浅谈网络安全与机器学习

随着移动互联网、云计算、大数据、物联网等技术的迅猛发展，网络安全面临的环境日益复杂，面对的安全威胁也日益升级。一系列安全事件如2016年10月由恶意软件Mirai控制的僵尸网络发起DDoS攻击，造成美国东海岸大范围断网；2017年5月爆发的勒索病毒软件WannaCry利用系统漏洞进行攻击，造成全球多个国家数十万用户电脑中毒；在我国，每年因伪基站、恶意软件勒索等网络犯罪造成的损失高达上亿元。

上述事实表明，网络环境的安全不仅影响着国民经济的发展，还关系着社会的稳定和国家的安全，因此网络安全受到政府、学术界及工业界的高度重视。

图表1：2017软件勒索最泛滥的区域

网络安全是计算机与网络领域信息安全的一个分支,随着计算机的普及和网络的发展,网络安全已成为核心问题。目前，网络攻击已非常普遍和多样化，传统的以分析安全问题、固定规则设定的研究方法变得效率低下，例如需要投入大量的人力识别威胁,从威胁中提取特征并将这些特征编码为软件，以检测威胁；依靠固定规则或黑白名单过滤的垃圾邮件检测方法，这些都存在检测效率低，规则更新不及时等问题。随着网络空间环境越来越复杂，数据维度不断增加，对网络空间安全问题的研究也提出了新的需求。

近年来，机器学习在计算机视觉、语音识别、自然语言处理、医疗数据分析等方面的应用研究取得了瞩目的成果，展现了机器学习在解决分类、预测以及辅助决策中强大的能力。机器学习技术为解决传统方法难以建模的网络安全问题提供了可行性。

图表2：网络安全、人工智能和机器学习被关注程度

其实，机器学习用于解决网络安全问题已有近30年的时间。最早于1987年，Dorothy Denning发表的一篇入侵检测方面的论文，使机器学习和数据挖掘在安全领域开始受到关注。而在1998年，DARPA（Defense Advanced Research Projects Agency，美国国防高级研究计划局）发布的一个网络入侵检测方面的评估，以及在1999年的KDD（KnowledgeDiscovery in Database，知识发现）Cup挑战赛，更是为机器学习在安全领域的应用赢得了更多的支持者。但是多年来，受限于软硬件及系统资源，机器学习并没有大规模应用。

图表3：关联词热度曲线

直到2008年，顶级学术会议ACM CCS（Computer and Communica-tionsSecurity）主办了第一届“人工智能网络安全研讨会”，并将机器学习和安全领域的结合作为顶级安全会议的专题。此后，机器学习应用于网络安全的研究在学术界和工业界都得到了快速发展。比如：2014年8月的Black Hat大会，机器学习应用于网络安全成为少数几个专题之一；2016年2月的RSA大会，多数厂商宣称在产品中实现了机器学习方法。另一方面，类似Heartbleed等漏洞的发现也促使了机器学习在安全领域的发展。这些漏洞的发现给安全领域提出了新的要求，不仅需要检测和防御已知的攻击行为，更需要通过机器的行为特征来检测未知的攻击行为，因此就需要收集和分析大量的数据。同时，硬件及数据处理方面的快速发展，使得机器学习提供的分析及行为模型在安全领域的应用变得越来越重要。

图表4：机器学习发展史

那么究竟什么是机器学习呢？机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科和理论。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。机器学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,因而也被称为统计学习理论。基于机器学习的计算机安全应用是近年来计算机安全领域的一个有效的应用分支,伴随着计算机安全问题的日益严峻和复杂化,机器学习将发挥重要的作用。

图表5：AI、ML、DL关系图

目前，针对机器学习自身模型的泛化能力，检测准确度、实时性等一些难以解决的问题以及可以进一步研究的方向，现有的技术解决方案均不能完全满足网络安全的应用需求，采用机器学习技术解决网络安全问题仍是极具挑战性的工作。除此之外，机器学习技术本身存在一定的研究难点，如何提高自身的安全性、如何提高可解释性与不可溯源性、如何预防基于机器学习技术攻击手段等问题，仍需进行深入研究。

总之，机器学习在网络安全领域的应用尚处于起步阶段，但随着各种软硬件技术的发展，机器学习技术在网络安全领域的应用将取得更大进步。

长按添加关注，为您保驾护航！