RSAC 2018:人工智能成为驱动网络安全的新 “引擎”

本文涉及的产品
内容审核增强版开发者实践包,10万次资源包1年有效
简介: 面对互联网上巨量的内容,有效地实用人工智能技术进行辅助是可预期的手段。通过人工智能技术,可有效提升网络的安全水位。

作为全球顶级的权威安全会议,RSA已成为快速了解世界安全趋势的风向标,更是影响安全产业转型与持续发展的重要平台。不同于往年人工智能(AI)在安全领域更多的是一种理论探讨,今年看到的是大量人工智能在安全领域的落地实践。

2018年的RSA大会,无论是探讨大趋势的业界专家分享,还是创新沙盒(Innovation SandBox)中各显神通的创新Top10公司,抑或是几百家厂商的展区都能看到人工智能的“身影”。虽然参展的厂商身处不同的安全细分市场,提供不同的安全产品,但是今年最共同的一点就是大家都在向参观者传达新产品、新技术是如何通过人工智能、机器学习来帮助最大程度上提升安全水平。
111

人工智能已然成为各个安全公司的标配关键词,更是驱动安全能力提升的新“引擎”。

RSA总裁 Rohit Ghai在开场主题演讲” Cybersecurity Silver Linings”中强烈地表达了通过采用新技术做出更好的预测的期望和信心,其中一个最重要的新技术就是人工智能(AI),以及利用AI实现的用户行为分析应用技术(UEBA)。Rohit甚至乐观地预期,人工智能会成为一种软件(AI is a software)。根据Rohit演讲中提到的调查报告数据,在2017年46%的组织报告在一定程度上开始采用了人工智能技术,92%表示UEBA工作得非常成功。在第二天的Opening Keynote中还有一个专题更是专门探讨了人工智能。

非常有意思的是,RSA大会的参展企业用实际行动积极响应了 Rohit Ghai的观点。

作为RSAC的关注热点环节,创新沙盒中BigID凭借其SandBox技术获得了冠军。其借助机器学习技术和认证情报,开发出全新的软件平台。
Vectra networks的安全分析的主管Chris Morales在演讲中也强调利用人工智能的方法更高效地发现各种威胁和攻击行为,以减少分析师工作量和缩短威胁响应时间。

Micro Focus “Demystifying Big data, analytics, and machine learning in Cyber Security(揭秘网络安全中的大数据,分析和机器学习)” 报告中同样介绍了大数据清洗、机器学习和实际的案例。

老牌IT厂商IBM也将人工智能作为展区和主题演讲的核心关键词,并宣称旗下的X-Force 威胁管理服务由于纳入了 人工智能技术,因此可实现威胁管理流程初始步骤的自动化。IBM Security 总经理 Marc van Zadelhoff 表示:企业可以使用 AI 等新型技术主动进行威胁管理,并通过智能编排(Intelligent Orchestration)来重新协调智能时代的事件响应程序。

作为全球三大云计算服务商之一,阿里云此次携3款全新安全产品亮相2018 RSA。其中,内容安全产品就是人工智能技术在业务安全领域的一个落地实践。

阿里安全图灵实验室基于计算机视觉、自然语言处理、机器学习和深度学习等技术及多年的海量数据支撑,其研发的内容安全产品可提供图片、视频、文字、语音等多媒体的内容风险智能识别服务,包括涉黄、暴恐、不当竞争、侵权及其他不良场景,可降低90%以上的人工审核成本。

目前,相关技术已广泛应用于淘宝、支付宝、优酷、UC等核心业务线,为阿里生态的智能化发展提供了强大的驱动力,并通过阿里云上的产品和解决方案(例如内容安全、实人认证等)为数万家企事业客户提供优质的人工智能服务。
222

阿里安全图灵实验室的研究人员称,本次RSA展会上,人工智能技术还是更多地聚焦于基础安全领域的应用,对于上层的业务内容的理解和安全认知上还相对较少。其中最大的原因在于,内容安全因为文化等差异尚无法形成统一标准,因此,一定程度上还更多依赖各家公司、各个业务的自研的或者是人工审核。

“我们与前来阿里安全展区的参观者有很多的交流与沟通,大家对于人工智能在内容安全方面的应用都有共识。”阿里安全图灵实验室研究人员表示,“面对互联网上巨量的内容,有效地实用人工智能技术进行辅助是可预期的手段。通过人工智能技术,可有效提升网络的安全水位。”

