今年在网络安全方面AI的一些重大突破

AI的发展速度正以惊人的速度加快。今年，我们看到了AI的一些非常酷的行业突破-很高兴与您分享。

人工智能的算法之战

人工智能的目标是增强机器处理大量数据的能力，并通过这种方法使广泛的任务自动化。尽管实现了这一良性目标，但AI也适合邪恶的目的，在我们这个日益数字化的世界中，AI有可能造成前所未有的破坏。就像人工智能可以用于积极的，良性的或有害的目的一样，人工智能也可以。

在整个2019年，我们的研究团队已经意识到了潜在的算法之战，好的AI将被迫与糟糕的AI对抗。最近发布的研究表明，人工智能具有以三种不同方式使用的潜力。在攻击的业务逻辑中，在攻击的基础架构框架内或以对抗性方法破坏基于AI的安全系统。在已经建立起理论基础的情况下，网络攻击的前景正变得越来越复杂和复杂。有了这种强大的技术，黑客可以变得更加强大，我们很快将面临其功能和影响更具破坏性的攻击。网络安全范式转变的需求从未如此迫切。

当今大多数解决方案都为应对这些巨大的运营挑战而准备不足。他们无法充分对抗复杂的AI攻击，因为它们采用了复杂的规避技术，这些技术隐藏了能够造成更严重破坏的算法。

在2020年，组织需要进入新时代，充分意识到这一迫在眉睫的威胁，并通过适合任务的解决方案确保其数据和系统的持续安全性。

超越EDR的过渡

幸运的是，人工智能技术不断发展，深度学习(人工智能的最先进形式)被证明是用于威胁防御的最有效的网络安全解决方案。深度学习受到大脑学习新信息的能力的启发，并从该知识中预测准确的响应。一旦大脑学会识别物体，物体的持续识别就成为第二天性。同样，已经发现，随着人工深层神经网络大脑学会识别任何类型的网络威胁，其预测能力就会变得本能。对于企业而言，这具有重大意义，因为这意味着可以以无与伦比的准确性和速度来预测和预防任何已知和未知的恶意软件。

与基于检测和基于响应的解决方案(在响应之前等待攻击执行)不同，深度学习神经网络可以对文件执行前进行分析，从而可以预先预防恶意文件。通过采取预防措施，文件和向量在执行之前会自动进行静态分析。这在威胁环境中至关重要，因为实时情况有时可能为时已晚。

深度学习模型的扩展

在2019年期间，人工智能的主要趋势之一是深度学习模型的规模如何保持快速增长。这非常令人兴奋，因为这意味着现在可以处理包含更高复杂性的更大数据集。例如，2019年底使用的最新语言翻译模型比2018年底使用的语言翻译模型大很多倍。其结果是，与其关注句子组合作为数据集的基础，该模型现在正在更详细地学习，并将含义分配给较小的单词组合。深度学习模型层次不断增长的趋势预计将以指数级的速度发展。这种趋势还强调了不断增加的计算工作的重要性以及训练最新模型所需的成本。