數字連接的激增和更復雜的網絡威脅已使人們更加需要智能網絡安全。智能網絡安全是*種邏輯上的反應，它試圖通過減少因經常依賴網絡安全技能短缺和數據安全管理的行政負擔而對手工流程的依賴而造成的安全漏洞來管理風險。

 

 

　　盡管面臨挑戰，但有望減少對人類的依賴并增強網絡安全能力。眾多不斷發展的認知技術可以幫助我們增強網絡安全性，并應對日益惡意和破壞性的網絡威脅態勢。

 

　　人工智能（AI）：   Gartner將AI描述為“*種通常通過學習，得出自己的結論，似乎理解復雜的內容，與人進行自然對話，增強人類的認知表現或替代人類來模仿人類表現的技術。執行非常規任務。” 現在，具有AI的計算機的*些基本活動旨在：學習計劃；和解決問題。

 

　　使用AI和ML的計算系統對于網絡運營變得越來越普遍和至關重要，并且已成為公共和私營部門中網絡安全研究開發和投資的主要重點*域。在減輕網絡安全威脅方面，發現，分類和綜合數據無疑是優勢。整體而言，人工智能技術可用于幫助防御日益復雜和惡意的惡意軟件，勒索軟件和社會工程學攻擊。人工智能還沒有感知力（但是），但是在預測和緩解網絡攻擊方面，人工智能的認知自主性可能存在未來。

 

　　機器學習：  從根本上講，它涉及使計算機無需編程即可運行。它通常與AI結合使用，可以看作是預測分析的快速自動化。機器學習可以提供*快的方法來識別新的網絡攻擊， 進行統計推斷，并將該信息推送到端點安全平臺。

 

　　AI和ML 當然 可以為網絡安全提供重要組成部分的*域是威脅情報。它可用于 監視和檢測網絡中的異常，并在沒有已知特征的情況下識別新威脅。它也可以用來關聯來自孤島的數據，以了解攻擊的性質并評估網絡漏洞和風險。人工智能和機器學習可以通過交叉檢查多個碎片數據庫中數據的準確性來幫助身份管理。

 

　　自動化和自適應網絡：自動化允許水平掃描和監視網絡，這些網絡可以實時報告偏差和異常情況。它允許自動更新防御框架層（網絡，有效負載，端點，防火墻和防病毒）以及用于網絡安全的診斷和取證分析。人工智能和機器學習都可以成為核心組件，并支持自動化和自適應網絡的應用。

 

　　AI和ML可以支持的*域之*是機器人流程自動化（RPA），該功能允許與任何IT應用程序或網站進行自動集成以執行復雜的基于規則的工作（例如文書流程或交易）。而且，AI和ML通過在單個界面下集成編排流程，自動化，事件管理和協作，可視化和報告，可以促進安全編排自動化和響應（SOAR）產品。SOAR還可以為安全運營中心（SoC）員工提供*種更快，更準確的方式來處理由網絡安全系統生成的大量數據，并幫助識別和補救可能即將發生或正在發生的攻擊。

 

　　Rally Ventures的合伙人，RSA的前董事長Art Coviello總結了自動化對網絡安全的價值；“發生了太多的事情-太多的數據，太多的攻擊者，太多的防御面無法防御-如果沒有人工智能和機器學習所具備的自動化功能，您就不會為能夠捍衛自己，”（

 

　　超*計算： Seymour Cray通常被稱為“超*計算之父”，他的公司Cray Computing仍然是該行業的推動力。超*計算機與大型計算機的區別在于其巨大的數據存儲容量和強大的計算能力。超*計算機是未來自動化的引擎。美國國*科學院在其“超*計算的未來”研究中設想，對超*計算的投資是非常有益的，并且在國*安全和科學發現中起著至關重要的作用。

 

　　在網絡安全中，超*計算是有希望的。麻省理工學院林肯實驗室研究員杰里米·開普納（Jeremy Kepner）指出，“通過建立準確的正常背景網絡流量模型可以大大提高檢測網絡威脅的能力，”分析師可以將他們正在研究的互聯網流量數據與這些模型進行比較，以將異常行為浮出水面。更容易。

 

　　這種類型的功能在DARPA贊助的*次會議上得到了證明，超*計算機沒有人類，暴露給計算機能夠檢測并快速修復威脅的錯誤。

 

　　人為因素的謬誤*直是網絡安全漏洞。隨著我們更加沉浸于與更大的網絡攻擊面相聯系的數字互連性（即物聯網智能城市的遠程工作）中，情況可能會變得越來越多。

 

　　智能網絡安全在識別，過濾，消除和補救網絡威脅方面可以發揮巨大的作用。通過利用不斷發展的企業工具，例如人工智能機器學習，自動化和自適應網絡以及超*計算，企業將更容易應對未來的挑戰。

 

　　查克·布魯克斯（Chuck Brooks）  是網絡安全和新興技術*域的**公認思想*袖和傳播者。