近幾十年來，人工智能經(jīng)歷了真正的繁榮，在語音識別和自動駕駛汽車等各個領域都有應用。但從史蒂芬霍金(幾年前去世)到埃隆馬斯克和比爾蓋茨的知名人士警告我們?nèi)斯ぶ悄芸赡艽嬖诘娘L險：從“奇點”或機器完全控制人類的危險到網(wǎng)絡——攻擊。幾項研究強調(diào)了機器學習作為網(wǎng)絡犯罪媒介的隱患：對數(shù)字安全的威脅不僅涉及隱私和數(shù)據(jù)盜竊，還涉及完全連接的生態(tài)系統(tǒng)中人們的功能安全。這項研究由來自牛津、劍橋、斯坦福、耶魯和巴斯等多所大學的眾多專家進行。

人工智能和相關技術的出現(xiàn)為網(wǎng)絡安全帶來了新的潛力，這實際上是一把雙刃劍，如果落入壞人之手，可能會變得危險。多年來，擁有完美的網(wǎng)絡安全策略或解決方案的重要性日益增加。所有功勞都歸功于智能設備的普及。此外，由于不斷增長的端點始終連接到 IoT 生態(tài)系統(tǒng)，網(wǎng)絡犯罪分子現(xiàn)在有大量機會滲透設備。由于存儲的數(shù)據(jù)量很大，大數(shù)據(jù)泄露可能在系統(tǒng)性能和功能安全方面造成毀滅性后果。這是因為大規(guī)模的數(shù)據(jù)安全漏洞可能會影響大量的人，其后果不僅是從聲譽的角度來看，但會產(chǎn)生巨大的法律影響。組織需要確保他們在數(shù)據(jù)有用性和隱私之間取得適當?shù)钠胶?。在存儲?shù)據(jù)之前，應刪除用戶的任何唯一標識符。這本身就是一個安全挑戰(zhàn)，因為刪除可能不足以確保數(shù)據(jù)在未來保持匿名。

隨著組織存儲更多數(shù)據(jù)，他們面臨著硬件和軟件加密的挑戰(zhàn)。如果云需要執(zhí)行分析，則用戶無法加密發(fā)送數(shù)據(jù)。一種解決方案是使用“完全同態(tài)加密”(FHE)，它允許存儲在云中的數(shù)據(jù)對加密數(shù)據(jù)執(zhí)行操作。當數(shù)據(jù)被解碼時，對純文本數(shù)據(jù)執(zhí)行的操作的結果將是相同的。因此，云將能夠在不知道明文數(shù)據(jù)的情況下對加密數(shù)據(jù)執(zhí)行操作。行業(yè)專家分析了黑客和安全專業(yè)人員對機器學習算法的大量使用。一場無拘無束的戰(zhàn)斗，將拉緊企業(yè)防御，如果處理得當，還可用于對特定目標進行系統(tǒng)內(nèi)攻擊，從錯誤中吸取教訓，成為一個不可戰(zhàn)勝的系統(tǒng)。在漏洞搜索中與自動化共生將促使網(wǎng)絡犯罪分子加快實施病毒的操作，并隨后搜索進一步的系統(tǒng)弱點。例如，網(wǎng)絡犯罪分子可以使用這些功能掃描軟件以查找以前未知的漏洞，并將其用于非法目的。機器學習可以提供對不良行為的洞察，補充通過其他方式獲得的情報。它還允許更大的敏捷性和靈活性，因為基于 AI 的工具通常比其他工具更快地部署和更快地交付操作效果。畢竟，智能安全系統(tǒng)可以戰(zhàn)勝任何復雜的威脅，

由于世界各地的高科技公司和政府的投資，人工智能已經(jīng)成為一個競爭激烈的行業(yè)，并且正在迅速擴張。Markets and Markets 最近的一項研究預測，未來幾年的復合年均增長率 (CAGR) 將超過 60%，價值將超過 150 億美元。硬件創(chuàng)新也出現(xiàn)了強勁增長，這些創(chuàng)新提高了計算機的操作能力，能夠在不同的 GPU 平臺上執(zhí)行更復雜的模型。

大多數(shù)單獨的人工智能技術將用于自動化各種機器人控制的任務，這些任務能夠做出可能對整個數(shù)字生態(tài)系統(tǒng)產(chǎn)生負面影響的關鍵決策。自動化的智能機器可以評估最有可能受到攻擊的目標。使用先進技術，人工智能可以通過操縱系統(tǒng)和禁用安全組件來隱藏“網(wǎng)絡感染”。一旦系統(tǒng)被感染，它們就可以用來傳播各種計算機病毒，包括高級形式的勒索軟件。

目前，大多數(shù)網(wǎng)絡犯罪組織通過修改其源代碼來使用各種知名的勒索軟件系列來產(chǎn)生不同的樣本。以類似的方式，人工智能技術將能夠創(chuàng)建自己的自定義惡意軟件，可能從頭開始并通過實施先進的機器學習算法。物聯(lián)網(wǎng)設備(例如醫(yī)療設備)很可能是主要關注點，它們背后的資源和數(shù)據(jù)也是如此。要考慮的案例不僅關注計算機病毒，還關注與機器人和無人機相關的方面。從用于消費或工業(yè)活動的簡單機器人，到無人機和未來用于民用的飛行出租車，這些都可能變成潛在的危險武器并容易受到遠程操縱。

許多工程師和分析師估計，下一次主要的人工智能支持攻擊可能會在幾年內(nèi)發(fā)生。最大的問題仍然是身份盜用、拒絕服務攻擊和密碼破解。在日益數(shù)字化的世界中，此類攻擊可能會削弱許多人的權力并影響公共機構的行政活動。人工智能可能是魚叉式網(wǎng)絡釣魚攻擊的關鍵，收集和處理數(shù)據(jù)庫以輕松鏈接來自不同來源的信息并發(fā)起最佳攻擊。許多攻擊可以與人工智能協(xié)調(diào)，這可能會混淆醫(yī)生的診斷。惡意 AI 可用于在理論上無法衡量的規(guī)模上協(xié)調(diào)黑客攻擊。安全專家推測，最大的危險可能來自利用機器的巨大計算能力創(chuàng)建新病毒樣本的人工智能。通過設計，他們可以分析當前的病毒弱點并生成高級表格。第一個缺點可能是計算成本高。但隨著時間的推移，它們將不可避免地減少。許多組織已經(jīng)開始與人工智能惡意軟件作斗爭，為未來的潛在攻擊做準備，網(wǎng)絡安全專家正在了解這一風險，但隨著人工智能理論上的無限潛力，管理變得復雜并嚴重危及 IT 安全。此外，人工智能有望支持物理、化學和醫(yī)學各個領域的研究。