2016年3月，AlphaGo與李世石的圍棋大戰引起人們強烈關注，并再次對人工智能展開熱烈討論。早在1956年達特茅斯會議上，人工智能（Artificial Intelli‐gence）這一概念就被明確提出，雖然 60多年來，學術界對此有著不同的說法和定義，但從其本質來講，人工智能是指能夠模擬人類智能活動的智能機器或智能系統，研究領域涉及非常廣泛，從數據挖掘、智能識別到機器學習、人工智能平臺等，其中許多技術已經應用到經濟生活之中。

人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式作出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能的定義可以分為兩部分，即“人工”和“智能”。“人工”比較好理解，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或著人自身的智能程度有沒有高到可以創造人工智能的地步，等等。但總的來說，“人工系統”就是通常意義下的人工系統。關于什么是“智能”，就問題多多了。這涉及到其它諸如意識（consciousness）、自我（self）、思維（mind）（包括無意識的思維）等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對人的智能本身的研究。其它關于動物或其它人造系統的智能也普遍被認為是人工智能相關的研究課題。人工智能目前在計算機領域內，得到了愈加廣泛的重視,并在機器人、經濟政治決策、控制系統、仿真系統中得到了廣泛的應用。

1、人工智能的發展

20世紀中葉，以英國數學家圖靈為代表的一代科學家為人工智能學科的誕生提供了理論基礎和實驗工具。1956年，達特茅斯會議標志著人工智能學科的正式誕生，以馮·諾依曼、圖靈為首的科學家試圖通過符號化編程實現人工智能。20世紀60年代以來，人工智能研究隨著技術水平的發展，在瓶頸與突破中曲折前進。20世紀末，由于硬件能力不足、算法缺陷等原因，人工智能技術陷入發展低迷期。而進入 21世紀以來，大數據、云計算等信息技術給人工智能發展帶來了新機遇，成本低廉的大規模并行計算、大數據、深度學習算法、人腦芯片四大催化劑引領人工智能的發展出現上行趨勢，同時人工智能的發展也給新一代信息技術與工業各領域滲透融合提供了新的動力。

各國高科技企業普遍將人工智能視為下一代產業革命和互聯網革命的技術引爆點，并且注入大量資金以加快其產業化進程。其中IBM、谷歌、Facebook、微軟、蘋果、Amazon 等國際IT巨頭最具影響力。IBM公司近年建立了認知計算系統Watson，旨在借其衍生出巨大的智能顧問市場。同時，IBM正在研究一種新型仿生芯片，實現電腦模仿人腦運算的過程。谷歌在2013年完成對8家機器人相關企業的收購工作，并在機器學習方面大量搜羅企業與人才。自2015年3月起，谷歌先后宣布在醫藥研發、無人駕駛汽車、血糖實時監測隱形眼鏡、即時翻譯攝像頭、聊天機器人等方面取得顯著成果，同時計劃將人工智能研發成果與其搜索引擎、廣告、視頻網站和電子商務等核心業務結合起來。Facebook在人工智能領域的布局主要圍繞其用戶的社交關系和社交信息展開，并采用全球領先的圖像識別技術和自然語言處理技術。2013年Facebook成立人工智能實驗室，于2016年4月發布了能夠向盲人描述圖像的圖像識別系統。同時，將“社交虛擬現實”作為一項核心業務，投入了數百位頂級工程師。微軟著力于Cortana智能助理系統的開發，在2015年還展示Skype語言轉換系統。另外，蘋果的Sir智能助理、Amazon的機器人飛行器等項目對人工智能的發展都產生了巨大影響。

2、人工智能技術特點與優勢

將人工智能應用到網絡安全管理領域可以提高工作效率，相較于傳統的網絡安全技術，不論是從速度，效率以及可操作性都顯著提高，其具有以下特點：

（1）具有處理模糊信息能力

人工智能技術具有處理未知問題的能力。人工智能技術一般采用模糊邏輯的推理方式，不用非常準確的描述數據模型。網絡中存在大量不確定也不可知的模糊信息，處理這些信息比較困難。在計算機網絡安全管理中應用人工智能技術，可以提高處理信息的能力。

（2）具備學習能力和非線性處理能力

人工智能不同于傳統的網絡安全處理模式，它最大的特點是它具有一定的學習能力，這一點的優勢在處理信息時表現得尤為明顯，因為網絡中的信息量往往是龐大的，但是許多信息都是簡單的，及其容易理解，卻可能有有效信息，想要從海量的信息中挖掘出有效的信息，首先要做的就是學習，推理這些簡單的信息，人工智能的優勢就在于這里。

（3）計算成本低、效率高

傳統網絡安全技術消耗的能源量驚人，人工智能在這一方面則有很大的改善，它對于能源消耗速率特別低。因為人工智能采用的是新的算法，即控制算法。這種算法可以利用最優解可以一次性完成計算任務，有效減少資源消耗力度，實現綠色節能。另外，使用這種方法可以保證網絡技術的高速性。

3、人工智能在車聯網信息安全中的應用

車聯網是由行駛在交通道路上的具備感知和無線通信能力的移動車輛和位于路邊的基礎通信單元共同組成的新型自組織網絡。道路上快速移動的車輛之間通過無線短距離通信彼此交換信息，我們將這種通信模式稱為車一車V2V（Vehicle-to-Vehicle）通信。車輛也可以與位于路邊的基礎通信單元（以下統一簡稱為路邊單元RSU，RoadSide Units）直接建立連接，常見的路邊單元有位于道路兩旁或者十字路口的基站、熱點等，這類靜態的通信節點常被部署在路燈、交通標志和紅綠燈等基礎設施上面，我們將此種通信方式定義為車路通信V2R(Vehicle-to-RoadSide Unit，V2R)。

