（文章來(lái)源：教育新聞網(wǎng)）

AI的發(fā)展速度正以驚人的速度加快。今年，我們看到了AI的一些非常酷的行業(yè)突破-很高興與您分享。

人工智能的目標(biāo)是增強(qiáng)機(jī)器處理大量數(shù)據(jù)的能力，并通過(guò)這種方法使廣泛的任務(wù)自動(dòng)化。盡管實(shí)現(xiàn)了這一良性目標(biāo)，但AI也適合邪惡的目的，在我們這個(gè)日益數(shù)字化的世界中，AI有可能造成前所未有的破壞。就像人工智能可以用于積極的，良性的或有害的目的一樣，人工智能也可以。

在整個(gè)2019年，我們的研究團(tuán)隊(duì)已經(jīng)意識(shí)到了潛在的算法之戰(zhàn)，好的AI將被迫與糟糕的AI對(duì)抗。最近發(fā)布的研究表明，人工智能具有以三種不同方式使用的潛力。在攻擊的業(yè)務(wù)邏輯中，在攻擊的基礎(chǔ)架構(gòu)框架內(nèi)或以對(duì)抗性方法破壞基于AI的安全系統(tǒng)。在已經(jīng)建立起理論基礎(chǔ)的情況下，網(wǎng)絡(luò)攻擊的前景正變得越來(lái)越復(fù)雜和復(fù)雜。有了這種強(qiáng)大的技術(shù)，黑客可以變得更加強(qiáng)大，我們很快將面臨其功能和影響更具破壞性的攻擊。網(wǎng)絡(luò)安全范式轉(zhuǎn)變的需求從未如此迫切。

當(dāng)今大多數(shù)解決方案都為應(yīng)對(duì)這些巨大的運(yùn)營(yíng)挑戰(zhàn)而準(zhǔn)備不足。他們無(wú)法充分對(duì)抗復(fù)雜的AI攻擊，因?yàn)樗鼈儾捎昧藦?fù)雜的規(guī)避技術(shù)，這些技術(shù)隱藏了能夠造成更嚴(yán)重破壞的算法。在2020年，組織需要進(jìn)入新時(shí)代，充分意識(shí)到這一迫在眉睫的威脅，并通過(guò)適合任務(wù)的解決方案確保其數(shù)據(jù)和系統(tǒng)的持續(xù)安全性。

幸運(yùn)的是，人工智能技術(shù)不斷發(fā)展，深度學(xué)習(xí)(人工智能的最先進(jìn)形式)被證明是用于威脅防御的最有效的網(wǎng)絡(luò)安全解決方案。深度學(xué)習(xí)受到大腦學(xué)習(xí)新信息的能力的啟發(fā)，并從該知識(shí)中預(yù)測(cè)準(zhǔn)確的響應(yīng)。一旦大腦學(xué)會(huì)識(shí)別物體，物體的持續(xù)識(shí)別就成為第二天性。同樣，已經(jīng)發(fā)現(xiàn)，隨著人工深層神經(jīng)網(wǎng)絡(luò)大腦學(xué)會(huì)識(shí)別任何類(lèi)型的網(wǎng)絡(luò)威脅，其預(yù)測(cè)能力就會(huì)變得本能。對(duì)于企業(yè)而言，這具有重大意義，因?yàn)檫@意味著可以以無(wú)與倫比的準(zhǔn)確性和速度來(lái)預(yù)測(cè)和預(yù)防任何已知和未知的惡意軟件。

與基于檢測(cè)和基于響應(yīng)的解決方案(在響應(yīng)之前等待攻擊執(zhí)行)不同，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)可以對(duì)文件執(zhí)行前進(jìn)行分析，從而可以預(yù)先預(yù)防惡意文件。通過(guò)采取預(yù)防措施，文件和向量在執(zhí)行之前會(huì)自動(dòng)進(jìn)行靜態(tài)分析。這在威脅環(huán)境中至關(guān)重要，因?yàn)閷?shí)時(shí)情況有時(shí)可能為時(shí)已晚。

在2019年期間，人工智能的主要趨勢(shì)之一是深度學(xué)習(xí)模型的規(guī)模如何保持快速增長(zhǎng)。這非常令人興奮，因?yàn)檫@意味著現(xiàn)在可以處理包含更高復(fù)雜性的更大數(shù)據(jù)集。例如，2019年底使用的最新語(yǔ)言翻譯模型比2018年底使用的語(yǔ)言翻譯模型大很多倍。其結(jié)果是，與其關(guān)注句子組合作為數(shù)據(jù)集的基礎(chǔ)，該模型現(xiàn)在正在更詳細(xì)地學(xué)習(xí)，并將含義分配給較小的單詞組合。深度學(xué)習(xí)模型層次不斷增長(zhǎng)的趨勢(shì)預(yù)計(jì)將以指數(shù)級(jí)的速度發(fā)展。這種趨勢(shì)還強(qiáng)調(diào)了不斷增加的計(jì)算工作的重要性以及訓(xùn)練最新模型所需的成本。
? ? ? ?（責(zé)任編輯：fqj）