大数据+人工智能下，对网络安全应用的回顾及对未来的展望.doc

《大数据+人工智能下，对网络安全应用的回顾及对未来的展望.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大数据+人工智能下，对网络安全应用的回顾及对未来的展望1.大数据：从概念火热到回归理性　　回顾刚刚过去的2017，我们可能会有一种感觉：周围谈论大数据的声音越来越小。一个佐证是在2017年底举办的”北向论坛”上，现场参会人员投票预测了2018年的热词，在21个候选词中，去年还入选的”大数据”本次没能进入前十，得票只有寥寥数票。　　　　表1大数据+人工智能下，对网络安全应用的回顾及对未来的展望1.大数据：从概念火热到回归理性　　回顾刚刚过去的2017，我们可能会有一种感觉：周围谈论大数据的声音越来越小。一个佐证是在2017年底举办的”北向论坛”上，现场参会人员投票预

2、测了2018年的热词，在21个候选词中，去年还入选的”大数据”本次没能进入前十，得票只有寥寥数票。　　　　表1大数据+人工智能下，对网络安全应用的回顾及对未来的展望1.大数据：从概念火热到回归理性　　回顾刚刚过去的2017，我们可能会有一种感觉：周围谈论大数据的声音越来越小。一个佐证是在2017年底举办的”北向论坛”上，现场参会人员投票预测了2018年的热词，在21个候选词中，去年还入选的”大数据”本次没能进入前十，得票只有寥寥数票。　　　　表12016和2017”北向论坛”预测的年度热词对比　　事实上，这并非”大数据”首次在热词排行榜中淡出大众的视野。早在201

3、5年Gartner发布的新兴技术成熟度曲线中，”大数据”就没有出现在曲线中。而在之前的一年，Gartner对”大数据”的定位还是处于从炒作的顶峰开始下降的区域，二者的对比见图1和图2。对此Gartner给出的解释是，”大数据”的概念已经快速被各个行业接受，成为一项具体的底层技术，因此不再出现在每年的新型技术成熟度曲线中。　　　　图12014年Gartner新兴技术成熟度曲线　　　　图22015年Gartner新兴技术成熟度曲线　　回顾2017，业界谈论大数据的声音虽然在降低，但通过采集、分析和运用数据提升能力的行动却越来越普遍，大数据已经真正成为众多行业的底层关键

4、技术。在国家层面，新一届政治局在2017年底就实施国家大数据战略进行第二次集体学习，习近平总书记强调了通过大数据进行产业创新、打造数字经济、提升国家治理水平、改善民生，以及保障国家数据安全。在企业层面，大数据应用已在电子商务、金融、交通、医疗等领域普遍开展，甚至因数据所有权引发了顺丰快递和菜鸟网络的”丰鸟之争”，引起了大众的高度关注。　　回到网络安全行业，大数据已成为了安全领域新兴技术的基础。回顾近几年网络安全行业流行的新概念，从威胁情报、UEBA(用户实体行为分析)，再到态势感知、人工智能，底层的基础都是大数据。可以说，大数据隐藏在各个具体技术的背后，为用户提供

5、更直接的安全价值。在企业级用户安全建设中，以数据驱动安全，实现持续检测响应的理念，已经被越来越多的用户所接受。　　因此，对2017年的”大数据”进行总结，我觉得大数据概念已经不”新”，已经越过了概念炒作阶段，并作为一项底层支撑技术，迅速融入到各类更”新”的概念中。大数据已经开始在各个领域发挥实际的价值。2.人工智能：处于炒作的顶峰　　与此相对应的是，人工智能像三、四年前的大数据一样，正处于炒作的最顶峰。Gartner于2017年7月发布了本年度新兴技术成熟度曲线，人工智能的两个分支——深度学习和机器学习，均处于曲线的最顶端。　　国内对人工智能的发展也非常重视。20

6、17年7月国务院印发了《新一代人工智能发展规划》，提出要推动人工智能与各行业融合创新，推动人工智能规模化应用，全面提升产业发展智能化水平。为了落实该规划，工信部于2017年12月制定了《促进新一代人工智能产业发展三年行动计划(2018-2020)》，提出要抓住历史机遇，突破重点领域，促进人工智能产业发展，提升制造业智能化水平，推动人工智能和实体经济深度融合。　　　　　　图3国务院和工信部关于人工智能的发展规划　　在上述两个重磅文件中，无论是人工智能技术自身的安全，还是在网络安全领域利用人工智能的前沿技术，都用大量的篇幅进行了阐述。为此在网络安全圈掀起了一股人工智能

7、的浪潮，利用人工智能检测未知恶意代码、实现智能化的安全运维(AIOps)，甚至进行无人参与的自动化攻防。网络安全界的小伙伴们纷纷撸起袖子，都想用人工智能搞定目前还没有解决的安全问题。　　虽然人工智能很火，但我们也看到在网络安全领域，尚未出现新的基于AI技术的有效解决方案。在网络安全领域其实很早就用到了人工智能技术，比如SOC类产品中的关联分析引擎，就是一个基于规则推理的专家系统，但新的人工智能技术还没有广泛应用的案例。对于最近几年大热的深度学习，我们也看到业界进行了积极的尝试，例如进行恶意文件检测、应用识别、异常行为分析等，但真实效果距离产业界的要求尚有一定差距。

8、此外，深度