人工智能對網絡安全的正負面影響

張小秋

（焦作市職業技術學校，河南 焦作 454150）

隨著人工智能技術的快速發展，人工智能使我們的工作、學習和生活等方面更加人性化、智能化。同時，人工智能在網絡安全領域也得到廣泛應用。例如，加強網絡安全性能、采取主動防御、阻止網絡安全威脅和數據泄露、強化網絡管理等，為我們的網絡生活提供了安全保障。但是人工智能也是一把雙刃劍，因為黑客攻擊的主要手段也很多采用人工智能技術。因此，如何辯證得看待人工智能對網絡安全的影響，是非常值得我們深度研究的重要課題。

一、對人工智能的認識

1．人工智能的概念

人工智能（Artificial Intelligence，簡稱AI），它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，還涉及如腦科學、心理學、邏輯學、語言學、行為科學和認知科學等多重科學領域。

人工智能使用計算機技術來理解和分析人類智能的本質，生產出一種新的、能以人類智能相似的方式對外界環境做出反應的智能機器。總的來說，人工智能的本質是對人類思維的信息過程的模擬，是人的智能的物化。盡管人工智能可以模擬人腦的某些活動，甚至在某些方面超過人腦的功能，但人工智能永遠不會取代人的意識。

2．人工智能包含的主要技術分支

隨著計算機技術和大數據技術的高速發展，為人工智能提供了超強運算能力和海量數據支持，人工智能技術得到越來越廣泛的應用。

目前，人工智能所包含的主要技術分支有以下幾點。

第一，模式識別。模式識別主要是指模仿人類識讀符號的認知過程從而實現智能系統。它是以在信號處理、人工智能、控制論、計算機技術等學科基礎上發展起來的新型學科。該學科以各種傳感器為信息源，以信息處理與模式識別的理論技術為核心，以數學方法與計算機為主要工具，探索對各種媒體信息進行處理、分類、理解的方法，并在此基礎上構造出具有某些特性的智能系統或裝置[1]。

第二，機器學習。機器學習是指在一定的知識表示意義下獲取新知識的過程，按照學習機制的不同，主要有歸納學習、分析學習、連接機制學習和遺傳學習等。

業界許多人將人工智能和機器學習看作同義詞。盡管它們彼此密切相關，但是實際上機器學習只是人工智能的一個重要課題，是人工智能的一個子集。機器學習是利用大數據為基礎，幫助機器從大數據中不斷學習、訓練以改進和放大他們的決策；而人工智能則是建立在機器學習的基礎上，設計一個可以復制人類智能、并做出自己決策的智能系統。

第三，深度學習。隨著深度學習層次化模型的提出，人工智能引入了層次化機器學習的概念。通過構建出較簡單的概念模型來學習更深層次、更復雜的概念，從特定的、大量的數據中總結規律，從大數據中發現復雜結構，歸納出某些特點的知識，然后將這種知識應用到實現場景中去解決實際的核心問題，真正意義上實現了自我訓練的機器學習[2]。

二、人工智能對網絡安全的積極影響

從積極防御角度來講，人工智能最重要的安全方式就是在攻擊發生之前就不斷進行自我學習、預測到威脅、并有效地進行防御。

1．智能入侵檢測

傳統的入侵檢測技術在檢測速度、檢測范圍和體系結構等方面均存在短板。而智能入侵檢測系統借助人工智能中的模糊信息識別、規則產生式專家系統、數據挖掘和人工神經網絡等技術，提升入侵檢測效率，并且可以最大程度地抵御來自各方病毒入侵所帶來的潛在威脅。

2．防止惡意軟件和文件的執行

目前人工智能已經應用于惡意代碼檢測、惡意流量檢測、威脅情報收集、軟件漏洞挖掘等網絡安全領域。

針對同軌雙車運行模式，徐白羽[9]將一條巷道簡單的劃分為a堆垛機軌道區間、b堆垛機軌道區間和ab堆垛機軌道區間，建立了適用于該劃分方案的調度模型，但這種劃分區間的方式缺乏科學性，僅能滿足文中描述的工況，且沒有給出具體可行的求解方法，存在一定缺陷；王小偉[10]基于兩個中心點車輛路由問題模式建立調度優化數學模型，采用動態區域劃分法規劃兩堆垛機工作區域，設計最大最小蟻群算法進行優化，提高了立體倉庫的存儲效率，但在算法設計中，輪盤賭規則并不能很好地解決貪心規則引起的種群多樣性降低，易陷入局部極小等問題，無法保證求得全局最優解。

人工智能可以適應和學習經驗和模式，自己創建用于模式識別的模型、并不斷進行自我訓練，同時可以利用推理來確定各種風險，例如可疑地址，奇怪文件等。在惡意代碼檢測方面，人工智能自動識別惡意代碼的特征，進而判定分類；同時，人工智能通常還會用病毒的特征去訓練系統，尋找惡意代碼，從而幫助殺毒軟件檢測良性和惡意文件、讓系統識別出此前從未見過的新型惡意軟件。

