人工智能保卫网络安全:Waston开始被用于打击网络犯罪了

简介:

Watson(沃森)可谓是全能型选手,不仅在2011年的危机边缘(Jeopardy)智力抢答挑战中战胜人类冠军 Brad Rutter 和 Ken Jennings,而且在食谱创作、服装设计、天气预测和超级计算机等领域都有突出的表现。而现在它即将被赋予一项新的技能——在金融、医疗和其他领域打击网络犯罪。

自今天开始,40多家机构通过Watson的计算机认知能力开展打击网络犯罪。同时这项网络安全测试项目也给IBM提供了很大的帮助,因为Watson在现实生活中积累的经验能够磨练它的技能并能更好地服务于特定行业。那些让永明金融集团(Sun Life Financial)的安全专家通宵加班所面临的网络威胁和新不伦瑞克大学(University of New Brunswick)所受到的网络侦查是完全不同的,而Waston都能从这些经验中受益。

Watson并非全无经验。早在去年春天,IBM的研究人员就已着手培训Watson关于网络安全的基础知识,以便于计算机能够分析和阻止各项威胁。而现在它作为合格的毕业生,开始投入到现实生活中来进一步打磨技能,你可以将其看作是世界上最聪明的实习生。

美国的勒索软件

自今年5月以来Watson进行了更广泛的学习。网络空间无疑是非常庞大的,只有认知和理解能力不断提升,Watson 才能更有效地理解温和的威胁以及真实问题之间的区别。Watson 最卓越的技能并不是梳理海量信息(尽管他同样能够胜任),而是综合处理和分析结构化数据(如特定安全事件)与非结构化数据(如白皮书,研究报告)。

Forrester Research安全分析专家 Andras Cser 说道:“认知计算比传统基于规则的系统快30%至40%”。他同时认为类似于Watson的认知系统能够大幅减少误判。因此伴随着深入学习,它们不会再犯相同的错误。

在正式投入现实应用前,Waston还经历了一段学习生涯。直到今年秋季,科研专家每个月都会让Watson阅读至少15000份文档,并连接至图书馆和新闻源确保数据库处于最新状态。

以“勒索软件”为例。这种攻击手段深受黑客的喜欢,它主要劫持计算机和操作系统,只有受害人缴纳约定的赎金才能解锁。但对初期的Watson来说,就可能会把它理解成一个地名(Ransomware, USA)。

IBM安全的副总裁 Caleb Barlow 说道:“我们猜测单词‘Ransom’可能被识别为某个城市的地名,主要是因为‘ransomware’ 这个单词目前还未被大部分词典收录。因此我们认为,每次当这个单词出现的时候Watson都想要理解这代表什么意思,最终判定为一个地址。”IBM的研究人员随后在文档中注释“ransomware”的定义。

这是非常有趣的轶事,但也说明了Watson所面临的挑战和机遇。它或许不知道某个单词代表的含义,但是能够根据上下文去猜测。而且如果猜测失败,它还能自我学习。更为重要的是一旦学习掌握后,它绝对不会忘记。而它目前还只是测试项目,未来它将具备更强悍的能力。

专业语言训练

现在,Watson的测试也不像传统软件的测试项目。

Barlo说道:“在常规开发项目中,通常会分配测试矩阵来衡量软件在测试中的表现。在这种情况下,它更偏向于人类的学习轨迹。就像人类会经历小学、初中、高中、大学并最后参加工作一样,Watson的学习过程是非常相似的。”

总而言之,Watson目前已经理解和掌握了安全的基础原理。而现在他需要学习出现在各个案例中的特定术语。Barlow说道:“在医疗保健行业所使用的安全语言可能就和能源行业的安全语言不同。”

在测试期间,Watson将会同数十家企业开展深度合作,并提供带报告和建议的安全分析。具体来说,Watson能够识别安全事件是否和已知的恶意程序存在关联,并提供相关的背景审查以及识别用户的可疑行为。

Watson并不会替代人类的作用,而是帮助人类做出更快更全面地反应。IBM的研究显示,安全团队在Watson的配合下每天平均能够识别筛选 200,000 个潜藏重大安全事件。这不仅能够让计算机优先处理这些事件,而且揭示Watson在未来能够更快地适应广阔的互联网世界。

