對大數(shù)據(jù)和高性能計算資源的訪問，使企業(yè)能夠利用新興的人工智能工具和機器學習模型，幫助保護企業(yè)網(wǎng)絡和企業(yè)應用程序的安全。

網(wǎng)絡專家們表示，隨著數(shù)據(jù)分析平臺掃描數(shù)十億網(wǎng)絡信號，以檢測和阻止網(wǎng)絡攻擊，這些自動化工具正在改進。一個名為UEBA(user and entitybehavior analytics 用戶和實體行為分析)的新興框架，正被銀行用來對日益增多的釣魚攻擊和金融欺詐行為進行主動防御。

能夠訪問大數(shù)據(jù)和高性能計算資源的網(wǎng)絡防御者正在使用UEBA以及鏈接分析等技術來搜尋威脅的來源。鏈路分析是指對使用相同IP地址的威脅進行評估。

在新興的工具中，有領域生成算法，可以用來繞過安全控制和分析系統(tǒng)來檢測惡意軟件。這種技術和其他基于人工智能的檢測技術已經(jīng)幫助一些銀行提高了約10%的安全運營?；谌斯ぶ悄艿姆治霰砻?，攻擊者的行為往往同當前事件有關聯(lián)，特別是COVID-19大流行期間。當世界衛(wèi)生組織(World Health Organization)今年3月宣布全球流感大流行時，黑客們迅速從惡意軟件轉向網(wǎng)絡釣魚攻擊，攻擊的對象是在家里進入公司網(wǎng)絡的員工。

這些網(wǎng)絡釣魚攻擊通常針對的是證書、商業(yè)郵件或兩者兼而有之。微軟利用云用戶、設備和應用程序生成的海量信號數(shù)據(jù)，然后應用機器學習技術掃描了6萬億條消息。這種自動化方法使其安全團隊在過去一年中攔截了130億封惡意郵件。

“從預測和預防的角度來看，人工智能確實很有幫助。”微軟的Rahmani說。與此同時，該公司正在部署機器學習模型，以實現(xiàn)安全自動化，并掃描可能預示著網(wǎng)絡釣魚或其他攻擊的異常用戶行為。

“同樣，我們的目標是在網(wǎng)絡防御這場貓捉老鼠的游戲中領先無情的黑客一步。”

事實上，在網(wǎng)絡安全方面更多地使用人工智能也有一個缺點，老練的攻擊者也在利用它來探查漏洞的防御。微軟的Rahmani表示，機器學習在軟件行業(yè)是一個日益增長的現(xiàn)實。此外，網(wǎng)絡犯罪分子可以訪問許多與防御者相同的計算能力和數(shù)據(jù)存儲資源。“沒有什么靈丹妙藥，”這位微軟高管說。

因此，網(wǎng)絡安全團隊正在采用“多維分析”技術以保持領先，包括網(wǎng)絡用戶和設備訪問監(jiān)控以及跟蹤登錄活動和數(shù)據(jù)移動。Sahar Rahmani指出，這一切都得益于新興的機器學習工具。

隨著人工智能和機器學習應用擴展到網(wǎng)絡安全等應用領域，市場分析師預測，這些自動化技術將有助于推動對高性能計算基礎設施的需求。專家表示，高性能計算市場的人工智能基礎設施部分預計將在明年達到80億美元。基于HPC(高性能計算)的人工智能的需求將受到機器學習和模型訓練工作量的驅動而提升。