輸過程中，要使用更加安全的傳輸協(xié)議與加密算法;在人工智能系統(tǒng)的實現(xiàn)中，要保證代碼質(zhì)量并進行完善的測試，此外還要及時更新或修補框架或依賴庫中存在的漏洞等。