AI在安全领域到底有哪些“不水”的实践？｜权威报告(3)

一是攻防演练为人工智能应用训练提供了有效途径。人工智能算法需要足量、高质量的数据持续训练，网络攻击长尾性、情报链不完整、数据共享不充分等成为制约人工智能成熟应用的瓶颈。
随着国内攻防演练对抗实战化、场景多样化、参与方多元化发展，网络攻击路线方式等完整攻击链信息逐渐积累，设备系统联动日益紧密，将为人工智能算法训练和模型建立提供了有力支撑。
二是机器学习依然是智能安全的主攻方向。相对于卷积神经网络等深度学习技术，机器学习技术研究起步早、实践应用多，且多建立在专家智慧基础上，在可解释性、检测分析效率等方面具有一定优势，预计在未来一段时间机器学习技术仍然是人工智能在网络安全领域应用的主要方向。
三是自动化编排和响应的探索应用前景可期。
SOAR 在汇集海量网络设备、终端、流量、数据等情报基础上，构建自动化编排、部署与响应为一体的解决方案，可大幅降低安全人力投入，更好应对网络结构日趋复杂、安全威胁持续多样、防御手段整合度低等挑战。
四是人工智能自身和应用安全问题不容忽视。
人工智能技术在为网络安全提供新理念、新手段的同时，也带来了新的安全风险和挑战。
一方面数据样本污染、识别系统混乱、软件漏洞等安全问题日益显现，人工智能数据样本、算法模型、框架平台等技术自身安全亟待加强。另一方面，人工智能与经济社会各领域的深入融合也会引发新的安全风险，需要前瞻研究安全措施、标准和手段等，确保人工智能安全发展、可靠应用。
雷锋网注：以下内容摘自中国信通院发布的《中国网络安全产业白皮书(2019 年)》。
雷锋网版权文章，未经授权禁止转载。详情见转载须知。