戴上“白帽子” 人工智能投身網(wǎng)絡(luò)安全攻防戰(zhàn) 具備明顯“過人之處”

，從大量的數(shù)據(jù)中提取特征，自動完成分類判定的工作。”張德岳說，如此一來后者既可以提高網(wǎng)絡(luò)安全中預(yù)測、防范、檢測、銷控等各個風(fēng)險環(huán)節(jié)的自動化和智能化程度，又能提升響應(yīng)速度和判定的準(zhǔn)確率。

不能靠它包打天下

“雖然人工智能攪動了網(wǎng)絡(luò)安全領(lǐng)域的一池春水

，但是應(yīng)該理性看待人工智能在應(yīng)對網(wǎng)絡(luò)安全方面的優(yōu)缺點，不能指望全靠人工智能來包打天下。”閆懷志說，人工智能在應(yīng)對網(wǎng)絡(luò)安全問題時，也有較強(qiáng)的局限性。

鄒權(quán)臣分析

，這一方面受限于人工智能算法本身的能力。因為傳統(tǒng)的機(jī)器學(xué)習(xí)技術(shù)依賴特征提取，而算法的效果和性能又依賴識別和提取特征的準(zhǔn)確性。深度學(xué)習(xí)具有在高維數(shù)據(jù)中自動提取特征的能力，同時面臨著持續(xù)學(xué)習(xí)、數(shù)據(jù)饑餓、可解釋性等問題。

“另一方面機(jī)器學(xué)習(xí)、特別是深度學(xué)習(xí)過分依賴數(shù)據(jù)

，但在惡意代碼檢測、軟件漏洞挖掘等領(lǐng)域，目前仍然存在數(shù)據(jù)收集困難的問題，缺少較好的數(shù)據(jù)集用于訓(xùn)練，影響對相關(guān)領(lǐng)域的研究。”鄒權(quán)臣補(bǔ)充說，另外人工智能嚴(yán)重依賴于耗費計算資源，復(fù)雜的深度學(xué)習(xí)網(wǎng)絡(luò)需要同時計算成百上千萬次的計算，需要強(qiáng)大的人工智能芯片計算力的支撐。

閆懷志則從不同方面總結(jié)了人工智能的不足

。比如，易于忽視或者拋棄人類專家在網(wǎng)絡(luò)安全領(lǐng)域的知識和經(jīng)驗積累，對網(wǎng)絡(luò)安全的復(fù)雜應(yīng)用場景考慮不足