人工智慧技術或許可以防範網絡犯罪
2021-01-10 電子發燒友Rebuild.AI 發表於 2020-01-16 14:14:00
（文章來源：Rebuild.AI）
AI技術能夠成為數據安全的保護者，英國公司Darktrace就是其中一個很好的例子。從2013年創立開始，Darktrace發展得很快，現在全球已經有了700多個僱員，公司價值12．5億美元，雖然幾百萬美元的合同不少籤，但公司拒絕向外界透露它的收入。
公司共同創始人兼CEO Nicole Eagan告訴CNBC，「我們現在正處於一場網絡軍備競賽。戰場就是每個公司的網絡系統。這是一場關於算法的戰爭。」Darktrace的AI技術的原理簡述如下：從雲端或者公司內部網絡，甚至一個專門的工廠，公司的技術將通過防止外部攻擊者找到進入公司電腦的路徑的方法，來達到保護公司內部人員正常使用網絡不被打擾的目的。
複雜的技術其實脫身於我們身邊最常見的東西：人類的免疫系統。眾所周知，免疫系統會識別什麼是「自我」，什麼是「外來者」，並且也能識別那些從未接觸過的病毒和威脅。Darktrace的系統也是這個原理，深度學習公司內每一個電腦使用者的習慣，每一個設備，並從該流程中學習什麼是「自我」，該技術能夠實時分辨出特異點，從而阻止威脅進入。
Dartrace也提前預設了襲擊者真的進入了公司網絡的預想。「一個叫做SaaS的軟體服務功能將會』從內而外』地工作，發現襲擊者什麼時候進來的，都得到了哪些信息，並在造成嚴重損失之前阻止它。」 這就像是我們的身體免疫系統，有時候我們感冒了，病毒的確進入了我們的身體，但免疫系統會發現它們的偽裝，然後儘早處理這些不速之客。
就結果來說，Darktrace每天都能發現新的威脅。舉個例子，整個公司網絡就像是一個巨大的魚缸，而保護機制就像是水缸中的漁網。一次，一家客戶被攻擊了，Darktrace抓住了這個「漏網之魚」，卻發現原來是公司內部人員增加了一個物聯網恆溫器設備卻忘記告訴管理部門。
然而一個真實的威脅是，攻擊者從這個恆溫器中偷偷溜進，在「富人」資料庫裡溜達了一圈。並且把數據上傳到雲端。而Darktrace發現了這一異常，就是因為一般恆溫器不會去「富人」資料庫。還有一次，有個大銀行的員工一直用公司的伺服器挖比特幣，但這個行為在Darktrace的眼裡就和別的數據中心伺服器不太一樣，被發現後這個員工的發財夢就破滅了。Darktrace並不是該領域唯一的玩家。
「我們看見越來越多的公司對機器學習、深度學習、人工智慧在網絡安全領域的應用感興趣。」馬裡蘭大學網絡安全研究生項目的主管向CNBC表示。該大學計算機科學的教授兼網絡安全中心主管補充說，「現在已經有多個公司在用AI和機器學習來對抗網絡犯罪。雖然沒有準確數據，但過去五年間確實增加了。」
位於加州的Trustlook就是一個例子。同樣是2013年創立，融到了3500多萬美元，這家公司的結局方案主要保護行動裝置、網際網路設備、物聯網。和其他機器學習公司一樣，Trustlook的秘密也在於AI持續的學習和自我提升特點。「不管是真威脅還是假警報，這個系統會一直適應這些新信息，並且產生新的應對模式。」
Chronicle也是一個位於加州的用機器學習來對抗網絡犯罪的公司。2016年作為谷歌的一個小分支誕生，2018年的它已經成為一個Alphabet旗下一個獨立的公司。不願意透露公司的融資或者估價，這家公司的發言人告訴CNBC，和Alphabet的這層得天獨厚的關係使得公司能夠得到更多的數據。
儘管後起之秀很多，Darktrace還是該領域的先行者，並且在非常多的公司真正部署了自己的系統。一個業內人士對CNBC透露說，Darktrace已經建立了很多的關鍵技術和能力，以及很好的口碑。在這個市場，它是領頭者，不管是作為一個獨立的公司還是更大公司的一部分存在，在相當長的時間內，Darktrace都要比業內其他的獨立公司更優秀。
2014年全球空缺的產業職位就達到了一百萬個，到2021年會達到350萬個。AI是唯一能夠填補這個空缺的方法。「我們預計未來網絡安全失業率將一直保持在0，而AI的使用也將加速。」 Morgan告訴CNBC。未來將不僅僅止於發現威脅，AI還將能夠積極應對這些威脅。在這一點上，Darktrace已經著手，兩年前就推出了能夠「應對威脅」的產品，目前已經有了幾百個使用者。
再下一步，就不僅僅是「應對」了， 而是AI直接和威脅正面硬槓。「我們正在著力研發，打算叫它自動回應系統，就像我們叫自動駕駛汽車一樣。」 到了那個階段，人們就可以完全放心AI技術去解決一切，而不需要任何人工的參與。
（責任編輯：fqj）
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容圖片侵權或者其他問題，請聯繫本站作侵刪。 侵權投訴
相關焦點
-
人工智慧技術現在就可以顛覆工業領域了嗎
除了消費網際網路、金融和安防等領域，人工智慧技術也正在向工業領域多個環節廣泛滲透，人工智慧技術在工業領域的融合應用是後者數位化、網絡化、智能化轉型發展的關鍵。模型規模的神經元總數以及神經元連接的數量級使深度學習模型成為更大體量的網絡、更高密度的系統，從而能在真實環境中處理更複雜的問題並得出更精準的結論。 這次浪潮取得的最大突破在於對象識別，識別不再局限於圖像的識別，還可以識別語音、文字等。 -
人工智慧技術的三個層次,人工智慧製造業應用場景
隨著智能製造熱潮的到來，人工智慧應用已經貫穿於設計、生產、管理和服務等製造業的各個環節。 01人工智慧技術的三個層次 人工智慧技術和產品經過過去幾年的實踐檢驗，目前應用較為成熟，推動著人工智慧與各行各業的加速融合。從技術層面來看，業界廣泛認為，人工智慧的核心能力可以分為三個層面，分別是計算智能、感知智能、認知智能。 -
打擊網絡霸凌,人工智慧技術有話說!