車聯網本質上是傳統移動自組織網絡MANET（Mobile Ad-hoc NetWork，MANET）的一種特殊表現形式，因此除了具備MANET網絡的特點以外車聯網還具備一些其獨特的特征：

（1）組網靈活，網絡規模變化空間較大。只要位于彼此通信范圍，車聯網中的任意兩個移動車輛均可以隨時自組織地建立無線通信鏈接。同時組網的規模受道路上的車流分布影響較大，車輛稀疏時很容易出現通信孤島，車流分布均勾時，網絡規模可以覆蓋整條道路。

（2）V2V和V2R兩種通信模式共存。通過V2V通信，相鄰車輛之間可以實現短距離的交通信息共享。車輛通過與路邊的基礎通信單元建立鏈接，除了實現交通信息更長距離的分發以外，還可以享受更加豐富的互聯網服務。另外，在很多MAC協議的設計中，路邊單元還可以擔任移動車輛訪問無線信道的協調者。

（3）通信節點移動速度快而且運動軌跡可預測。由于車聯網中的通信節點附著在高速移動的車輛上，所以通信節點的位置跟隨移動車輛快速變化。但是與網絡中節點的隨機運動模型不同，車輛的運動軌跡受道路拓撲結構限制，因此車聯網中通信節點的運動軌跡是可以預測的。

（4）網絡的拓撲與連通性隨著車輛的移動變化迅速。車聯網中無線通信允許的最大范圍是1000米，而車間距離會隨著車輛位置的高速移動迅速變化，以180km/h速度相背而行的兩車無線通信的連通時間也僅能持續10秒鐘，因此相比傳統的網絡，車聯網的網絡連通性和拓撲結構變化更加迅速。

（5）無線信道的通信質量更加不穩定。車與車之間是通過無線電波傳輸數據的，移動車輛周圍復雜多變的交通環境會對無線電波傳輸產生不可忽略的干擾。尤其是城市環境下密集的高層建筑會加重信號的多徑效應和陰影效應，同時由車輛之間相對的高速運動誘發的無線電波多普勒效應也會嚴重影響到無線通信質量。

（6）通信節點具有更強的感知和信息獲取能力。由于汽車本身裝載了很多具有不同感知能力的傳感器和GPS定位導航系統，車輛可以實時的獲取自身的各種運動狀態信息和位置信息。同時GPS還可為車輛提供統一的時鐘同步功能，使車聯網中的節點具備更強的信息感知能力。

由于車聯網具有以上的特性，人工智能在車聯網安全中可以有效的評估風險。在對信息安全風險評估的過程中，往往會需要定性或者定量的分析手段。信息安全風險要素的量化相當困難，另外定量分析用的歷史數據也相當缺乏，這就致使在復雜的信息風險評估過程中，需要采用定性的量化方法，例如運用層次分析方法進行評估。不同類別的風險評估，需要根據模型中的指標數量以及指標之間的關聯程度，從而選擇適合的智能方法。智能算法彌補解決了傳統分析法在評估風險時，依賴評估者的主觀判斷。很多的智能算法例如貝葉斯網絡、遺傳算法、模糊綜合評判等，或者幾種方法結合起來，廣泛應用與信息安全風險評估中。

層次分析法。層次分析法是通過對風險建立層次結構達到對風險的評估，評估過程主要依照評價者主觀思想。其過程主要是基于對各個原始指標重要性的主觀排序，經過一系列矩陣運算給每個原始變量確定一個權數。根據以往的經驗和文獻可以得出，層次分析法不能夠做到完全令人信服，達不到預期的效果，其所依據的定性成分太多。并且，層次分析法只適合在指標數數量有限的情況下運用，如果指標數過多，數據統計量大，層次分析法就無法明確其特征值和特征向量的精確求法。

模糊綜合評定法。模糊綜合評定是運用模糊邏輯和熵理論對風險進行評估，主要是在對信息系統評價的前提下，通過對風險進行分類組合信息系統，以達到對信息安全風險的緊迫性認識的提升。相比較層次分析法，模糊綜合評判法更能夠專業客觀的評估風險。

多層次模糊綜合評定法。由于信息系統的復雜性質，需要考慮的因素很多，而且每個因素之間的聯系具有層次性， 所以需要采用分層逐級評判的方法，也就是多層次模糊綜合評定法。 在風險的評估過程中，通過采用多層次模糊綜合評定法，能夠有效的解決在評估過程中，定性指標以及定量評估的困難之處。同時，多層次模糊綜合評定法還能夠科學準確的評定出信息的安全風險級別以及風險程度，這有利于加強對信息安全風險的危害性認識，從而在減少風險、控制風險以及轉變風險的過程中做出正確及時的措施。

通過以上三種評估方法，能夠有效的評估車聯網中的安全風險，及時地發出警告指示，防止嚴重后果的發生。人工智能技術在信息安全風險評估中發揮著巨大的作用，扮演著越來越重要的角色，合理運用人工智能技術，能夠保證風險發生的最小化，掌握這種技術是時代發展的趨勢。