据BBC报道，在公司应对网络袭击的数字防御体系中，存在一个巨大漏洞。这个漏洞就是全世界都缺少熟练的技术人员，而他们在确保安全硬件运行、分析威胁以及反击入侵者的过程中，却发挥着至关重要的作用。安全领域的行业机构ISC2研究显示，目前全球安全行业缺少100万训练有素的技术人员。而且在未来5年中，这个缺口将达到180万人。
图：智能机器正帮助公司防御网络黑客
英国道德黑客技术认证机构Crest的负责人伊恩·格罗夫（Ian Glover）表示，技术人员紧缺现象已经得到广泛认可，由此还引发许多其他问题。格罗夫说：“人才紧缺正推动成本上升。毫无疑问，这会产生巨大影响，因为企业都在努力获得稀缺资源。此外，这也可能意味着企业无法找到称职的人才，因为他们总是要不顾一切地找人填补空缺。”
格罗夫警告称，许多国家都在采取措施，希望将人们吸引向安全行业，但是这些努力还不足以弥补技术人员短缺的问题。他说：“如果你看到攻击工具的自动化程度在提高，那么你也需要提高防御工具的自动化程度。”
在数据中“溺水”
总部位于澳大利亚悉尼的安全公司Huntsman Security创始人兼首席执行官彼得·伍拉科特（Peter Woollacott）表示，我们正向着更高自动化的方向迈进，但这种改变似乎有点儿姗姗来迟。很长时间以来，安全领域的革新似乎都以“手动”的缓慢方式进行。
分析师们认为，这些防御公司正“淹没”在数据海中。这些数据都是防火墙、PC、入侵检测系统以及其他设备产生的，它们会引发许多问题。安全公司Vectra Networks的首席技术官奥利弗·塔瓦克利（Oliver Tavakoli）称，自动化并非新兴事物，很早就曾被用于帮助杀毒软件发现新出现的恶意程序。
图：在复杂的网络中，人类并非总是能够发现异常活动
但是现在，机器学习正帮助自动化走得更远。塔拉克利说：“与人工智能相比，机器学习更容易理解、更加简单。”但这并非意味着，它只能处理简单的问题。机器学习的分析能力来源于算法的进化，而这些算法可以处理大量数据，并从中挑出异常或重大趋势。日益增强的计算能力也让这成为可能。
这些“深度学习”算法各有不同。比如OpenAI这类算法，对所有人开放。但是大多数算法都被开发它们的公司所有。规模较大的安全公司正争相收购规模较孝但却更加智能化的初创企业，以便迅速增强自己的防御能力。
不那么聪明
英国域名注册商Nominet首席技术官西蒙·麦考拉（Simon McCalla）表示，机器学习已在其研发的、名为Turing的工具中证明非常有用。Turing可以从该公司每天处理的大量查询中寻找网络攻击证据，包括查询有关英国网站位置的信息。
麦考拉说，Turing曾帮助分析1月份劳埃德银行遭到网络袭击过程中发生了什么，当时有数以千计的客户无法使用该银行服务。分布式拒绝服务（DDoS）攻击会产生大量需要处理的数据。麦考拉说：“通常情况下，我们每秒需要处理5万个查询。在劳埃德银行攻击事件中，我们需要处理的查询每秒超过50万个。”
图：通过让机器学习分析数据流量，可以阻止垃圾邮件发送者
一旦攻击结束，尘埃落定，Nominet可以在2个小时内处理好相当于1天的流量。Turing吸收所有来自Nominet服务器的信息，然后利用自己学到的东西发布早期预警，警告人们对持续时间更长的攻击做好准备。它会记录发出查询的被劫持机器IP地址，检查其电子邮件地址是否有效。
麦考拉说：“大多数情况下，我们看到的防御体系都不那么聪明。”没有机器学习的帮助，人类分析师不太可能发现攻击，直到目标受到影响，比如银行网站突然崩溃。分析师认为，Turing现在可以帮助英国政府维持内部网络安全，比如阻止工作人员访问可疑网站，避免成为恶意软件受害者等。
混乱与秩序
还有利用机器学习分析能力的更雄心勃勃的计划。在2016年的Def Con黑客大会上，美国五角大楼下属军事研究机构Darpa举办竞赛，让7个智能计算机程序互相攻击，看哪个程序自我防御能力最强。赢家是Mayhem，它现在正被改造，以便能够发现和修复代码中的漏洞，以免被恶意黑客利用。
图：Mayhem赢得Darpa举办的竞赛，找到能够发现漏洞的智能电脑
塔拉克利说，机器学习可以将来自不同源头的数据关联起来，为分析师提供全面信息，以确定一系列连续事件是否会形成威胁。它通常可以了解公司内的数据流动及其低潮状况，以及员工每天不同的作息时间。因此，当网络黑客试图偷窥网络连接或进入数据库时，这种恶意行为立即就会被发现。
当然，在庞大的网络中，黑客也非常善于掩盖他们的踪迹。对于人类来说，这些“妥协式迹象”可能很难被发现。现在，网络安全分析师只要安心静坐，就可以让机器学习系统紧缩所有数据，并找出未受到人类关注的严重攻击迹象。塔拉克利说：“这就像正准备进行手术的医生，尽管病人还没有到位，但他们已经做好准备，正处于严阵以待的状态。”（小小）