這些情況讓新一代用戶認為這些技術是不良的工具，打擊人們將技術融入生活的積極性。網絡霸凌難以預防和阻止網絡霸凌與現實生活中的霸凌不同。網絡霸凌獨有的特點使其難以被阻止。· 網絡欺凌難以察覺——通常，欺凌者披上幽默的外衣，巧妙地譏諷受害者。· 屏蔽他人只會助長霸凌——社交媒體群中，想要屏蔽掉霸凌者幾乎是不可能的。 -
防範查處網絡社交平臺涉未成年人犯罪
當前，防範查處網絡社交平臺涉未成年人犯罪形勢緊迫，此類犯罪性質惡劣，而對此的網絡監管卻嚴重不足，我國又尚存在立法疏漏， 導致受害未成年人往往被關注不足，我們必須修改完善相關立法，從嚴防範查處網絡社交平臺涉未成年人犯罪。 -
2017人工智慧技術趨勢報告
作為國內首家系統性關注人工智慧的科技媒體，機器之心在過去幾年的報導工作中見證了深度學習引領的又一次人工智慧浪潮以及大眾關注的熱情，與此同時我們也發現由於「AI Effect」的存在，有很多人忽略了深度學習之外的其它人工智慧技術，對人工智慧各種技術分類及基礎概念、技術的歷史進程和發展方向都缺乏成體系化的了解，導致對人工智慧技術的整體發展趨勢及「可用性」缺少宏觀認識 -
【電詐宣傳】銅普派出所聯合鎮政府召開防範網絡電信詐騙犯罪專題...
【電詐宣傳】銅普派出所聯合鎮政府召開防範網絡電信詐騙犯罪專題會和節前安排部署會 2020-12-29 17:49 來源：澎湃新聞·澎湃號·政務 -
為什麼要採用人工智慧技術
對於那些對人工智慧風險感到焦慮或不確定的領導者來說，需要了解人工智慧完成難以置信的工作的三個方式。 1.願景：人工智慧可以提供更清晰的視野 人工智慧能夠為企業提供更好、更清晰的視野，從而根據客戶需求塑造服務和產品。人們可以在星巴克和麥當勞的日常辦公場所看到這種增強的客戶視野，並在日常生活中發揮作用。 -
農行河池分行採取措施防範電信網絡新型違法犯罪
2020年12月16日 12:22 來源：廣西新聞網 作者：黃炳鳳 編輯：李良 廣西新聞網河池12月16日訊（通訊員 黃炳鳳）今年以來，農行河池分行繼續深入開展電信網絡新型違法犯罪排查和整治工作，從源頭上治理電信網絡新型違法犯罪 -
虛擬主播是人工智慧技術與直播的強強聯合
（圖片轉載自網絡，侵刪）和真人直播不同，虛擬直播對人工智慧技術的要求非常高，要想實現良好的直播效果，需要專業的動態捕捉設備、面部表情操控系統工具，高額的資金，還有多位工作人員進行操控調試（圖片轉載自網絡，侵刪）1. 直播行業多年來保持著高速增長，但是要想保持對年輕人的吸引力，就必須要堅持創新。用科技賦能直播行業，可以時刻抓住年輕人的眼球。 -
Visa利用人工智慧技術成功防範約250億美元的年欺詐交易損失
上海2019年6月18日 /美通社/ -- Visa公司（NYSE：V）今日發布的最新分析數據顯示，「Visa高級授權」服務（Visa Advanced Authorization, VAA）通過利用人工智慧（AI）技術，幫助金融機構一年內防範約250億美元的欺詐損失，從而使全球支付生態系統變得更加安全，得以更好地保護零售商和消費者的利益 -
ISC 2020：聚焦打擊新型網絡犯罪新技術探索論壇
近年來已改變「以打開路」的常規做法，將防範工作放在首位。同時改變以往「打窩點」為主的做法，採取盯準犯罪閉環中的關鍵環節，重點打擊各類黑灰產平臺，以此切斷犯罪鏈條。從成效來看，貸款類通信網絡詐騙案件發案下降幅度達20%，有效淨化了網際網路空間。 -
昭通市召開打擊防範電信網絡新型違法犯罪工作電視電話會議!
