近年来，人工智能（AI）已经成为了我们日常生活中重要的组成部分。各种算法通过执行一系列与市场决策相关的任务，以发现在基本技术实现之外的、与人类习惯有关的洞察。在YouTube和TikTok上使用的建议算法，会根据您的反馈，提供个性化的内容。而虚拟地图之类的应用会根据您的车辆和当前交通的状况进行计算，为您推荐最佳且最快的通勤路线。
当然，人工智能除了给我们带来各种积极的影响，也会产生一定的负面作用。就网络安全而言，网络犯罪分子越来越多地利用AI，去自动化漏洞扫描，进而破解复杂的目标系统。我们常见的各种复杂的、大规模的社会工程攻击、以及深度伪造，都是这方面的典型案例。更有甚者，攻击者还会用到以AI驱动的数据压缩算法等先进的技术与趋势。
常言道，魔高一尺，道高一丈。作为应对，各个网络安全提供商也正在通过部署与应用人工智能和机器学习（ML）技术，来抵御变幻莫测的攻击。考虑到各种新的技术往往与不同的现有风险相关，而且我们目前并没有一种成熟的网络安全技术，可以“完美”到应对所有的攻击类型，因此业界的技术人员和评论员们通过分析与研究，为您总结出了在2022年，AI将给网络安全领域带来的五种发展趋势。
目前，从攻击的发生到被发现，往往需要经历较长的时间。根据IBM的2020年数据泄露报告，企业平均需要280天的时间，来检测并遏制相关的数据泄露。显然，黑客在这段充沛的时间内，足以造成严重的破坏。而此项威胁检测技术的引入，有望从智能化的角度带来巨大的改进。
首先，人工智能和机器学习算法本身，就具有强大的检测模式和检测偏离的能力。例如，一旦AI技术被部署到公司受监控的网络中，它就会为其中的每个用户创建一个活动画像（activity profile），以录入下他们通常会访问哪些文件，使用哪些应用，以及何时何处去使用。如果其行为突然发生改变，那么该用户将会被标记为，需要进行深度扫描。
目前基于机器学习的威胁检测算法，能够完全依赖于神经网络的适应性，或多或少地反映了人类思维模式的感知功能。它们使用各种验证子例程（validation subroutines），将当前的行为模式与过往的行为进行交叉检查。随着时间的推移，它们通过自我修正，能够敏锐地发现那些表面看似“无害”，却在临界边缘进行各种尝试的违规行为。
当然，此类AI威胁检测也需要考虑到隐私问题。例如，我们需要针对那些与银行业务相关的敏感工作流程，单独考虑和设计检测的方式与用例。
不可否认，如今仍有许多人认为Qwerty是难以被猜到的密码，而且他们会使用一年以上不去修改。殊不知，此类密码机制往往会给企业和个人带来各种易受攻击的漏洞。您可能已从各种与安全意识相关的宣贯材料上得知：攻击者可以轻易破解一组只有六位数字的密码。但是，若是一组由10个数字、大小写字母、以及特殊符号所组成的密码，再经由散列算法的计算，且从未以明文的形式显示，那么就需要攻击者400年以上的时间，才能破解。此外，我们常说的双因素身份验证（2FA），是指需要通过第二种方式的验证，才能完成登录环节。因此，从理论上说，这是更加安全的认证机制。
其实，不只是在个人用户端，在许多服务器端，过时的md5sum算法，及其对应的密码存储也仍然在被使用。实际上，该算法早在多年前，已被建议不再使用了。在此，我建议各个Web服务都应该尽可能地改用512位BLAKE2加密消息摘要。
与此同时，基于人工智能的算法则可以消除任何手动设置密码的繁琐。例如，我们已经可以使用生物识别技术，以“无密码”的形式验证和登录帐户了。诸如指纹和面部ID等手机解锁方式，不但更安全，而且更方便。即使是在某些受限的条件下，最新的算法也能够快速地对人脸进行3D映射与扫描。当然，计算机专家也警告说，这样的方式仍然会存在一些潜在的问题，毕竟一旦生物识别证书被获得，就很难被撤销。
从表面上看，随着大多数网民安全意识的增强，网络钓鱼已经算是一种过时的社会工程形式了。然而，最近的数据调查表明，仍有91％的网络攻击始于网络钓鱼邮件。可见，网络钓鱼仍然是一种非常经典且有效的网络攻击策略。
随着新冠疫情在全球范围内的起起伏伏，大量关于世卫组织、核酸检测、以及疫苗的钓鱼类邮件充斥在互联网中。它们不但在表述形式上极具欺骗性，而且在传播方式与途径上形踪难觅，以至于我们需要借助于人工智能代理，才能实现实时高效的处置。
得益于庞大且不断更新的、针对钓鱼攻击和常见诈骗的数据库，AI算法可以立即识别和标记出针对某些特定收件人的钓鱼企图。通过与SMS协议一起部署，它们也可以阻止某些与短信相关的诈骗。而由于IRC（Internet Relay Chat，互联网中继聊天）客户端往往会采用更加自由的政策，因此AI代理会在2022年重点发力该领域，以应对更加复杂的钓鱼环境与场景。
人工智能和机器学习在网络安全领域的另一个发力点，是防止我们的个人数据信息落入恶意黑客的手中。我们的姓名、生日、电话号码、电子邮件地址、社会安全号码、以及信用卡详细信息等，一旦受到威胁或发生泄漏，就会造成财务上、甚至是人身安全上的巨大灾难。然而，并非我们处处小心，便可避免此类情况的发生。如果我们信任和托管的数据处理公司遭到攻击或破坏，那么各种敏感的业务数据就会最终落入互联网的黑暗角落。而这正需要AI通过监控暗网（网络犯罪分子进行肮脏交易的网络场所，无法被常规搜索引擎搜到），以及迅速采取行动，来防止身份盗用之类事故的进一步恶化和扩散。
顾名思义，这些AI算法会不断扫描暗网，以获取个人数据泄漏的蛛丝马迹。根据规则，一旦相关信息被发现，您将收到AI发出的警报、以及对应的威胁级别。据此，您将可以采取妥善的行动。
目前，人们常用的文件包压缩格式可谓五花八门。其中的许多格式已经被AI算法所熟悉，例如著名的Burrows－Wheeler块排序系统。当然，也有一些伴随着新的算法，产生新的格式。例如，根据管理某些特定边缘用例的需求，所产生的新算法及其格式，并未及时反映到AI的检测范畴中。
而随着压缩格式种类的激增，不法分子开始将恶意代码隐藏在已压缩文件中，以逃避传统的启发式扫描程序的解析。目前，AI开发人员正在通过检查包的大小、时间戳等一系列参数，来预测其中包含恶意软件的几率。此类技术在某种程度上，对于各种未知压缩格式的文件包，具有一定的启发式的检测与识别能力。
虽然这些判断方式最终可能会产生许多误报情况，但是在2022年随着基于云端的安全服务能力的不断增强，其准确度将大幅增加，并会给网络安全领域带来深远的影响。
原文标题：What Will AI Bring to the Cybersecurity Space in 2022，作者：Philip Piletic
