AI不停步，IBM超級計算機Watson將打擊網絡犯罪！

IBM的Watson超級計算機的簡歷十分出色，它贏得了綜藝節目危險邊緣（Jeopardy），寫了一本食譜，并涉足了革新醫療。而其傳奇生涯的下一站是什么？應對網絡犯罪。

近日IBM宣布，Watson正在把其認知學習的能力用在云上，應用到分析、識別、并希望能阻止網絡安全的威脅。但首先，它不得不快速學習。

防守

目前已經有大量計算機增強的方法打擊網絡犯罪，其中大部分涉及識別異常，或當用戶登錄密碼錯誤太多次時，確定其是否構成某種威脅。

收集和分析數據的這種方法是可行的。然而它的效果并不理想。首先，數據簡直是太多了。IBM最近的報告指出，組織平均每天要看20多萬件安全事件數據，根本沒有辦法看完。雖然像麻省理工學院（MIT）最近的AI2解決方案可以減少人類研究人員篩選事件的數量，還是有一個問題，這些數據只是大局的一小部分。

“這是有關解釋、學習、引進非結構化數據、把博客、白皮書和研究報告等帶入其中，”IBM公司安全副總裁Caleb Barlow說， “那些其他形式的分析結構并不完善，也不能輕易被機器識別，很難進一步補充上下文洞察潛在的危險。”

而Watson在處理同樣的信息量時有得天獨厚的優勢，而且還能分辨出關鍵的上下文決定其存在什么樣的威脅。人類安全研究人員可能不知道所有75000條已知的軟件漏洞的堅定命令，或者從頭到尾閱讀了6萬篇安全相關的博客文章，但Watson會。

“公司有相關的團隊，他們的工作是看遍所有的新聞源，并從該消息試圖找出風險，然后把它與他們的基礎設施和電腦實際連接起來，并詢問風險是否適用于他們的系統。”Syracuse University（雪城大學）計算機安全教授Kevin Du博士說， “這需要花費大量的人力。”如果一切順利，這些人力可能會轉嫁到機器學習上。

Barlow早期的職業生涯是急診醫學人員，他把Watson比喻為一個護理人員，趕到可能有頭部受傷的受害者現場。 “喝太多酒的人和頭部受傷人員其他經常出現相同的癥狀，”Barlow說， “護理人員必須找出到底是哪個。”

護理人員著眼于結構化數據——血壓、心臟率、呼吸等等，但也考慮到非結構化數據，如口頭答復，或者病人卷入了什么樣的事故。換句話說，護理人員考慮了所有不在數據范圍內的東西，有助于他們理清到底發生了什么。他們能夠通過利用所有可用信息，并在醫院給醫生的診斷提供幫助。 “這就是Watson將為安全運營中心所做的工作。”Barlow說。

Du指出，這并不是一個新的想法；此前已經有研究論文和小規模的研究，討論非結構化數據采集的效率。但是因為Watson，IBM才能做到第一個嘗試大規模的研究。 “我認為技術是早已存在的。由于缺乏計算能力和投資，沒有人能實際上證明，這是非常有用的。”Du說。 “如果這個機器訓練有素，它可以代替很多人力。”

這不是說Watson必將取代人類的工作；事實上，在行業內具有顯著的人才缺口。 “即使到2020年，行業能夠填補大概150萬人的網絡安全工作空缺，我們仍然會陷入安全危機，”IBM安全的總經理Marc van Zadelhoff說。Watson應該幫助減輕其對我們的影響。

學習

當然在此之前，Watson需要學習網絡安全是如何工作的。

它尚未，或至少不很好。雖然IBM已經開始安排Watson學習安全文件，直到它準備好實戰之前，要學的東西還很多，可以說長路漫漫。鑒于網絡安全的復雜性和重要性，這壯舉實屬不易。

“這不是一個普通的軟件工作，”Barlow說， “這不像你工作一天，軟件就能發布了。你要訓練它。”

IBM全面的研究圖書館有助于Watson這個關鍵的訓練。但并不像只是給Watson看一堆文章和研究報告那么簡單。你要教它這些都意味著什么，然后它就可以教自己這些都是如何互相作用的。

“想想它在看文件的時候要做的事情。它要了解這些術語是什么意思。什么是戰役？什么是攻擊目標？什么是事件？什么是事件的指示？“Barlow說。 “這些是安全的行話。而且它必須理解其中的關系。一個組織的惡意軟件，針對其他組織，具有一定的指示。”

而這些，還不包括所有網絡安全世界交易的縮略語。

為了幫助Watson，IBM的研究人員手動標注了進入它系統的文件，暫時是手工選取文檔和源代碼。一旦Watson開始掌握一定的概念，并證明了它能夠詮釋自身，他們就會在美國各地的八所大學學生的幫助下，加快這個過程。在培訓的第一階段，Watson每月將學習高達1.5萬份安全文件，連接到各個圖書館和新聞提要，以確保它不會落后。如果任何超級計算機能做到這一點，Watson也可以。

“這是一個真正的突破，”Forrester Research的首席分析師Andras Cser說， “Watson的概率決策人工智能技術遠遠超過了其他任何廠商。它可以依靠更大規模的數據集命令；使用更快幅度的處理、機器學習算法的命令。”

“我們教Watson在工作中要有點辯論性，”Barlow說， “我們希望它給我們帶來一個結論，該結論需基于兩點：這緊迫嗎？你了解到什么能使這個可行？”

假設它加快速度，今年晚些時候Watson應該會被企業客戶有效利用。雖然它旨在確定已經發生的威脅，Barlow認為，其還有預防危險的潛力。一些網絡攻擊可能需要數天，數周或數月；理想情況下，Watson能夠識別長時間攻擊的信號，并在中途幫助人們關閉攻擊。

這對一臺仍然在試圖區分動詞和名次的超級計算機而言要求太高了，但還是可能的。

“教Watson和教我的孩子之間令人著迷的差異是，”Barlow說，“Watson永遠不會忘記。”

via wired

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。