數(shù)字連接的激增和更復雜的網(wǎng)絡(luò)威脅已使人們更加需要智能網(wǎng)絡(luò)安全。智能網(wǎng)絡(luò)安全是*種邏輯上的反應(yīng)，它試圖通過減少因經(jīng)常依賴網(wǎng)絡(luò)安全技能短缺和數(shù)據(jù)安全管理的行政負擔而對手工流程的依賴而造成的安全漏洞來管理風險。

 

 

　　盡管面臨挑戰(zhàn)，但有望減少對人類的依賴并增強網(wǎng)絡(luò)安全能力。眾多不斷發(fā)展的認知技術(shù)可以幫助我們增強網(wǎng)絡(luò)安全性，并應(yīng)對日益惡意和破壞性的網(wǎng)絡(luò)威脅態(tài)勢。

 

　　人工智能（AI）：   Gartner將AI描述為“*種通常通過學習，得出自己的結(jié)論，似乎理解復雜的內(nèi)容，與人進行自然對話，增強人類的認知表現(xiàn)或替代人類來模仿人類表現(xiàn)的技術(shù)。執(zhí)行非常規(guī)任務(wù)。” 現(xiàn)在，具有AI的計算機的*些基本活動旨在：學習計劃；和解決問題。

 

　　使用AI和ML的計算系統(tǒng)對于網(wǎng)絡(luò)運營變得越來越普遍和至關(guān)重要，并且已成為公共和私營部門中網(wǎng)絡(luò)安全研究開發(fā)和投資的主要重點*域。在減輕網(wǎng)絡(luò)安全威脅方面，發(fā)現(xiàn)，分類和綜合數(shù)據(jù)無疑是優(yōu)勢。整體而言，人工智能技術(shù)可用于幫助防御日益復雜和惡意的惡意軟件，勒索軟件和社會工程學攻擊。人工智能還沒有感知力（但是），但是在預測和緩解網(wǎng)絡(luò)攻擊方面，人工智能的認知自主性可能存在未來。

 

　　機器學習：  從根本上講，它涉及使計算機無需編程即可運行。它通常與AI結(jié)合使用，可以看作是預測分析的快速自動化。機器學習可以提供*快的方法來識別新的網(wǎng)絡(luò)攻擊， 進行統(tǒng)計推斷，并將該信息推送到端點安全平臺。

 

　　AI和ML 當然 可以為網(wǎng)絡(luò)安全提供重要組成部分的*域是威脅情報。它可用于 監(jiān)視和檢測網(wǎng)絡(luò)中的異常，并在沒有已知特征的情況下識別新威脅。它也可以用來關(guān)聯(lián)來自孤島的數(shù)據(jù)，以了解攻擊的性質(zhì)并評估網(wǎng)絡(luò)漏洞和風險。人工智能和機器學習可以通過交叉檢查多個碎片數(shù)據(jù)庫中數(shù)據(jù)的準確性來幫助身份管理。

 

　　自動化和自適應(yīng)網(wǎng)絡(luò)：自動化允許水平掃描和監(jiān)視網(wǎng)絡(luò)，這些網(wǎng)絡(luò)可以實時報告偏差和異常情況。它允許自動更新防御框架層（網(wǎng)絡(luò)，有效負載，端點，防火墻和防病毒）以及用于網(wǎng)絡(luò)安全的診斷和取證分析。人工智能和機器學習都可以成為核心組件，并支持自動化和自適應(yīng)網(wǎng)絡(luò)的應(yīng)用。

 

　　AI和ML可以支持的*域之*是機器人流程自動化（RPA），該功能允許與任何IT應(yīng)用程序或網(wǎng)站進行自動集成以執(zhí)行復雜的基于規(guī)則的工作（例如文書流程或交易）。而且，AI和ML通過在單個界面下集成編排流程，自動化，事件管理和協(xié)作，可視化和報告，可以促進安全編排自動化和響應(yīng)（SOAR）產(chǎn)品。SOAR還可以為安全運營中心（SoC）員工提供*種更快，更準確的方式來處理由網(wǎng)絡(luò)安全系統(tǒng)生成的大量數(shù)據(jù)，并幫助識別和補救可能即將發(fā)生或正在發(fā)生的攻擊。

 

　　Rally Ventures的合伙人，RSA的前董事長Art Coviello總結(jié)了自動化對網(wǎng)絡(luò)安全的價值；“發(fā)生了太多的事情-太多的數(shù)據(jù)，太多的攻擊者，太多的防御面無法防御-如果沒有人工智能和機器學習所具備的自動化功能，您就不會為能夠捍衛(wèi)自己，”（

 

　　超*計算： Seymour Cray通常被稱為“超*計算之父”，他的公司Cray Computing仍然是該行業(yè)的推動力。超*計算機與大型計算機的區(qū)別在于其巨大的數(shù)據(jù)存儲容量和強大的計算能力。超*計算機是未來自動化的引擎。美國國*科學院在其“超*計算的未來”研究中設(shè)想，對超*計算的投資是非常有益的，并且在國*安全和科學發(fā)現(xiàn)中起著至關(guān)重要的作用。

 

　　在網(wǎng)絡(luò)安全中，超*計算是有希望的。麻省理工學院林肯實驗室研究員杰里米·開普納（Jeremy Kepner）指出，“通過建立準確的正常背景網(wǎng)絡(luò)流量模型可以大大提高檢測網(wǎng)絡(luò)威脅的能力，”分析師可以將他們正在研究的互聯(lián)網(wǎng)流量數(shù)據(jù)與這些模型進行比較，以將異常行為浮出水面。更容易。

 

　　這種類型的功能在DARPA贊助的*次會議上得到了證明，超*計算機沒有人類，暴露給計算機能夠檢測并快速修復威脅的錯誤。

 

　　人為因素的謬誤*直是網(wǎng)絡(luò)安全漏洞。隨著我們更加沉浸于與更大的網(wǎng)絡(luò)攻擊面相聯(lián)系的數(shù)字互連性（即物聯(lián)網(wǎng)智能城市的遠程工作）中，情況可能會變得越來越多。

 

　　智能網(wǎng)絡(luò)安全在識別，過濾，消除和補救網(wǎng)絡(luò)威脅方面可以發(fā)揮巨大的作用。通過利用不斷發(fā)展的企業(yè)工具，例如人工智能機器學習，自動化和自適應(yīng)網(wǎng)絡(luò)以及超*計算，企業(yè)將更容易應(yīng)對未來的挑戰(zhàn)。

 

　　查克·布魯克斯（Chuck Brooks）  是網(wǎng)絡(luò)安全和新興技術(shù)*域的**公認思想*袖和傳播者。