在舉辦的谷歌開發者大會上，谷歌云首席科學家李飛飛正式宣布在北京成立谷歌AI（人工智能）中國中心。無獨有偶，阿里云在上個月的云棲大會廣東分會上宣布在廣州設立阿里云研發中心，并招募1000名云計算和人工智能工程師。百度更是傾全公司之力押注人工智能，做出ALL IN的姿態。隨著谷歌、微軟、Facebook以及國內的BAT等巨頭競相布局人工智能領域，科技公司對于AI人才的爭奪戰進入白熱化階段，也使得人工智能技術開始滲入到各行各業的實際運作中，“AI+法律”、“資管AI”等新概念層出不窮。在機器學習和人工智能等新技術的驅動下，網絡安全行業也開始邁入AI時代。

“網絡黑產”的挑釁

在當前萬物互聯的時代下，網絡安全問題日益凸顯。2016年10月21日，黑客控制了一批感染Mirai病毒的物聯網設備，攻擊了Twitter、Paypal等一些知名的國際網站，引發“半個美國網絡癱瘓”的安全事件。2017年5月，WannaCry勒索病毒在全球范圍內爆發，100多個國家和地區超過10萬臺電腦遭到了蠕蟲式攻擊，大量學校、銀行、醫院的服務系統因此陷入癱瘓……

網絡空間常見的攻擊方式如惡意軟件、電信網絡詐騙、流量作弊、分布式拒絕服務（DDos）攻擊等，這些攻擊輕則造成用戶隱私泄露或財產損失，重則影響企業正常運作甚至危及國家安全。而諸如此類的攻擊背后多是一條條分工明確、組織專業的黑色產業鏈，稱為“網絡黑產”。據測算，目前僅國內“網絡黑產”從業人員就超過150萬，市場規模已達到千億元級別。網絡安全行業面臨嚴峻的挑戰。

針對網絡攻擊行為，傳統的網絡安全防御思路大多以邊界隔離結合規則策略為主，即在網絡空間為安全防護對象劃分出邊界，基于專家經驗總結的規則把攻擊擋在邊界外面，只要守住邊界就算成功抵御了攻擊。然而，這種單點防護體系在萬物互聯的今天已經不那么有效：一是隨著移動互聯網和物聯網的發展，大量設備接入到網絡，傳統意義上的邊界已不復存在；二是傳統防護體系假設所有攻擊方式都是已知的，基于規則策略難以應對未知威脅或其他高級持續性攻擊。

更為重要的是，對于規則策略的強依賴必然引入大量需要人工干預的工作，當攻防發展到一定階段后，安全防護工作將退化成一項勞動力密集型作業。

“AI+”助力網絡安全

近幾年在科技界最熱門的關鍵詞中，“人工智能”位居榜首。“AI+”模式給很多領域都帶來了顛覆性的創新和變革。在網絡安全領域，AI可以幫助我們從更高的視角、更廣的維度去發現異常、捕獲威脅，實現威脅與入侵的快速感知和響應，這是傳統的單點安全防護所做不到的。我們需要做的是在網絡和設備上部署足夠多的探頭，用于對各類行為數據的記錄、存儲和分析。理論上數據規模越大，維度越豐富，訓練出來的AI模型的適應性就越強。

網絡邊界的消除讓安全廠商能夠更方便采集到各個維度的數據，如設備日志、程序行為、網絡流量等。僅根據單一維度的特征或許不能完全確認是否存在威脅，但結合其他維度數據進行關聯分析后能夠得到可量化的預測結果。這種模糊性決策是AI模型的優勢，使得識別未知威脅成為可能。

以移動端惡意軟件識別為例，據阿里巴巴錢盾反詐實驗室統計的數據，2017年全網平均每天新增的APP數量近10萬，如果按傳統的動靜態分析結合人工抽取特征碼的方式，需要30人以上規模的技術團隊才能勉強支撐日常分析需求。如果引入機器學習或深度學習等人工智能技術，只要參與訓練的樣本規模足夠大，標簽足夠準確，98%以上的黑樣本都能被AI引擎自動識別，技術人員只需要關注AI引擎輸出的灰樣本的打標，系統整體識別效率至少提升10倍以上。目前錢盾反詐實驗室在反病毒能力上的投入只有6名技術人員，得益于他們早期搭建的一套名為“無量尺”的深度學習智能檢測系統。近期在安卓手機中活躍的DowginCw病毒，就是通過這套系統首次監測并成功攔截的。

