Sergey Nivens / Shutterstock
保護您的數字資產是任何企業和個人的明確需要，無論您是想保護您的個人照片，公司的智慧財產權，客戶的敏感性資料，還是任何其他可能會影響您的聲譽或業務的任何東西。
即使保護網路安全的耗費已經動輒數十億美元，但網路攻擊的報導數量只增不減。 AI 的預測能力可以運用於許多領域，可以應用于安全供應商、所有用戶和企業。Yakir Golan 為讀者們總結了網路防禦創新的六個關鍵領域，雷鋒網編譯，未經許可不得轉載。
一、檢測並阻止物聯網(IoT)設備被駭客攻擊
思科公司預測，全球聯網設備的數量將從目前的 150 億部上升到 2020 年的 500 億部。由於硬體和軟體資源有限，很多設備沒有基本的安全措施。最近，駭客入侵知名安全博客 KerbsOnSecurity 的物聯網(IoT)設備，使得 KerbsOnSecurity 遭受了大規模分散式拒絕服務攻擊。更可怕的是，用於對物聯網發起網路攻擊的 Mirai 惡意軟體的原始程式碼公之於眾之後，使用Mirai的原始程式碼可以對任何企業或個人進行網路攻擊。
物聯網安全是 AI 技術最突出的領域之一。
物聯網為 AI 提供預測模型，可以在低計算能力的設備上自主駐留和操作，可以發現和阻止設備或網路範圍的可疑行為。
代表初創公司： CyberX，PFP Cybersecurity，Dojo-Labs 。
二、防止惡意軟體和檔攻擊
基於檔的攻擊仍然是最主要的網路攻擊方式之一。 最常見網路攻擊的檔案類型是可執行檔（.exe），Acrobat Reader（.pdf）和微軟 Office 文件。單行代碼中的微小變化可以生成新的惡意檔。新的檔具有相同的惡意意圖，但具有不同簽名的。 單行代碼的小改變觸發防毒程式，並啟動更先進的高級端點檢測和 EDR 甚至網路系統來解決惡意的網路攻擊。
有一些初創公司利用 AI 來解決這個問題。公司利用 AI 的巨大功能，查看每個可疑檔中數百萬的特徵，甚至可以檢測出最輕微的代碼改變。
代表初創公司： Cylance，Deep Instinct 和 Invincea 是基於檔的 AI 安全體系的領導者。
三、提高安全運營中心的運營效率
安全團隊面臨著一個關鍵的問題，每天收到過多的安全警報會帶來警報疲勞。 據統計，北美企業平均每天處理近 1 萬個安全警報。在許多情況下，儘管被標記為可疑的惡意軟體也可能成為漏網之魚。
人工智慧可以將多個資訊源之間的內部日誌和具有外部威脅情報服務的監視系統的資訊進行集成，對其中高度相關的事件進行自動分類。
這個網路防禦是最近的熱點，因為它解決了擁有自己的安全操作中心（SOC）的大型企業的網路安全問題。
代表初創公司：Phantom，Jask，StatusToday 和 CyberLytic 等初創公司採用的就是這種 AI 技術以解決這種威脅。
四、量化風險
對企業面臨的網路風險進行量化，是具有挑戰性的。主要是由於缺乏歷史資料，而且需要考慮大量的變數。 如今，有意量化自身面臨風險的企業以及希望評估這些企業的協力廠商，例如網路保險公司，必須經歷繁瑣的網路風險評估過程。風險評估主要通過調查問卷，調查企業採取的措施是否符合網路安全標準，以及企業的治理和風險意識。 但其實這種方法不足以真正代表企業的網路風險狀態。
AI 技術可以處理數百萬個資料點並產生預測的能力，這為企業和網路保險公司獲得最準確的網路風險估計。
代表初創公司：BitSight 和 Security Scorecard 等初創公司正在進行這項研究。
五、檢測網路流量異常
對可能指示惡意活動的異常流量進行檢測，這無疑是巨大的挑戰，因為每個企業都具有特殊的流量行為。
通過跨協議相關性，而不依賴於侵入式深度包檢測，需要分析內部和外部網路流量中無盡的中繼資料之間的相關性。
代表初創公司：Vectra Networks，DarkTrace 和 BluVector 。
六、檢測惡意移動應用
目前智慧手機在全球範圍內已經超過 25 億台設備，愛立信公司預測，到 2020 年將達到 60 億部。通過查看流行的 100 個 iOS 和 Android 應用程式，Arxan 的研究顯示，56％的 iOS 應用程式和 100％的 Android 應用程式都曾經遭受網路攻擊。
事實上，Google Play 和蘋果 App Store 這兩家領先的應用商店，其應用程式均已經跨越了 200 萬大關。這些移動應用程式需要被精確地自動分類。
這種分類方法必須對最輕微的混淆技術敏感，能夠區分惡意和良性的應用程式，而通過使用先進的 AI 技術可以有效地進行分類。
代表初創公司：Deep Instinct、Lookout Mobile Security 和 Checkpoint 。
via
venturebeat