对AI网络防御需求凸显，高级勒索软件活动增加了压力

对于一个科技周边开发者来说，牢固扎实的基础是十分重要的，golang学习网就来带大家一点点的掌握基础知识点。今天本篇文章带大家了解《对AI网络防御需求凸显，高级勒索软件活动增加了压力》，主要介绍了，希望对大家的知识积累有所帮助，快点收藏起来吧，否则需要时就找不到了！

Deep Instinct的首席信息官卡尔·弗罗吉特在一次采访中提到了2024年预算的关键重点将转向勒索软件防护技术。他预计人工智能，尤其是深度学习，将在更大程度上融入业务流程，实现工作流程的自动化，并改善工作场所体验

勒索软件攻击的新趋势是什么，企业应该如何使用AI技术为它们做好准备?

最新数据来自Deep Instinct，发现到2023年勒索软件受害者总数将迅速增加，令人惊讶的是，2023年上半年勒索软件攻击的受害者数量比2022年全年还要多。除了媒体报道这一上升趋势外，像FS-ISAC这样备受尊敬的非营利组织也承认了这一趋势存在的问题

这表明我们目前所采取的方法在应对不断变化的威胁格局上已经失败了。勒索软件的出现改变了我们原本的“检测并响应”方法，而这种方法已经无法跟上新变体的发展速度。因此，我们看到受害者数量不断增加的情况。为了应对这一挑战，我们需要再次转变我们的策略

攻击者的技术已经发生了变化，勒索软件攻击正在作为大规模活动进行，同时影响到相当数量的受害者，就像我们今年看到的Zimbra和MOVEit漏洞攻击一样。随着坏人对AI的快速采用，我们将看到恶意软件的持续发展，这种软件比以往任何时候都更加复杂。

AI的高级能力使得我们现在能够避免勒索软件和其他网络攻击，而不仅仅是检测和响应它们。现有证据表明，应对已经不再足够好，我们需要重新回到预防第一的理念，利用AI在基础设施、存储和业务应用程序中嵌入预防能力，这是企业真正保护自己免受高级形式的勒索软件和威胁的唯一途径，尤其是通过利用更复杂的AI形式来对抗AI威胁，例如深度学习

在识别和缓解勒索软件威胁方面，深度学习与标准机器学习模型有何不同?

并不是所有的AI都是平等的，在比较深度学习和基于机器学习的解决方案时，这一点尤其明显。大多数网络安全工具都利用机器学习模型，但这些模型在预防威胁方面存在一些缺陷。例如，这些产品只是利用有限的可用数据子集（通常为2%-5%）进行训练，对于未知威胁只能提供50%-70%的准确率，并且会产生许多误报。机器学习解决方案还需要大量的人工干预，并且只在小数据集上进行训练，这就使得它们暴露在人类的偏见和错误中

数字图书馆建立在神经网络之上，相较于其他方式，它的“大脑”能够不断地通过原始数据进行自我训练。由于深度学习模型掌握了恶意文件的构建要素，因此可实施和部署基于预测性预防的安全程序，以预测未来的恶意行为，检测和预防未知威胁、勒索软件和零日攻击

对于一家企业及其网络安全运营来说，使用基于数字图书馆的解决方案具有显著优势。首先，相比于基于机器学习的解决方案，该方案对已知和未知恶意软件的持续检测效率极高，同时假阳性率极低。深度学习只需每年更新一到两次即可保持这种效果，并且由于其独立运行的特点，无需持续的云搜索或英特尔共享，因此具有快速和隐私友好的特点，无需进行任何云分析

深度学习技术如何减少误报，对企业成本节约的潜在影响是什么?

安全运营中心(SOC)团队被需要调查的警报和潜在安全威胁淹没，使用传统的机器学习工具，例如传统的反病毒解决方案，团队很难确定哪些警报真正值得调查，而不是噪音。造成这种情况的原因有很多，但“检测并响应”的理念意味着你必须收集大量数据，这些数据的存储和维护成本很高，而且正如任何SOC成员所说的那样，假阳性率非常高。

这就影响了SOC的有效性——他们不能保护企业，同时，它还对维持SOC团队的能力产生了其他影响。处理误报警报的数量和时间密集性正在损害安全团队的心理健康，超过一半的SOC团队表示，由于“人员和资源限制”，他们的压力水平在过去12个月里有所增加。如果没有适当的技术，已经在为人才限制而苦苦挣扎的SOC团队被迫专注于平凡的监测任务。

一个得到深度学习支持的解决方案成功地解决了这个问题，它具有非常高的准确性和极低的误警率，这使得SOC团队有更多的时间专注于真正可行的警报，并以更高效的方式更快地定位威胁。通过将时间花在真正的威胁上，他们可以优化威胁态势，并参与更主动的威胁搜索，从而显著提高企业的风险态势

随着企业开始为2024年编制预算，他们应该优先投资于勒索软件预防技术吗?

随着62%的首席执行官确认勒索软件是他们过去一年最担忧的问题，预计到2024年，企业将调整他们的预算，增加对预防技术的投资，以防止勒索软件、已知和未知的威胁以及其他恶意软件的侵害

该行业一直依赖过时和被动的解决方案，例如终端检测和响应（EDR），来提供保护。虽然从后续处理的角度来看，EDR工具仍然有用，但是，如果企业只投资于这些工具，他们就是在“假设违规”，并希望补救工作能够成功。显然，由于威胁格局的变化，这种方法每年都在迅速失败。就像Signature解决方案最终失败了，我们转向了EDR一样，EDR也处于同样的临界点。因此，整个行业需要采取更先进，更主动的方法来保障安全

事实上，IDC最近预测，随着企业寻求更好的EDR功能并倾向于提供更有效的产品，端点保护将出现某种形式的重生。我们正处于EDR蜜月期后，预测性预防全面生效，在攻击进入你的网络之前阻止攻击。

应对日益复杂的人工智能威胁的唯一方法是从“假设破坏”的心态转变为积极、预防性的网络安全方法。安全团队不能仅仅依靠过时的工具来应对人工智能的挑战，相反，企业应当采用基于深度学习模型的原生网络安全解决方案，以减缓不断演变的人工智能威胁的数量和速度。到2024年，我们将会看到企业在预算中留出空间，将先进的人工智能技术整合到他们的网络安全战略中，以增强安全弹性并降低成功攻击的可能性

你如何预测AI，特别是深度学习模型，在未来一年将更多地融入业务流程?

2023年，我们看到AI突然出现，2024年，AI将成为商业规划、流程和决策的一部分，例如，这包括自动化工作流程、优化流程，以及对我们在AI助手中看到的警报进行优先排序，这些附加功能并不能阻止，而只是在此刻起到帮助作用。

此外，随着AI变得完全整合，年轻一代将不会在故障排除、停电和安全事件等工作场所任务方面拥有相同的动手体验，因为这些任务中的大部分将由AI自动化。对于领导者来说，问题将变成：当学习劳动力基础知识的机会被剥夺时，我们如何继续培养和塑造人们的技能和职业生涯?我预计这个问题将在明年年底前得到答复。

文中关于人工智能,安全,勒索软件的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《对AI网络防御需求凸显，高级勒索软件活动增加了压力》文章吧，也可关注golang学习网公众号了解相关技术文章。