網絡安全相關風險仍然是企業的主要風險來源之一。全球疫情加劇了這一情況，迫使公司加快數字化舉措，以更好地支持遠程勞動力。

　　這不僅包括支持分布式勞動力的基礎設施，還包括通過機器人、數據分析和新應用實現的自動化。不幸的是，這種擴張的數字足跡導致了網絡犯罪攻擊的增加。

　　如果您正在考慮為您的業務提供新的網絡安全解決方案，了解傳統的預防方法與現代人工智能解決方案的區別是很重要的。

　　傳統的網絡安全方法對企業仍然可行嗎？

　　在當今更加分布式的環境中，端點的激增使得傳統的網絡安全方法（即創建邊界來保護基礎設施）效率大大降低。事實上，據估計，至少有一半的攻擊中，入侵者已經在里面。

　　手動數據收集和分析過程

　　實施基于規則的工具或有監督的機器學習系統來打擊網絡攻擊是無效的。在設備上收集并添加到網絡的日志數量繼續增加，可能會超過傳統的收集機制。 PB 級的數據很容易收集，必須送回中央數據湖進行處理。

　　由于帶寬限制，通常只分析小樣本。這可能只占數據的 5% ，因此每 2000 個數據包中就有一個可以被分析。這是分析網絡安全威脅數據的次優方法。

　　大多數企業只能查看其數據的一小部分。這意味著它們可能缺少有價值的數據點，這些數據點有助于識別漏洞和防止威脅。分析師可能希望通過整合工具和數據來豐富他們對網絡內外發生的事情的看法，但這通常是一個手動過程。

　　缺乏人工智能能力會導致更長的威脅檢測時間

　　據估計，這可能需要 最多 277 天來識別和遏制安全漏洞 能夠對感知到的威脅進行快速分類和迭代是至關重要的，但通常也需要人工干預。全球網絡安全專業人員短缺加劇了這些問題。

　　被監督的 ML 系統 也無法檢測零日威脅，因為這是一種“回顧”的網絡安全方法。這些傳統的軟件驅動方法可能會阻礙安全團隊對網絡犯罪做出快速反應。

　　解決威脅檢測挑戰的更好方法是使用人工智能技術。例如，銀行機構可以實施人工智能網絡安全解決方案，以自動識別哪些客戶交易是典型的，哪些是潛在的威脅。

　　人工智能如何改變現代網絡安全解決方案？

　　網絡安全專業人士面臨著一場艱苦的戰斗，以確保其組織的安全，這已不是什么秘密。傳統的威脅檢測方法成本高、反應性強，在安全覆蓋方面留下了很大差距，特別是在運營和全球分布的組織中。

　　為了應對當今的網絡威脅，各組織需要能夠提供 100% 可用數據可見性以識別惡意活動的解決方案，以及幫助網絡安全分析師應對威脅的洞察。

　　人工智能網絡安全用例包括：

　　分析師增強技術，使用預測分析來幫助查詢大型數據集。

　　使用人工智能算法挖掘網絡數據以識別和阻止潛在威脅的用戶行為風險評分。

　　通過更快、自動化的 AI 模型更新，減少檢測威脅所需的時間。

　　采用企業人工智能網絡安全框架

　　NVIDIA Morpheus 使企業能夠觀察其所有數據，并以以前無法實現的規模對整個網絡中的每臺服務器和數據包進行人工智能推斷和實時監控。

　　Morpheus 管道與 NVIDIA 加速計算平臺相結合，使網絡安全數據的分析速度比僅使用 CPU 服務器的傳統解決方案快幾個數量級。

　　此外， Morpheus 預構建的用例可以簡化現有安全基礎設施的擴展：

　　數字指紋使用無監督人工智能和時間序列建模為網絡上運行的每個用戶帳戶和機器帳戶組合創建微目標模型，檢測假扮機器的人和假扮人類的機器。

　　網絡釣魚檢測分析整個原始電子郵件，將其分類為火腿、垃圾郵件或網絡釣魚。

　　敏感信息檢測查找并分類泄漏的憑據、密鑰、密碼、信用卡號、金融帳戶信息等。

　　加密挖掘檢測解決了 69% 以上的企業報告的加密挖掘惡意軟件導致惡意 DNS 流量和計算資源過度利用的問題。該模型確定加密挖掘、惡意軟件、機器學習和深度學習工作負載等。

　　關于作者

　　Nicola Sessions 是 NVIDIA 企業產品（包括網絡安全和虛擬化解決方案）的主要產品營銷經理。 Nicola 在技術領域有 20 多年的從業經驗，其背景涉及工作站、瘦客戶端、虛擬化、視頻流和服務器。

　　審核編輯：郭婷