Avnet的安全主管Sean Valcamp说道:“传统的网络安全分析模型可以看做是站在高速公路边上的交警,能够识别潜在的违法者。但是当车流量不断增加,那么分辨是否超车或者是被盗车辆就不那么容易了。而通过使用Watson,就像是坐在直升飞机上审视相同的高速公路。”

Watson每次可能都不一定正确,但这正是测试的意义所在。而最重要的是Watson能够从错误中学习,并且掌握一些人类教师没有察觉的事件。Barlow说:“每天Watson都具备高度可操作的事件,这些都来自于数据分析和人类活动。Watson每天以惊人的速度成长,我们的目的是让Watson找到新事物。”

而且在这个过程中,解决企业和他们的客户免受潜在的安全威胁。现在Watson已经开始在互联网上搜索勒索软件,不得不说这是非常不错的学习曲线。

via: wired


本文作者:蕾娜塔•萨洛


本文转自雷锋网禁止二次转载,原文链接

目录
打赏
0
0
0
0
14291
分享
相关文章
生成式AI时代,网络安全公司F5如何重构企业防护体系?
生成式AI时代,网络安全公司F5如何重构企业防护体系?
41 9
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
524 55
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
291 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
从攻防演练到AI防护:网络安全服务厂商F5的全方位安全策略
从攻防演练到AI防护:网络安全服务厂商F5的全方位安全策略
40 8
利用AI技术提升网络安全防御能力
【10月更文挑战第42天】随着人工智能技术的不断发展,其在网络安全领域的应用也日益广泛。本文将探讨如何利用AI技术提升网络安全防御能力,包括异常行为检测、恶意软件识别以及网络攻击预测等方面。通过实际案例和代码示例,我们将展示AI技术在网络安全防御中的潜力和优势。
代理IP与AI的碰撞:网络安全新防线解码
在数字化战争升级的背景下,代理IP与人工智能(AI)正重塑网络安全规则。代理IP作为“隐形斗篷”,提供身份伪装、流量清洗、数据加速和合规审计等功能;AI加持使其进化为动态路由优化、威胁狩猎和隐私保护的战略工具。两者协同作战,在智能风控、跨境电商、汽车安全测试等场景中展现巨大价值。尽管面临动态IP隐患、注入攻击风险和法律合规难题,但通过技术创新可有效应对。未来,认知安全融合、量子代理网络和数字孪生防御将引领技术趋势,为企业带来效率革命、安全进化和战略赋能。掌握这一技术共生关系,是赢得数字时代生存权的关键。
34 0
未来的守护神:AI驱动的网络安全之盾,如何用智慧的光芒驱散网络黑暗势力?揭秘高科技防御系统背后的惊天秘密!
【10月更文挑战第3天】随着网络技术的发展,网络安全问题日益严峻,传统防御手段已显不足。本文探讨了构建AI驱动的自适应网络安全防御系统的必要性及其关键环节:数据采集、行为分析、威胁识别、响应决策和执行。通过Python库(如scapy、scikit-learn和TensorFlow)的应用实例,展示了如何利用AI技术提升网络安全防护水平。这种系统能够实时监控、智能分析并自动化响应,显著提高防护效率与准确性,为数字世界提供更强大的安全保障。
120 2
AI时代的网络安全:传统技术的落寞与新机遇
在AI时代,网络安全正经历深刻变革。传统技术如多因素身份认证、防火墙和基于密码的系统逐渐失效,难以应对新型攻击。然而,AI带来了新机遇:智能化威胁检测、优化安全流程、生物特征加密及漏洞管理等。AI赋能的安全解决方案大幅提升防护能力,但也面临数据隐私和技能短缺等挑战。企业需制定清晰AI政策,强化人机协作,推动行业持续发展。
104 16
AI与网络安全:防御黑客的新武器
在数字化时代,网络安全面临巨大挑战。本文探讨了人工智能(AI)在网络安全中的应用,包括威胁识别、自动化防御、漏洞发现和预测分析,展示了AI如何提升防御效率和准确性,成为对抗网络威胁的强大工具。
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
252 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络

雷锋网

+ 订阅

热门文章

最新文章