并非所有AI和ML都是平等的

在整個技術(shù)社區(qū)中，“人工智能”已經(jīng)成為一個籠統(tǒng)的術(shù)語，通常用于描述幾乎不需要人工輸入的任何計算過程。常規(guī)數(shù)據(jù)庫功能，計劃的系統(tǒng)掃描以及將自動化添加到重復(fù)動作的軟件等任務(wù)通常稱為AI。

實際上，人工智能可以在這些過程中發(fā)揮作用，但是基礎(chǔ)機器學(xué)習(xí)和真正的人工智能之間存在一些主要差異。

在閱讀旨在概述AI關(guān)鍵方面并客觀分析某些類型AI固有缺點的博客和文章時，考慮這種區(qū)別至關(guān)重要。

MixMode憑借其在網(wǎng)絡(luò)安全行業(yè)中功能最強大和最先進的AI成為AI驅(qū)動的網(wǎng)絡(luò)流量分析的領(lǐng)導(dǎo)者而聲名a起，并希望在研究聲稱使用AI和ML的產(chǎn)品時分享一些注意事項。

有監(jiān)督與無監(jiān)督的AI

過去幾年中機器學(xué)習(xí)的進步，增強了面部識別技術(shù)等流程，并徹底改變了自動駕駛汽車行業(yè)。這些“監(jiān)督學(xué)習(xí)”的AI應(yīng)用程序非常出色，標(biāo)志著人類與技術(shù)交互方式的社會轉(zhuǎn)變。

但是，監(jiān)督式學(xué)習(xí)在處理復(fù)雜的，分散的任務(wù)(如發(fā)現(xiàn)組織網(wǎng)絡(luò)中潛伏的威脅)的能力方面受到限制。受監(jiān)督的AI只能找到它之前已經(jīng)看到或標(biāo)記的特定威脅。另一方面，無監(jiān)督學(xué)習(xí)永遠不會停止對網(wǎng)絡(luò)異常的搜索。

標(biāo)記與學(xué)習(xí)之間的重要區(qū)別

監(jiān)督學(xué)習(xí)依賴于標(biāo)簽來“理解”信息。一旦SecOps專業(yè)人員為數(shù)據(jù)添加了標(biāo)簽，監(jiān)督學(xué)習(xí)就可以“識別”數(shù)據(jù)并根據(jù)設(shè)置的參數(shù)做出響應(yīng)。受監(jiān)督的學(xué)習(xí)平臺可能會自動將提醒安全團隊注意相關(guān)數(shù)據(jù)點的消息自動發(fā)送出去。但是，它不能自己標(biāo)記數(shù)據(jù)。

如果SecOps團隊確切知道要告訴受監(jiān)督的學(xué)習(xí)平臺要查找的內(nèi)容，則這些限制足以確保網(wǎng)絡(luò)安全?，F(xiàn)實情況是，網(wǎng)絡(luò)安全無法正常工作。壞演員總是比游戲領(lǐng)先幾步，一直在想出新的攻擊方法。