人工智能和机器学习的力量-德赢Vwin官网网

随着人工智能(AI)和机器学习(ML)能力的不断发展引起人们越来越多的兴趣，人们开始关注它们如何能提高IT安全性。供应商和客户都在研究这些技术加强防御和抵御攻击的方法。

从安全专业人员的角度来看，目前对于采用人工智能和机器学习的需求非常强烈。他们正在寻求使威胁检测和标记恶意行为实现自动化的方法。替代人工方法将腾出时间和资源来专注于其他任务。

当前许多安全监控工具生成的大量警报或误报使这一挑战更加严重。而企业团队致力于进行安全分析，或者发现他们根本无法在这些警报中识别正在出现的威胁。

人工智能和机器学习的力量

人工智能和机器学习可以在这里交付真正的价值。当涉及到识别和预测某些类型的模式时，机器学习提供了比人类更好的能力。这些新工具还可以超越基于规则的方法，这些方法需要已知模式的知识。与其相反，他们可以学习IT基础设施中的典型活动模式，并发现可能标记攻击的异常偏差。

但是，尽管人工智能和机器学习等现代工具可以支持首席信息安全官的网络支持基础设施，但组织仍然需要一些人员的参与才能做出响应并从事件中恢复。例如，这些人确定问题是否为误报，与受影响的团队进行沟通，以及与其他组织协调行动等。

确实，当今的安全产品不能完全使安全运营中心(SOC)完全实现自动化，也无法完全消除对安全分析师、事件响应者和其他安全运营中心(SOC)工作人员的需求，但是技术可以简化和自动化某些流程以减少对人员响应者的需求。

机器学习技术提供了多种改善组织基础设施安全性的方法。这些包括：

•威胁预测和检测，其中评估异常活动以识别新出现的威胁。

•风险管理，其中包括监视和分析用户活动，资产内容和配置，网络连接以及其他资产属性。

•通过使用有关组织资产的知识以及可能存在弱点的信息，对漏洞信息进行优先级排序。

•威胁情报管理，通过该情报审查威胁情报源中的信息以提高质量。

•安全事件和事件调查与响应，其中涉及查看和分析事件的信息，以便确定下一步措施，并组织最适当的响应。

人工智能和用户和实体行为分析(UEBA)

这些新兴技术可以协助安全团队的另一个领域是用户和实体行为分析(UEBA)。基于用户和实体的威胁日益受到关注，因此需要新的方法。

根据Verizon公司最近发布的数据泄露事件报告，确认的数据泄露事件中有63%涉及网络攻击者通过使用被盗的访问凭据冒充合法用户，或恶意利用合法用户的访问权限。

但是，要检测内部威胁，安全工具必须首先能够理解用户行为并为其设定基准，而这正是机器学习可以提供真正价值的地方。通过建立基线行为和模式，然后通过组合统计模型、机器学习算法和规则来检测异常，用户和实体行为分析(UEBA)解决方案可以将传入事务与现有基线配置文件进行比较。可以标记潜在威胁，以供进一步检查和采取措施。

人工智能可以协助用户和实体行为分析(UEBA)的特定领域包括：

•帐户泄露：由人工智能驱动的工具可以检测黑客是否访问了网络用户的凭据，而无论所使用的攻击媒介或恶意软件如何。

•内部威胁：通过建立基准用户行为，这些工具将能够检测并标记超出该基准的异常和高风险活动。

•特权帐户滥用：由人工智能协助的用户和实体行为分析(UEBA)解决方案将通过检测泄露的凭据和向包含此特权数据的系统的横向移动，来识别对有权访问敏感信息的特权用户的特定攻击。

不断改进IT安全性

人工智能和机器学习技术共同为安全团队提供了很多东西，以寻找更好的方法来防范和应对网络安全威胁。

但是，为了实现该技术必须提供的所有功能，安全团队将需要牢记必须采取的一些关键步骤。这些包括：

•提供基于机器学习的工具，可以实时访问大量高质量、丰富的结构化数据，这些数据显示了整个组织中与安全相关的所有事件。

•向工具提供必要场景信息，以了解每个观察到的活动和检测到的异常含义和重要性。

•使用大量高质量的培训数据进行监督学习，以教育哪些工具有益于活动，哪些不利于活动。

人工智能和机器学习支持的工具部署和管理得当，将为安全团队提供重要的支持和帮助。他们将检测隐藏的威胁并最大程度地减少误报，加快事件响应速度，简化安全运营中心(SOC)的运行，从而降低成本并提高效率。

人工智能和机器学习的发展才刚刚开始，其功能在未来几年将继续加快发展。人们值得花费时间了解该技术的功能以及它如何为组织增加价值。

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

人工智能

人工智能

+关注

关注
1791

文章
47183

浏览量
238247
机器学习

机器学习

+关注

关注
66

文章
8406

浏览量
132561

原文标题：为什么人工智能和机器学习对于有效的IT安全越来越重要

文章出处：【微信号：D1Net08，微信公众号：AI人工智能D1net】欢迎添加关注！文章转载请注明出处。

嵌入式和人工智能究竟是什么关系?