目录
相关文章
|
2月前
|
机器学习/深度学习 人工智能 安全
不断发展的AI监管如何影响网络安全
了解不断变化的法规是应对人工智能风险的关键。这对网络安全领导者意味着什么。 随着人工智能法规不断发展,目前唯一真正确定的是,美国和欧盟将在制定标准方面发挥关键作用。快速的变化意味着我们肯定会看到法规、原则和指南的变化。无论是自主武器还是自动驾驶汽车,网络安全都将在解决这些挑战的方式中发挥核心作用。
|
1月前
|
机器学习/深度学习 人工智能 算法
【眼疾病识别】图像识别+深度学习技术+人工智能+卷积神经网络算法+计算机课设+Python+TensorFlow
眼疾识别系统,使用Python作为主要编程语言进行开发,基于深度学习等技术使用TensorFlow搭建ResNet50卷积神经网络算法,通过对眼疾图片4种数据集进行训练('白内障', '糖尿病性视网膜病变', '青光眼', '正常'),最终得到一个识别精确度较高的模型。然后使用Django框架开发Web网页端可视化操作界面,实现用户上传一张眼疾图片识别其名称。
64 9
【眼疾病识别】图像识别+深度学习技术+人工智能+卷积神经网络算法+计算机课设+Python+TensorFlow
|
29天前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能:重塑未来,驱动效率革命
人工智能(AI)是模拟人类智能的技术,让计算机执行需智能才能完成的任务,如理解语言、学习和推理。通过复杂算法,AI能分析大量数据并作出决策。例如,使用`scikit-learn`库训练分类器识别鸢尾花种类。AI未来发展将涉及技术创新如深度与强化学习、应用拓展至医疗健康、智能制造等领域、以及社会影响如就业结构变化和教育变革。AI的优势包括自动化流程、高效数据分析、智能决策、个性化服务及跨领域融合,这些均显著提升了工作效率和社会发展。
|
1月前
|
机器学习/深度学习 数据采集 人工智能
未来的守护神:AI驱动的网络安全之盾,如何用智慧的光芒驱散网络黑暗势力?揭秘高科技防御系统背后的惊天秘密!
【8月更文挑战第13天】随着网络技术的发展,网络安全问题愈发严峻,传统防御手段已显乏力。本文探讨构建AI驱动的自适应网络安全防御系统,该系统能自动调整策略应对未知威胁。通过数据采集、行为分析、威胁识别及响应决策等环节,利用Python工具如Scapy、scikit-learn和TensorFlow实现网络流量监控、异常检测及自动化响应,从而提升网络安全防护的效率和准确性。随着AI技术的进步,未来的网络安全防御将更加智能和自动化。
34 6
|
1月前
|
人工智能 安全 网络安全
白宫关于AI的行政命令对网络安全领导人意味着什么
白宫关于AI的行政命令对网络安全领导人意味着什么
|
1月前
|
人工智能 安全 数据可视化
2024黑帽大会最热门的九大AI网络安全工具
在2024年的黑帽大会(Black Hat 2024)上,AI驱动的网络安全工具和技术成为焦点,引领了网络安全行业新趋势。众多安全厂商和初创公司展示了他们的最新成果,利用生成式AI来管理风险、检测并对抗网络犯罪,保障企业安全。以下是大会上一些备受瞩目的AI驱动网络安全产品和服务:
|
19天前
|
开发者 图形学 API
从零起步,深度揭秘:运用Unity引擎及网络编程技术,一步步搭建属于你的实时多人在线对战游戏平台——详尽指南与实战代码解析,带你轻松掌握网络化游戏开发的核心要领与最佳实践路径
【8月更文挑战第31天】构建实时多人对战平台是技术与创意的结合。本文使用成熟的Unity游戏开发引擎,从零开始指导读者搭建简单的实时对战平台。内容涵盖网络架构设计、Unity网络API应用及客户端与服务器通信。首先,创建新项目并选择适合多人游戏的模板,使用推荐的网络传输层。接着,定义基本玩法,如2D多人射击游戏,创建角色预制件并添加Rigidbody2D组件。然后,引入网络身份组件以同步对象状态。通过示例代码展示玩家控制逻辑,包括移动和发射子弹功能。最后,设置服务器端逻辑,处理客户端连接和断开。本文帮助读者掌握构建Unity多人对战平台的核心知识,为进一步开发打下基础。
41 0
|
22天前
|
机器学习/深度学习 人工智能 安全
AI技术在医疗领域的应用及未来展望网络安全与信息安全:关于网络安全漏洞、加密技术、安全意识等方面的知识分享
【8月更文挑战第29天】本文主要介绍了AI技术在医疗领域的应用以及未来的发展趋势。文章首先介绍了AI技术的基本概念和发展历程,然后详细介绍了AI技术在医疗领域的具体应用,包括疾病诊断、治疗建议、药物研发等方面。最后,文章对未来AI技术在医疗领域的发展趋势进行了预测和展望。
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能的未来:深度学习与神经网络的融合
在人工智能的广阔天地中,深度学习和神经网络如同两股激流,汇聚成推动技术进步的巨浪。本文将深入探讨这两种技术如何相辅相成,共同塑造未来人工智能的发展轨迹。我们将从基础概念出发,逐步揭示它们在实际应用中的协同效应,以及这种融合如何引领我们步入一个更加智能化的未来。
|
2月前
|
机器学习/深度学习 传感器 人工智能
探索人工智能的未来:深度学习与神经网络的融合
随着科技的进步,人工智能已经逐渐渗透到我们日常生活的方方面面。本文将深入探讨深度学习和神经网络的结合如何推动AI技术的发展,以及这种结合对未来技术趋势的影响。我们将通过具体的实例来揭示这一领域的最新研究成果,并分析其在实际应用中的潜在价值。