未来网络战如何打？智能机器是黑客的克星吗？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小、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。”