5種機器學習方式讓網路安全管理員想罵人

5種機器學習方式讓網路安全管理員想罵人

根據Narrative Science的數據，截至2017年底，約61％的企業已將人工智慧（AI）應用於其組織中 - 比去年增加了23％ 。Deloitte表示，人工智慧在業務中的應用只會增加：預計到2018年底，使用機器學習的大中型企業數量將翻一番。

機器學習是AI的一種形式，它計算大量數據，將演算法應用於數據，並根據其觀察結果進行預測。採用機器學習的常用技術包括面部識別，語音識別，翻譯服務和對象識別。

企業通常使用機器學習來定位和處理大型數據集，如果有的話，人類無法及時排序。 亞馬遜，IBM，谷歌和微軟等大公司使用機器學習來改善業務功能。但是，一些組織正在實施機器學習，其目的更為狹窄：網路安全。

雖然許多人認為通過更好地跟蹤安全問題，機器學習使網路安全專業人員的生活變得更加容易，但情況並非如此。就像任何新技術一樣，機器學習仍然存在缺陷 - 這些問題使得技術變得更加令人頭疼，而不是幫助安全領域。

1.配備機器學習的黑客

機器學習可以幫助抵禦攻擊者，但在被錯誤的人使用時可能具有破壞性。「一場軍備競賽正在發生，因為每一方都試圖一對一地製造出更好的人工智慧，」 Onica機器人學習專家Ryan Ries說道 。

2.缺乏透明度

根據Gartner研究副總裁Anton Chuvakin的說法，在大多數網路安全系統中，當檢測到漏洞時，管理員可以進入並查看導致警報的原因。但是，對於基於機器學習的系統，無法確定警報的原因，導致缺乏透明度。Chuvakin說，有時，這些警報最終會被誤報。

3.提供正確的數據

當任何和所有數據都被饋送到機器學習系統時，機器學習系統不起作用。這些系統實際上有點挑剔。Chuvakin表示，現代機器學習演算法依賴於非常具體的數據。

「當我們與一些供應商交談時，他們告訴我們，挑戰往往不是關於機器學習，而是更多關於如何提供正確的數據，」Chuvakin說。

4、人類仍然需要使系統工作

由於機器學習系統無法解釋為什麼某些東西被標記，因此需要某些東西（或其他人）。Chuvakin表示，很多人擔心人工智慧會讓人失去工作，但憑藉機器學習所需的專業技能，實際上可能會創造出更多就業機會。

5.科技人才短缺

使機器學習工作所需的專業技能產生另一個問題：需要難以找到的人才。科技界的人才短缺，特別是數據科學家的人才短缺，絕對不是秘密。處理機器學習系統很困難，因此很難找到能夠幫助這些利基操作系統的個人，讓網路安全專業人員陷入困境。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！