年度盘点：大数据+人为智能网络安全利用回首及瞻望
颁布功夫 2018-01-11大数据：从概想火热到回归理性
回首刚刚从前的2017 ，我们可能会有一种感触：周围讨论大数据的声音越来越幼。一个佐证是在2017年底进行的“北向论坛”上 ，现场参会人员投票预测了2018年的热词 ，在21个候选词中 ，去年还入选的“大数据”本次没能进入前十 ，得票只有寥寥数票。
表1 2016和2017“北向论坛”预测的年度热词对比
事实上 ，这并非“大数据”初次在热词排行榜中淡出公共的视野。早在2015年Gartner颁布的新兴技术成熟度曲线中 ，“大数据”就没有呈此刻曲线中。而在之前的一年 ，Gartner对“大数据”的定位还是处于从炒作的顶峰起头降落的区域 ，二者的对比见图1和图2。对此Gartner给出的诠释是 ，“大数据”的概想已经急剧被各个行业接受 ，成为一项具体的底层技术 ，因而不再呈此刻每年的新型技术成熟度曲线中。
图1 2014年Gartner新兴技术成熟度曲线
图2 2015年Gartner新兴技术成熟度曲线
回首2017 ，业界讨论大数据的声音固然在降低 ，但通过采集、分析和使用数据提升能力的行动却越来越普遍 ，大数据已经真正成为多多行业的底层关键技术。在国度层面 ，新一届政治局在2017年底就执行国度大数据战术进行第二次集体进建 ，习近平总书记强调了通过大数据进行产业创新、打造数字经济、提升国度治理水平、改善民生 ，以及保险国度数据安全。在企业层面 ，大数据利用已在电子商务、金融、交通、医疗等领域普遍发展 ，甚至因数据所有权引发了顺丰快递和菜鸟网络的“丰鸟之争” ，引起了公共的高度关注。
回到网络安全行业 ，大数据已成为了安全领域新兴技术的基础�；厥捉改晖绨踩幸凳⑿械男赂畔� ，从威胁谍报、UEBA（用户实体行为分析） ，再到态势感知、人为智能 ，底层的基础都是大数据�Ｄ芄凰� ，大数据暗藏在各个具体技术的背后 ，为用户提供更直接的安全价值。在企业级用户安全建设中 ，以数据驱动安全 ，实现持续检测响应的理想 ，已经被越来越多的用户所接受。
因而 ，对2017年的“大数据”进行总结 ，我感触大数据概想已经不“新” ，已经越过了概想炒作阶段 ，并作为一项底层支持技术 ，迅速融入到各类更“新”的概想中。大数据已经起头在各个领域阐扬现实的价值。
人为智能：处于炒作的顶峰
与此相对应的是 ，人为智能像三、四年前的大数据一样 ，正处于炒作的最顶峰。Gartner于2017年7月颁布了今年度新兴技术成熟度曲线 ，人为智能的两个分支——深度进建和机械进建 ，均处于曲线的最顶端。
国内对人为智能的发展也十吩祺沉。2017年7月国务院印发了《新一代人为智能发展规划》 ，提出要推动人为智能与各行业融合创新 ，推动人为智能规�；� ，全面提升产业发展智能化水平。为了落实该规划 ，工信部于2017年12月造订了《推进新一代人为智能产业发展三年行动打算（2018-2020）》 ，提出要抓住汗青机缘 ，突破沉点领域 ，推进人为智能产业发展 ，提升造作业智能化水平 ，推动人为智能和实体经济深度融合。
图3 国务院和工信部关于人为智能的发展规划
在上述两个沉磅文件中 ，无论是人为智能技术自身的安全 ，还是在网络安全领域利用人为智能的前沿技术 ，都用大量的篇幅进行了论述。为此在网络安全圈掀起了一股人为智能的海潮 ，利用人为智能检测未知恶意代码、实现智能化的安全运维（AIOps） ，甚至进行无人参加的自动化攻防。网络安全界的幼同伴们纷纷撸起袖子 ，都想用人为智能搞定目前还没有解决的安全问题。
固然人为智能很火 ，但我们也看到在网络安全领域 ，尚未出现新的基于AI技术的有效解决规划。在网络安全领域其实很早就用到了人为智能技术 ，好比SOC类产品中的关联分析引擎 ，就是一个基于规定推理的专家系统 ，但新的人为智能技术还没有宽泛利用的案例。对于最近几年大热的深度进建 ，我们也看到业界进行了积极的尝试 ，例如进行恶意文件检测、利用鉴别、异常行为分析等 ，但真实成效距离产业界的要求尚有肯定差距。此表 ，深度进建固有的对了局的可诠释性不强、鲁棒性不及等弊端 ，目前也尚未看到有但愿的解决规划。
因而 ，对2017年的“人为智能”进行总结 ，我觉切当前正处于炒作的巅峰 ，国度在产业政策上支持的力度也很大。当前颇有人为智能在网络安全的各个分支中遍地着花的局面 ，这也是新技术发展过程中必不成少的阶段。相信随着功夫的推移 ，那些真正有价值的利用场景会逐步沉淀出来 ，人为智能的利用才会从炒作走向成熟。
我们对新技术的利用索求
作为网络安全领域的领航企业 ，我们在从前的一年也对大数据安全、人为智能 ，出格是深度进建技术的利用进行了尝试。在大数据安全领域 ，重要的利用场景蕴含大数据平台4A技术、大数据接见节造战术自动化天生技术等；在人为智能领域 ，重要的利用场景蕴含利用深度进建算法进行恶意代码检测（检测对象蕴含PE文件、文德粪文件、web接见流量等）、利用深度进建算法进行利用鉴别、基于本体的安全事务自动化措置及响应技术等。这里面寂仔成功的案例 ，也有失败的教训。
在对人为智能新技术的利用索求中 ，我们由衷地感触到在网络安全领域利用人为智能技术 ，必要在人为智能算法和安全业务知识两方面都有深厚的沉淀。在算法层面 ，不能单一地利用各类封装好的软件包、把算法当成即插即用的黑盒子 ，那样会导致无法理解算法的“上限”而陷入盲目尝试的局面。在安全业务层面 ，对安全业务的理解有助于将现实安全问题转换为抽象的数学问题 ，并凭据问题的类型领导算法的筛选。
瞻望2018 ，我们将结合特定的业务场景 ，实现大数据分析和人为智能算法在某些特定利用中的落地。在算法层面 ，人为智能的两大门户 ，即联结主义和符号主义的算法 ，都将是我们解决特定问题的有效工具。我们也等待人为智能可能尽快握别炒作 ，网络安全行业可能从更理性的角度审视人为智能的利用远景 ，这样能力推进人为智能在网络安全行业的良性发展。
京公网安备11010802024551号