（文章來源：36氪）

從某種意義上說，人工智能對網絡安全領域的影響與它對其他學科的影響沒有什么不同，因為人們常常嚴重高估了人工智能究竟可以做什么。他們不了解，比起更廣泛的命題，例如提出危險解決方案，當AI操作更具體的事情，例如異常問題檢測時，AI方能大顯身手。

與人類不同，人工智能缺乏智慧。它沒有創造性，也做不到有智有謀。它通常無法結合當前的環境和過往的記憶，像人腦那樣對事件產生綜合的理解。在接受VentureBeat采訪時，LogicHub首席執行官兼聯合創始人Kumar Saurabh解釋了行業對人類分析師的需求，分析師需要借助工具來進行威脅檢測。“幾年前，我們做了一個實驗，實驗中設置了一定數量的數據以供篩選，對于AI來說這點數量輕而易舉，但對于人工分析者來說卻是相當龐大的數據量”。研究者想要以此來了解，使用自動化系統的人工團隊在威脅檢測中能夠發揮何種作用。

波爾圖大學教授Ricardo Morla博士對VentureBeat表示，想要了解人與機器是如何協作的，就要了解“認知資源”。認知資源是指人類在不同狀況下，根據自身認知能力所產生的相應想法。 “隨著汽車變得越來越智能，人類最終釋放出更多的需求，在天黑時自動打開車燈，在上坡起步時主動控制離合器，在人分神時自動駕駛汽車……”。

但是，他補充說：“我們現在還沒有AI可以智能到“給人放假”，讓安全管理人員、大型僵尸網絡背后的工作人員都回家操作，然后其他所有工作都留給機器”。諸如入侵檢測和漏洞自動掃描之類的任務，可以由AI完成，但依然需要安全專家來監督甚至決定。

相比之下，AI在網絡安全領域也有自己更擅長的地方。 Caleb Fenton是SentinelOne的創新主管，該公司專門研究使用AI和機器學習進行端點檢測。他認為，人工智能已經能夠幫助軟件開發者提高效率，更快地開發工具。現在，程序員可以省去費心編寫復雜的函數和中間好幾個月反復嘗試的過程，算法可以編寫好函數，他們只需要數據和標簽即可。

人工智能也為威脅檢測提供了便利，無論是靜態的查看文件，還是動態的程序運行。但工具依然只是工具，是好是壞還是取決于使用他的人。

Steve Kommrusch是科羅拉多州立大學的博士研究生，目前專注于機器學習方向，他曾在惠普和超微半導體等公司擔任計算機工程師長達28年。他贊同Fenton的主張， “ AI可以幫助識別有風險的軟件編碼樣式，以此幫助程序員進行大量安全代碼的快速編寫。某些任務，比如最初級的 bug分類或簡單的bug修復，都可能由AI代替人工完成。但是，要確定哪些問題需要解決，設計數據結構以及開發可很好平行化的算法，仍然需要在相當長的時間內依靠人類。

因此，在可預見的未來，我們所關心的問題不在于機器是否會在網絡安全方面取代人類，而在于它們如何有效地協助安全專業人員的工作，增強工作人員的戰斗力。 增強與替換的概念滲透在AI所涉及的許多行業，但值得注意的是，在復雜的網絡安全領域，AI的增強作用明顯更占上風。

Saurabh認為這是勞動專業化的一種體現，人們會花費更多的時間做唯有人類能做的事情。工欲善其事，必先利其器。對于相應的問題，必須選擇正確的工具。錘子之于釘子，螺絲刀之于螺絲。 然而AI不同，它可以結合多種不同的技術，對需要解決的問題因地制宜。如果說，以前的工人需要選好正確的工具再上場，那以后的AI就是一個完備的工具箱。
（責任編輯：fqj）