8月31日，昭通市召開打擊防範電信網絡新型違法犯罪工作電視電話會議，認真貫徹落實中央、省、市打擊治理電信網絡新型違法犯罪工作的系列部署要求和全市2020年半年工作推進會議精神，研究部署全市打擊防範電信網絡詐騙犯罪宣傳工作，在全市範圍內迅速打響一場宣傳防範電信網絡詐騙犯罪的人民戰爭 -
麥肯錫:使用人工智慧技術的五大障礙
這些神經網絡能夠通過數據訓練，並配合反向傳播算法實現「學習」。 雖然這一技術已經取得了一系列進展，但需要注意的是，其中還有最關鍵的一步，就是如何將人工智慧方法與問題和可用數據匹配起來。由於這些系統是「訓練」而來，而非編程而來的，因此其學習過程往往需要大量標記數據才能準確執行複雜的任務。 -
專業介紹 | 人工智慧技術應用專業介紹
人工智慧技術應用專業是2019年山東省教育廳立項高等職業教育高水平專業群重點發展專業，2020年，與浪潮集團共建「人工智慧與大數據學院」，在軟體技術專業開設了人工智慧方向，2021年起，人工智慧技術應用專業開始招生，專業與浪潮集團、山東省計算中心（國家超級計算濟南中心）等企業積極開展專業共建。 -
多元智能視域中的人工智慧技術發展及教育應用
機器學習的能力強弱關鍵在於算法，如上世紀80年代末期出現的淺層學習（Shallow Learning）運用的是基於人工神經網絡的反向傳播（BackPropagation，簡稱BP）算法[21]，而深度學習由Geoffrey Hinton於2006年提出[22]，是基於深度卷積神經網絡（Deep CNN）的計算模型，成為物體識別的主流方法，也是目前在某些垂直細分領域唯一能達到人類水平的計算模型。 -
人工智慧製造業應用場景
隨著智能製造熱潮的到來，人工智慧應用已經貫穿於設計、生產、管理和服務等製造業的各個環節。 01 人工智慧技術的三個層次 人工智慧技術和產品經過過去幾年的實踐檢驗，目前應用較為成熟，推動著人工智慧與各行各業的加速融合。從技術層面來看，業界廣泛認為，人工智慧的核心能力可以分為三個層面，分別是計算智能、感知智能、認知智能。 -
人工智慧技術在醫療領域的應用
近年來，人工智慧技術與醫療健康領域的融合不斷加深，隨著人工智慧領域，語音交互、計算機視覺和認知計算等技術的逐漸成熟，人工智慧的應用場景越發豐富，人工智慧技術也逐漸成為影響醫療行業發展，提升醫療服務水平的重要因素。 -
人工智慧技術的未來發展趨勢
新的人工智慧技術正在受到消費者的歡迎。根據Adobe Analytics的研究，據說擁有智能揚聲器的人中約有71％的人每天至少使用一次，而擁有智能揚聲器的人中約有44％的人每天承認多次使用智能揚聲器。因此，在2019年，我們將能夠看到更多高級AI助手幫助家庭和工作場所以及影響其他生活領域。 -
人工智慧晶片技術
可以說，「無晶片不AI」，能否開發出具有超高運算能力、符合 市場需求的晶片，已成為人工智慧領域可持續發展的重要因素。儘管全球人工智慧產業還處於初 期發展階段，但隨著政府和產業界的 積極推動，人工智慧技術在大規模產業 化應用方面突飛猛進，在算法和晶片 等人工智慧基礎技術層面積累了強大 的技術創新，這些成果未必能即時商 業化，但對未來科技的影響深遠。 -
天地和興:人工智慧對網絡安全造成了什麼影響?
AI/ML工具在幫助抗擊網絡犯罪方面可能走了很長一段路，但是這些技術並非無所不能，也會被惡意黑客利用。人工智慧將致力於極大地提高網絡安全性，但黑客也可將其用於網絡犯罪活動，這是對網絡安全的真正威脅。AI可以有效地分析用戶行為，推導模式並識別網絡中的各種異常或不正常情況。有了這些數據，可以快速輕鬆地識別網絡漏洞。反之，現在依賴於人類智能的職責將易於受到模仿合法的基於AI算法的惡意程序的攻擊。