AI賦予產品智能化

記者：此次發布的Super mind智能網絡有何智能之處？

高航：騰訊云剛剛發布的Supermind智能網絡產品，相比此前產品，Supermind智能網絡擁有高性能、全球互聯、智能化等特點。用人工智能的方式實現網絡規劃、建設及運維的全流程，是其最大的亮點，例如通過AI提供定位建議，可以將全過程的時間縮短到了5分鐘以內，平局處理時間降低了75%；人工識別告警到處理完成控制在20分鐘以內，整體系統SLA提高了20%。

記者：當網絡發生故障之后，人工智能是怎樣實現定位和治愈的功能？

騰訊云高級產品經理 高航

高航：我們是將網絡從設備、鏈路、協議、虛擬化等多個維度的數據統一接入supermind大數據平臺，在數據支撐的基礎上來做智能定位模型的訓練。由于現在無監督學習效果還不夠理想，我們對歷史事件進行有監督學習和訓練。對于已經收斂良好的模型會依據秒級監控數據做實時判斷，并觸發自動處理邏輯；對于收斂不好的模型，還是通過人為介入來做判斷處理。

記者：在業務層面上，比如像你們現在的網絡能力，有沒有跟網絡廠商合作或者對傳統行業輸出這種能力。

高航：第三代網絡是把AI的技術應用于騰訊云的運營，很多運營經驗是可以開放給用戶的。包括基礎數據的獲取，云的概念是盡量讓用戶少感知底層的問題。

當然在業務層也希望把我們原有的經驗開放給用戶，比如我們準備把日志、鏡像、秒級監控和AI策略聯動起來，有計劃的放到云平臺。但云平臺的網絡控制和用戶側不太一樣，因為云平臺是一個大的資源池。每個用戶（如游戲、電商）都有自己細分的場景，對網絡組件的需求不一樣，所以如何開放出來是我們目前深入思考的問題。我們會把基礎的監控指標、大數據平臺優先開放，讓用戶用到一些基礎的運維服務。AI方面可能會針對不同的行業用戶，分享給用戶自己選擇，或者用戶自己配置AI代碼，通過我們的函數作一些定制化的計算，這是我們未來的發展策略。

記者：在運維工程師方面，有85%的問題是需要運維工程師處理的，剩下有什么15%的問題需要工程師處理的，現在對AI的運用達到怎樣的水平？

高航：從技術角度看，AI遠沒有做到如此強大，只是在目標確定的場景下才能表現出比人更好的判斷力。

對于網絡來說，從底層的物理層到應用層，其中任何一個問題都可能導致整個網絡的故障，物理故障導致的隔離，AI可以很好地搞定。如果是復雜的網絡傳輸協議，比如復雜的SDN調動，AI的本質是把問題收斂到一個點，這個點證明是對的即可。但是如果收斂了多個結果，就必須人來介入。因為網絡環境太過復雜，只能在基礎的環境上應用，真正復雜的大面積癱瘓的問題，還是需要人的介入。

記者：針對騰訊云天御產品，最大的優勢表現在哪？

周斌：我認為最大的優勢是騰訊多年來積累了海量的黑產信息，而且在實際場景中，騰訊及騰訊云所接觸的客戶群覆蓋面廣，在不同的對抗中積累了大量的算法和模型，能夠適應各行各業的發展，這是最大的能力。

騰訊云業務安全中心總監 周斌

在打擊“黑產”方面，正是基于騰訊海量的服務和黑產威脅情報監測，騰訊云天御構建了完備畫像系統，脫離了單一靜態聚集類模型，構建了一套實時的分析系統，能夠為每次行為“訂上”2000多個標簽，自動完成維護。

記者：現在我們在用AI，但“黑產”等惡意攻擊者也開始用AI。在這個對抗過程中，攻防過程中有沒有什么可以分享的？

周斌：在這類對抗過程中，譬如對驗證碼的識別場景中，對抗是始終存在的。后來AI之間的對抗已經進入更深入的階段，出現了滑動驗證碼，這種叫做交互式的驗證碼，在這種場景下，驗證碼已經不再是純粹不變的，現在甚至出現了攻擊者用AI技術卷積網絡進行識別。總之這種場景的核心還是通過各種圖象的算法進行識別。

目前我們已經發現了一些包括除驗證碼以外，安全方面的攻防，傳統攻防的木馬，其已通過在后臺使用了很多AI模型來進行繁殖、延伸等，所以對抗一定會持續存在。

記者：在云安全方面，業界對AI在云安全的應用上，有沒有具體的目標？需要實現什么樣效果？

周斌：可以說，只要生命不止，安全對抗就不會休止，不會有一個絕對的平衡。人們期望AI能夠減少人工參與，這包括兩個方向。

一是減少人工參與，把大量重復對抗的工作，通過機器學習自動進行處理。但這只限于標準化場景，在實戰中由于軟件、硬件、網絡的體系復雜化，需要專家才能發現。第二，在通過標注做的有監督學習方面，也需逐步減少對標注的依賴，讓AI可以識別更多場景，在這方面，我們通過遷移學習機制，在多個場景有了不錯的應用。同時，我們也希望能把安全能力由傳統的安全向更多的泛安全能力開放。

現在業界很多安全公司除了做基礎安全外，也在做很多泛安全的開放，這也是整個行業的方向。近幾年很多安全公司，甚至創業的安全公司已經轉移到這個方向，比如像威脅情報、態勢感知等都是這方面的能力。