（文章來源：教育新聞網）

在不斷發展的網絡威脅環境中，防病毒程序和防火墻被視為古代工具，公司目前正在尋找所有技術更先進的方法來保護機密和敏感數據。人工智能(AI)正在接受這種情況，以應對全球范圍內的數字威脅。它已成為軍事領域的主流，但是安全組織也正在整合AI技術，以使用深度學習來發現數據集中的相似之處和差異。像Microsoft這樣的組織正在向基于AI的組織投入10億美元，例如Open AI。

正如ESG研究表明的那樣，有29%的安全專家希望利用AI創新來加速病毒檢測過程。此外，有27%的企業希望通過這種創新來縮短事件響應時間。對AI安全性的興趣源于AI可以在短時間內進行分析的代碼的復雜性。

盡管AI可以在網絡安全領域發揮作用，但在大多數情況下，并不是由AI驅動這些解決方案。通常，受過訓練的機器學習和AI是令人困惑的術語。在沒有合法編程的情況下，人工智能和機器學習的思考能力有所不同。安全組織利用機器學習為這些技術編寫復雜的算法，以最好地識別安全漏洞。但是，AI系統可以達到新的分辨率，而不會滋養任何新的算法或數據。

安全領域中機器學習的挑戰是惡意軟件代碼在不斷變化，這意味著機器學習網絡安全創新背后的編碼人員應始終保持完美，并更改算法以向創新展示如何檢測這些新代碼。但是，防御者能否真正保持對黑客的了解?當然，這是乞求被證明是錯誤的。這是AI可以理解的問題。如果有意識的機器能夠以其惡意軟件合作伙伴的速度發展，我們就可以更好地防御它。

人工智能具有融合新的，復雜但尚未嘗試的武器的能力，例如網絡攻擊能力。這種進步令人震驚，因為網絡進攻性武器具有破壞主要國家之間軍事力量均等化的能力。隨著人工智能和機器學習技術的出現，網絡攻擊已成為關鍵基礎設施(如機場航班跟蹤，銀行系統，醫院記錄以及運行該國基本基礎設施和核反應堆的程序)越來越普遍的危險。

阿拉伯聯合酋長國人工智能國務部長奧馬爾·奧拉瑪(Omar Al Olama)警告說，各國政府對采取積極措施以確保AI框架安全的失望“將再次侵蝕我們”。研究建議最值得注意的問題之一是網絡武器的不穩定影響，而人工智能技術對區域力量平衡的影響越來越大。

盡管沒有確切證據表明關鍵基礎設施的指揮和控制系統傾向于網絡攻擊，但由于這些系統的數字化，因此存在漏洞。人工智能網絡武器的不穩定影響仍然是每個國家關注的重大問題。毫無疑問，防范這些武器并保護該國的軟件，硬件和私人信息免受網絡攻擊已成為國家安全的重要問題。

與眾不同的是，利用機器學習來發展網絡威脅的同時，也在利用這些進步來進行安全性和保護，同時明確地生成新的惡意軟件樣本。預計程序員將利用這些技術來修改新樣本中的代碼，具體取決于安全系統如何識別更多較老的疾病。由于它將變得更小并且越來越難以檢測，因此可以延長系統感染的壽命。

政策制定者應與技術專家密切合作，以調查，預防和應對潛在的威脅性AI使用。研究建議制造AI零時差漏洞，此漏洞目前尚不為人所知，因此，在第一個實驗之前很難建立其修復程序。此外，在AI領域進行紅色團隊演練，例如DARPA網絡大挑戰賽，同樣會更好地幫助您了解進行攻擊和查找障礙的級別。當前在公共領域的研究僅限于白帽黑客，其計劃是利用機器學習來發現漏洞并提出修復建議。

（責任編輯：fqj）