嵌入式和人工智能究竟是什么关系? 嵌入式系统是一种特殊的系统，它通常被嵌入到其他设备或机器中，以实现特定功能。嵌入式系统具有非常强的适应性和灵活性，能够根据用户需求进行定制化设计。它广泛应用于各种

发表于 11-14 16:39

LLM技术对人工智能发展的影响

随着人工智能技术的飞速发展，大型语言模型（LLM）技术已经成为推动AI领域进步的关键力量。LLM技术通过深度学习和自然语言处理技术，使得机器能够理解和生成自然语言，极大地扩展了

发表于 11-08 09:28 •344次阅读

人工智能、机器学习和深度学习存在什么区别

人工智能指的是在某种程度上显示出类似人类智能的设备。AI有很多技术，但其中一个很大的子集是机器学习——让算法从数据中学习。

发表于 10-24 17:22 •2479次阅读

<b class='flag-5'>人工智能</b>、<b class='flag-5'>机器</b><b class='flag-5'>学习</b>和深度<b class='flag-5'>学习</b>存在什么区别

《AI for Science：人工智能驱动科学创新》第6章人AI与能源科学读后感

、优化等方面的应用有了更清晰的认识。特别是书中提到的基于大数据和机器学习的能源管理系统，通过实时监测和分析能源数据，实现了能源的高效利用和智能化管理。其次，第6章通过多个案例展示了人工智能

发表于 10-14 09:27

《AI for Science：人工智能驱动科学创新》第一章人工智能驱动的科学创新学习心得

人工智能：科学研究的加速器第一章清晰地阐述了人工智能作为科学研究工具的强大功能。通过机器学习、深度学习等先进技术，AI能够处理和分析海量

发表于 10-14 09:12

risc-v在人工智能图像处理应用前景分析

RISC-V和Arm内核及其定制的机器学习和浮点运算单元，用于处理复杂的人工智能图像处理任务。四、未来发展趋势随着人工智能技术的不断发展和普及，RISC-V在

发表于 09-28 11:00

名单公布！【书籍评测活动NO.44】AI for Science：人工智能驱动科学创新

！《AI for Science：人工智能驱动科学创新》这本书便将为读者徐徐展开AI for Science的美丽图景，与大家一起去了解： 人工智能究竟帮科学家做了什么？ 人工智能将如何改变我们所生

发表于 09-09 13:54

FPGA在人工智能中的应用有哪些？

FPGA（现场可编程门阵列）在人工智能领域的应用非常广泛，主要体现在以下几个方面：一、深度学习加速训练和推理过程加速：FPGA可以用来加速深度学习的训练和推理过程。由于其高并行性和低延迟特性

发表于 07-29 17:05

人工智能、机器学习和深度学习是什么

在科技日新月异的今天，人工智能（Artificial Intelligence, AI）、机器学习（Machine Learning, ML）和深度学习（Deep Learning,

发表于 07-03 18:22 •1263次阅读

Samtec AI应用科普 | 人工智能中的互连

摘要/前言现代生活的方方面面都受到了计算机和半导体的影响，但最能吸引公众想象力的莫过于人工智能（AI）和机器学习（ML）的兴起。 AI推动创新虽然人工智能已经存在了一段时间，但最近

发表于 06-05 11:32 •920次阅读

5G智能物联网课程之Aidlux下人工智能开发（SC171开发套件V2）

://t.elecfans.com/v/27221.html *附件：初学者完整学习流程实现手写数字识别案例_V2-20240506.pdf 人工智能 语音对话机器人案例 26分03秒 https

发表于 05-10 16:46

机器学习怎么进入人工智能

，人工智能已成为一个热门领域，涉及到多个行业和领域，例如语音识别、机器翻译、图像识别等。在编程中进行人工智能的关键是使用机器学习算法，这是

发表于 04-04 08:41 •298次阅读

5G智能物联网课程之Aidlux下人工智能开发（SC171开发套件V1）

*附件：初学者完整学习流程实现手写数字识别案例.pdf 人工智能 语音对话机器人案例 26分03秒 https://t.elecfans.com/v/27185.html *附件：语音对话机

发表于 04-01 10:40

人工智能和机器学习的顶级开发板有哪些？

机器学习（ML）和人工智能（AI）不再局限于高端服务器或云平台。得益于集成电路（IC）和软件技术的新发展，在微型控制器和微型计算机上实现机器学习

发表于 02-29 18:59 •818次阅读

嵌入式人工智能的就业方向有哪些?

联网ARM开发 NB-IoT开发及实战七：python工程师，人工智能工程师 python语法基础 python核心编程基于OpenCV的机器视觉开发嵌入式人工智能渗入生活的方方面面，广泛应用

发表于 02-26 10:17

搜索历史

人工智能和机器学习的力量