據風險投資公司CB Insights統計的數據顯示，從2016年開始，“人工智能”和“網絡安全”在文章中同時出現的頻率迅速攀升，說明兩者越來越緊密地結合已經是不爭的事實。從投資的角度，擅長將網絡安全與AI兩大技術相結合的創業公司也備受資本市場的青睞。從2012年至今，全球AI相關投資最熱門的領域中，網絡安全領域以13%的投資比例穩居第一。僅2017年前兩個月就發生了三起大型科技公司收購“AI+網絡安全”初創公司的事件，其中包括亞馬遜對于Harvest.ai的收購。據悉，Harvest.ai的核心技術是基于AI實現信息泄露行為的識別和阻斷，亞馬遜此次收購的目的正是利用該技術增強其云服務平臺AWS的安全功能。

構建“AI+網絡安全”生態體系

數據是“AI+網絡安全”發展的核心驅動力。創新工場創始人兼CEO李開復認為，BAT等巨頭公司積累了海量的互聯網大數據，做人工智能有先天優勢，但是他們沒有生態系統，數據不會向行業共享。如今，這種情況正在悄悄地發生改變。

據統計，電信網絡詐騙平均每年造成的經濟損失超過100億元，成為目前整個社會最普遍的安全問題之一。如果要實現徹底根治，需要安全企業、運營商、銀行機構、公安部門以及政府主管部門的共同參與。一方面是因為詐騙場景已經滲透到生活的各個角落，同時詐騙手法也在不斷升級；另一方面是電信網絡詐騙背后已形成了完整的黑色產業鏈，僅僅基于某個機構自身生態內的數據構建的安全能力與其對抗是遠遠不夠的。2017年，互聯網巨頭們在反詐騙領域動作頻頻，其中阿里巴巴與廣東移動、騰訊與上海公安分別簽署了戰略合作協議并成立聯合反詐實驗室，旨在通過數據、人才、技術等方面的互通，共同推進“AI+網絡安全”生態體系的建設。

從行業技術發展來看，騰訊通過“安全態勢感知系統”等五大安全應用系統，基于大數據和深度學習技術，形成了一套基于AI的“事前”－“事中”－“事后”全鏈條反詐體系。

而阿里巴巴針對電信網絡詐騙推出的“錢盾反詐AI大腦”，除了依托內部大量業界頂尖的AI人才和強大的云計算能力等先天優勢外，在數據方面更是匯集了外部運營商、銀行等行業的數據支持和內部阿里自有業務安全能力。這使得其在打造以打擊詐騙號碼、“偽基站”、釣魚網站為代表的反詐騙能力時表現得更加游刃有余。以詐騙號碼識別為例，利用特征工程對號碼進行多維度畫像時，普通AI模型最多能提取到十余個維度的特征，而錢盾反詐AI大腦的核心惡意號碼檢測模型—DeMalC系統能夠抽象出多達190個特征，對未知號碼的識別準確率達到91.86%。其中原因除了運營商的數據支持外，更多的是源自阿里體系內的電商、支付、物流等業務在業務風控、身份認證等領域所積累的安全能力。

以產業鏈對抗黑色產業鏈

任何技術都是一把雙刃劍。AI技術給網絡安全帶來福音的同時，也開始被運用于新型的網絡攻擊。2017年3月，紹興市公安機關破獲全國首例利用人工智能犯罪大案。案件中的黑客團伙搭建了一個圖片驗證碼識別服務平臺，用于突破互聯網公司設置的驗證碼安全體系，黑色產業鏈中的其他團伙通過這個平臺從事非法撞庫并盜取賬戶的行為。為了提高驗證碼識別率，黑客團伙利用深度學習技術訓練識別模型。據估算，該平臺被打掉以前，平均每年提供驗證碼識別服務超過1000億次，牟利達1300多萬元。

可以預見的是，隨著各種AI開源框架的普及，“網絡黑產”利用AI技術為安全領域制造的麻煩會越來越多。然而在安全領域，所有技術必然是在攻防之間不斷演進的。所謂打鐵還需自身硬，AI技術的發展不可能因為被“網絡黑產”非法利用就停滯不前，不論是安全廠商還是普通企業，唯一的出路是不斷推進安全技術的建設和創新，加強自身的安全防護體系。

“魔高一尺，道高一丈”。如果把技術比作武器，那么我們面對的“網絡黑產”就是一支裝備精良的部隊。作為安全廠商，需要轉變思維，利用AI技術等現代化裝備武裝自己，同時要避免各自為戰，加快安全生態建設和資源、技術等方面的互通，以產業鏈對抗黑色產業鏈。只有產業鏈中的所有合作伙伴共同參與，為整個行業生態構建立體化的安全屏蔽，才能對“網絡黑產”形成有效的防御。
? ? ? 責任編輯：tzh