网络安全攻防战打响 机器学习难以“一肩挑”

　　在人工智能时代，网络安全问题备受关注。对此，安全研究人员转向了机器学习。机器学习的确提供了强有力的帮助，但在当前网络攻防态势下，机器学习也难以“一肩挑”。

　　在人工智能时代，各行各业最怕听到的是“取代”：人工智能被认为将一步取代法官、取代速记员，取代建筑工人和出租车司机……不过，目前在许多行业，人工智能仍然只能扮演配角，网络安全就是目前人工智能尚难解决的问题之一。

　　对此，安全研究人员转向了机器学习——人工智能的一种形式。对于机器学习来讲，最主要的两个概念分别是“有监督学习”和“无监督学习”。有监督学习就是人们“告诉”机器“哪些数据是属于哪一类的”，然后进行数据训练;反之，无监督学习就是“不告诉”机器，直接由人们对最终输出的结果进行定义。

　　之前，机器学习只是一个很有希望但并不成熟的技术，但在过去五年，机器学习获得了长足的进步，在很多任务上，机器学习这项技术都可以达到与人类接近的水平。

　　遭遇新软件时，机器学习系统会计算其是恶意软件的概率，根据既定阈值进行屏蔽或放行。若有恶意软件潜入，只需调整计算或重设阈值即可。时不时地，研究人员就会用新行为训练机器学习算法。

　　业内人士也表示，“在处理财务数据时，机器学习可以解决匹配客户联系方式、地址或从数据中发现趋势的经典问题。你训练的应用程序越‘理解’数据，你得出的分析和预测结果就越准确。”

　　尽管机器学习在网络安全方面已经具备一定的防御能力，但是也存在漏洞。在成都召开的C3安全峰会上，亚信安全通用安全产品中心总经理、亚信网络安全产业技术研究院副院长童宁表示，机器学习的确提供了强有力的帮助，但在当前网络攻防态势下，机器学习也难以“一肩挑”。

　　其实，机器学习所存在的问题并非近期才出现。早在众多关于机器学习的相关论文中，研究者们就曾多次提出机器学习的不准确性——对某些像素进行微调，就能欺骗神经网络。原因在于：虽然这些复杂的网络由多层处理器组成，但各个层面本质上都是通过分段线性函数来转换输入内容的，这种线性使得相关模型对推论容易盲从。

　　在某些情况下，通过恶意输入，机器学习算法可能在训练期间“中毒”，或者在训练之后被复制。通过对图像进行人眼几不可见的微小改变，黑客可以愚弄视觉处理系统，对其进行欺骗。

　　此外，恶意软件作者也可获得这些安全工具，调整自己的代码，查看能否规避检测。有些网站已提供了用主流安全系统检测软件的接口。最终，恶意软件作者会开始创建他们自己的机器学习模型，对战安全人工智能。