萬物互聯時代，人工智能會成為網絡安全的新出路嗎？
隨著全球互聯網用戶的逐年遞增以及智能設備的廣泛使用，大規模普及的物聯網也為網絡攻擊者創造了更多機會，回顧過去三個月發生的網絡病毒攻擊事件，令網絡安全受到了前所未有的關注：
7月，CopyCat病毒使1400萬部安卓手機遭殃；
6月，Petya病毒感染全球60多個國家；
5月，WannaCry病毒席卷全球，至少150個國家受到攻擊。
萬物互聯時代，內網和外網的邊界逐漸模糊，人們的工作和生活關系更加緊密，網絡泛化成為大趨勢，無形中為病毒的傳播提供了溫床，也意味著網路安全將面臨著嚴峻考驗。
隨著人工智能在各垂直行業的應用不斷落地，用人工智能預測網絡攻擊的技術已經出現，但網絡安全中的威脅識別，實際上經歷了漫長的演進過程。
最初，相關廠商通過黑白名單技術，對目標進行甄別，用這樣的一維特性來識別威脅。隨后出現了匹配字符串這樣的二維特性，之后是多維特性，即通過監督程序運行，將過程信息轉化為多維特征，以判斷潛在威脅。但多維技術卻由于成本過高、效率低下等致命缺點，無法廣泛普及。
互聯網發展日新月異，基于大量設備產生的日志進行管理和分析的技術逐漸興起，包括關聯分析等機器學習算法也被大量推廣使用，其中典型的兩種機器學習算法便是監督學習和無監督學習。
監督學習是一個高效的多維度特征發現方法，m.twshmhelmet.com，適用于惡意程序、勒索病毒以及垃圾郵件的防治等。但模型的新鮮度、準確率及召回率是其面臨的三大挑戰，意味著監督學習并不是萬能的。
無監督學習則在反詐、態勢感知、用戶行為分析等方面應用更多，但其通常是在客戶的網絡環境中進行，更易面臨病毒攻擊，這也成為無監督學習的軟肋。
機器學習的多維識別能力是其優勢所在，但預測精度往往不盡人意，因此需要結合其他技術綜合運用。但人工智能可以提高在網絡安全應用中的分析效率是顯而易見的。在不久的將來，庫卡機器人，物聯網連接設備數量持續增加，大量的信息安全隱患單純依賴人工分析必然捉襟見肘，而對于人工智能來說，在幾分鐘之內便可分析幾百萬條數據。
但人工智能是一把雙刃劍，在阻擋黑客攻擊的同時，也成為黑客反攻擊的新手段，隨著大量人工智能模型的開源，黑客可以利用開源工具欺騙識別系統，未來，隨著病毒的變種增加、規模擴大、復制周期縮短等因素，檢測的難度將隨之增加。
在黑客攻擊的手段中，最令人擔憂的是對抗樣本的出現。由于機器學習、深度學習的算法均依賴于數據，這也成為其缺陷。黑客們乘機而入，設計新的架構生成模型，利用生成的對抗樣本來干擾機器判斷。值得注意的是，目前的機器學習過度依賴于數據分布，這無疑給惡意樣本的識別增加了難度。
算法的缺陷不可避免，但并不意味著人工智能在網絡安全的應用行不通，如果能夠用統計學及因果關系圖譜的方法分析信息安全事故中的潛在關聯，從而增加分析端的可解釋性，另外，適當降低算法的復雜性可有效減少數據的需求量，為防毒過程減負。
人工智能已經成為新的科技浪潮，在網絡安全中的應用已經是大勢所趨，雖然目前仍存在很大改良空間，工業機器人維修，但其未來的發展潛力不可限量。未來，會有更多的網絡安全公司開始使用人工智能技術，改善安全防御體系，開創網絡防護新時代。