首先，我們需要注意AI和ML的“炒作”。而且那里有很多炒作!谷歌對“人工智能”一詞的簡單搜索就產生了約6.3億個結果，而AI繼續占據頭條，甚至進入了主流電視廣告。但是，網絡安全行業需要樹立記錄-與流行的看法相反，人工智能和機器學習無法解決我們所有的問題。
業界需要將網絡安全中的AI / ML的真實內容與單純的炒作區分開來。尤其是，企業需要意識到的一個關鍵問題是AI / ML無法進行因果關系，這意味著AI / ML無法告訴您發生某些事情的原因。了解為什么是網絡安全的關鍵組成部分，尤其是與安全事件調查和分析有關的原因。
朱迪亞·珀爾(Judea Pearl)是人工智能領域的先驅者，也是其領先的老師之一，他在其最新著作《為何之書：因果的新科學》中討論了人工智能的問題。對于當今的高科技行業，人們對智能到底是什么的理解還不夠全面。珀爾(Pearl)解釋了對概率關聯的高度關注如何使我們簡單地演變為更先進的應用程序，其應用與AI在1980年代初期所做的相同的簡單推理相同。
這個問題是為什么AI仍無法解決足夠的網絡安全實際問題的核心。基于AI的經常銷售方式，業內許多人認為AI驅動的網絡安全技術可以簡單地代替人類。盡管AI的攝取和處理大量信息的能力很重要，但AI缺乏因果推理的原因在于，尤其是經驗豐富的安全分析師和事件響應者提供的人類智能仍然至關重要。訓練有素的安全團隊在檢測，識別和防御各種網絡安全威脅方面發揮著重要作用-并將長期保持這種狀態。
其他老師也認為，圍繞人工智能存在誤解。在Elsevier于2018年7月發表的一篇文章中，紐約大學心理學和神經科學教授，機器學習初創公司Geometric Intelligence的前CEO Gary Marcus博士(2017年被Uber收購)表示：“我認為最大的誤解是關于AI的人們認為我們已經接近它了。我們離那里不遠……人類可以具有超強的靈活性-他們可以在一種情況下學習某些東西，然后在另一種情況下應用它。機器無法做到這一點。”
但是，AI / ML有一些重要的好處，包括它具有關聯各種來源的大量數據的能力。這種相關程度對于告知安全團隊他們正在調查的事件以及使團隊在處理分析方面的教育和效率更高至關重要。例如，AI / ML可以使用異常檢測和聚類提供有關潛在事件的詳細信息。它還可以幫助對需要調查的事件進行風險評分。此數據可用于更好地通知正在做出有關安全事件決策的人員。但是AI / ML無法為您做出決定。
總之，正確使用AI / ML可以在通知安全團隊方面發揮重要作用，從而幫助安全團隊就安全威脅和事件做出更及時，更準確的決策。但是AI / ML無法為您完成這項工作，內部沒有神奇的解決方案，這是更廣泛的行業需要理解的重要區別。因果關系(理解為什么會發生)是AI / ML無法做到的，并且是人與AI / ML系統之間的關鍵區別。
通過了解AI和ML在網絡安全流程中發揮的真正價值，以及人類帶來的價值，我們的行業可以減少關鍵的誤解，從長遠來看，可以使我們的整體網絡安全戰略更加有效。所以對于人工智能和機器學習在網絡安全中的真正作用是什么這一問題，我相信大家通過今天的文章就能有所了解。 注：尊重原創文章,轉載請注明出處和鏈接 http://www.dedgn.cn/news-id-18847.html 違者必究！部分文章來源于網絡由培訓無憂網編輯部人員整理發布,內容真實性請自行核實或聯系我們，了解更多相關資訊請關注人工智能頻道查看更多，了解相關專業課程信息您可在線咨詢也可免費申請試課。關注官方微信了解更多：150 3333 6050
