計算機已經被用於對抗網絡犯罪，但是多數情況下，它的判斷依賴於對異常行為的辨識，而異常行為太多了。根據 IBM 的一份報告，一個組織平均每天能發現 20 萬次的安全事件，根本無法進行全面的跟蹤。另外，即使識別了異常行為，計算機也很難把握整個事件的全貌。為了解決這個問題，IBM 用上了自己的人工智能系統 Watson。
“這是解析、學習和收集非結構化數據的問題，需要收集博客、白皮書和研究報告等等，” IBM 安全部門副總裁 Caleb Barlow 對 Wired 網站説，“除此之外，還要獲取那些非結構化的、不易為機器理解的各種形式的分析報告，同時要對數據進行背景分析，以了解潛在的問題是什麼。”
(圖片來自 Wired)
Watson 的信息處理能力是人類無法企及的。安全研究員不可能掌握數以萬計的軟件漏洞，或者閲讀每月新增的數萬篇安全博客，而 Watson 可以做到。
曾在醫務部門工作的 Barlow 打了個比方。Watson 就像是一名急救醫生。在判斷症狀根源的時候，急救醫生需要綜合各種狀況。他觀察結構化的數據，包括血壓、心率、呼吸狀況，同時，他也會考慮一些非結構化的數據，比如病人的口頭回應、病人遭遇的意外狀況等。在結合所有可以獲取的信息後，急救醫生能夠更好地了解病人的真實狀況，向臨床醫生提供預後。“這也是 Watson 將要提供給安全運營中心的東西，” Barlow 説。
(圖片來自 Wired)
在此之前，Waston 需要了解網絡安全的原理。由於網絡安全的複雜性，這並不是一件容易的事情。Watson 不僅要閲讀大量的資料，而且要理解它的具體含義，搞懂各種術語之間的聯繫。
“在閲讀文本的時候，它需要做些什麼事情呢？它需要了解這些術語的含義。 ‘網絡攻擊’是什麼意思？‘攻擊目標’是什麼意思？‘安全事故’是什麼意思？安全事故的信號又是什麼？” Barlow 説。
目前，Watson 的學習資料是 IBM 研究員手工選擇，而且進行了手工註釋的。一旦 Watson 把握了基本概念，能夠自己做註釋後，研究員們就加快進程，從美國八所大學的學生那裏獲取幫助。在初步訓練階段，Watson 每月要消化 1.5 萬個安全文件，與不同的圖書館和新聞源保持聯繫，以保證自己的知識始終是最新的。
(圖片來自 Novealthy)
如果 Watson 學習速度夠快的話，今年年底 IBM 可能將其部署到企業。Barlow 認為，Watson 不僅可以辨識已經存在的安全風險，而且有可能提前預防。有些網絡攻擊可能持續數天，甚至是數週時間，如果 Watson 能夠提前辨識出危險信號，那麼，安全人員就能提前預防，或者早日開始對抗這些攻擊。
“教授 Watson 與教授我的孩子之間的區別在於，Watson 永遠不會忘記東西，” Barlow 説。
題圖來自 techbreak
資料來源：愛範兒（ifanr）
請按此登錄後留言。未成為會員? 立即註冊