安装工程计量与计价实务课视频教程
63783 人在学
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:
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:
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:
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。
人工智能的定义可以分为两部分,即“ 人工”和“ 智能”。“人工”比较好理解,争议性也不大。有时我们会要考虑什么是人力所能及制造的,或者人自身的智能程度有没有高到可以创造人工智能的地步,等等。但总的来说,“人工系统”就是通常意义下的人工系统。