（文章來源：36氪）

從某種意義上說，人工智能對網(wǎng)絡安全領域的影響與它對其他學科的影響沒有什么不同，因為人們常常嚴重高估了人工智能究竟可以做什么。他們不了解，比起更廣泛的命題，例如提出危險解決方案，當AI操作更具體的事情，例如異常問題檢測時，AI方能大顯身手。

與人類不同，人工智能缺乏智慧。它沒有創(chuàng)造性，也做不到有智有謀。它通常無法結合當前的環(huán)境和過往的記憶，像人腦那樣對事件產生綜合的理解。在接受VentureBeat采訪時，LogicHub首席執(zhí)行官兼聯(lián)合創(chuàng)始人Kumar Saurabh解釋了行業(yè)對人類分析師的需求，分析師需要借助工具來進行威脅檢測?！皫啄昵?，我們做了一個實驗，實驗中設置了一定數(shù)量的數(shù)據(jù)以供篩選，對于AI來說這點數(shù)量輕而易舉，但對于人工分析者來說卻是相當龐大的數(shù)據(jù)量”。研究者想要以此來了解，使用自動化系統(tǒng)的人工團隊在威脅檢測中能夠發(fā)揮何種作用。

波爾圖大學教授Ricardo Morla博士對VentureBeat表示，想要了解人與機器是如何協(xié)作的，就要了解“認知資源”。認知資源是指人類在不同狀況下，根據(jù)自身認知能力所產生的相應想法。 “隨著汽車變得越來越智能，人類最終釋放出更多的需求，在天黑時自動打開車燈，在上坡起步時主動控制離合器，在人分神時自動駕駛汽車……”。

但是，他補充說：“我們現(xiàn)在還沒有AI可以智能到“給人放假”，讓安全管理人員、大型僵尸網(wǎng)絡背后的工作人員都回家操作，然后其他所有工作都留給機器”。諸如入侵檢測和漏洞自動掃描之類的任務，可以由AI完成，但依然需要安全專家來監(jiān)督甚至決定。

相比之下，AI在網(wǎng)絡安全領域也有自己更擅長的地方。 Caleb Fenton是SentinelOne的創(chuàng)新主管，該公司專門研究使用AI和機器學習進行端點檢測。他認為，人工智能已經(jīng)能夠幫助軟件開發(fā)者提高效率，更快地開發(fā)工具?，F(xiàn)在，程序員可以省去費心編寫復雜的函數(shù)和中間好幾個月反復嘗試的過程，算法可以編寫好函數(shù)，他們只需要數(shù)據(jù)和標簽即可。

人工智能也為威脅檢測提供了便利，無論是靜態(tài)的查看文件，還是動態(tài)的程序運行。但工具依然只是工具，是好是壞還是取決于使用他的人。

Steve Kommrusch是科羅拉多州立大學的博士研究生，目前專注于機器學習方向，他曾在惠普和超微半導體等公司擔任計算機工程師長達28年。他贊同F(xiàn)enton的主張， “ AI可以幫助識別有風險的軟件編碼樣式，以此幫助程序員進行大量安全代碼的快速編寫。某些任務，比如最初級的 bug分類或簡單的bug修復，都可能由AI代替人工完成。但是，要確定哪些問題需要解決，設計數(shù)據(jù)結構以及開發(fā)可很好平行化的算法，仍然需要在相當長的時間內依靠人類。

因此，在可預見的未來，我們所關心的問題不在于機器是否會在網(wǎng)絡安全方面取代人類，而在于它們如何有效地協(xié)助安全專業(yè)人員的工作，增強工作人員的戰(zhàn)斗力。 增強與替換的概念滲透在AI所涉及的許多行業(yè)，但值得注意的是，在復雜的網(wǎng)絡安全領域，AI的增強作用明顯更占上風。

Saurabh認為這是勞動專業(yè)化的一種體現(xiàn)，人們會花費更多的時間做唯有人類能做的事情。工欲善其事，必先利其器。對于相應的問題，必須選擇正確的工具。錘子之于釘子，螺絲刀之于螺絲。 然而AI不同，它可以結合多種不同的技術，對需要解決的問題因地制宜。如果說，以前的工人需要選好正確的工具再上場，那以后的AI就是一個完備的工具箱。
（責任編輯：fqj）