3．漏洞管理及防護

利用傳統人工或技術工具管理漏洞的方法，早已經落伍了。但是人工智能卻能讓漏洞管理變得更加輕松。在軟件漏洞挖掘方面，人工智能技術分析漏洞相關的數據、提取經驗和知識，甚至按照網上的黑客討論話題來識別、尋找潛在的漏洞、預測攻擊，并用訓練好的模型來提高漏洞挖掘的精度和效率，可以緩解當前該領域研究遇到的一些瓶頸問題。

4．對物聯網設備進行檢測與防護

物聯網安全是人工智能技術最突出的領域之一。隨著智能設備的廣泛應用，大規模普及的物聯網及物聯網設備必將為攻擊者提供更多的新機會。而基于人工智能的輕量級預測模型，可以在設備上或網絡上實時檢測和阻止可疑活動。

5．提高安全運營效率、量化網絡安全風險

大型網絡運營中心每天接收到的安全警報過多（很多屬于誤報信號）而導致警報系統疲勞。而人工智能面對執行重復的任務則不會感到疲倦或無聊，因此，人為錯誤的風險大大降低。

人工智能運用網絡防御的前沿技術，可以將多個信息源之間高級關聯，將內部日志記錄、監控系統與外部威脅情報服務集成起來，對事件進行自動分類。同時，人工智能技術能夠快速處理數以百萬計的數據點并生成預測信息，能夠進一步準確地量化網絡安全風險指標，為網絡安全運維提供依據。

三、人工智能對網絡安全的負面影響

人工智能也是一把“雙刃劍”。人工智能技術對網絡安全防護發揮了巨大的、積極的作用，然而犯罪分子也在同時使用同樣的人工智能技術來繞過安全防御，并模仿人類行為對網絡安全防御系統進行人工智能攻擊。

1．非法數據收集與獲取

在巨額的金錢誘惑和經濟利益的驅使下，非法數據收集、用戶個人數據被竊取、數據泄露濫用、隱私安全等案例頻繁發生。通過非法網絡爬蟲、云爬蟲以及人工智能技術的應用，網絡數據的獲取也邁向了場景化、精細化、商業化時代，對社會危害越來越大。例如，2018年4月CNBC網站報道，大數據公司——劍橋分析在未經Facebook允許的情況下，收集了該社交網絡5000多萬用戶的數據，最終導致Facebook股票下跌6.7%。

2．深度偽造

深度偽造，它完全使用人工智能或機器學習深度偽造音頻技術，創造或修改現有音頻或視頻，進一步達到網絡欺騙的目的。Experian公司的一份報告也概述了2021年企業面臨的五種威脅，其中合成身份欺詐（深度偽造）也被認定為增長最快的金融犯罪類型。

3．網絡釣魚與垃圾郵件泛濫

在黑客眾多的攻擊手法中，釣魚郵件一直是最常用、最便捷的攻擊方式。人工智能下的網絡釣魚，可利用機器學習算法快速生成非常逼真的虛假郵件，用于偷盜用戶的賬號、密碼等憑證以及用戶的隱私信息。

4．惡意軟件的盛行

惡意軟件利用機器學習把自己包裝得更加隱蔽，在傳播上更加顯得合法化，攻擊速度更快。黑客還可以在惡意軟件中融入自毀機制，同時通過機器學習不斷訓練算法，使得攻擊上更加智能化，算法抽取數據的速度比人工更快，更加難以預防。同時，在人工智能的參與下，惡意軟件會隨著特定的需求進行不斷發展、變種、變異成另一種惡意木馬、僵尸網絡、惡意廣告、勒索軟件，對網絡安全的危害性更大[3]。

5．驗證碼和口令破解

基于神經網絡的軟件可以很輕松地突破人機識別系統。網絡罪犯能夠利用機器學習分析大量口令數據集，快速猜測并破解用戶口令。有安全組織出于試驗目的，基于最新的人工智能技術建立了一套驗證碼求解器，在綜合分析了包括谷歌、eBay、微軟、維基百科、淘寶、騰訊、京東等在內的全球最熱門50個網站的文本驗證碼之后，能夠在0.05秒內攻破大部分文本驗證碼，破解率能夠達到50%以上。

四、對人工智能負面影響的幾點建議

對于人工智能在網絡安全的負面影響，本人認為可以從以下方面進行制約。

首先，要構建網絡安全綜合防御體系，從安全技術和安全管理等層面，避免利用人工智能系統發起攻擊以及攻擊成功的成功率。

其次，加強道德約束，積極對人工智能的應用進行正確引導。所謂人工智能的負面影響，或是由于人類主觀的犯錯誤，或是程序設計中偶然的偏差，或者程序員的粗心，或是數據的錯誤，更或是機器系統自身的作弊，等等，所有這些都是人為因素造成的后果，尤其是網絡犯罪分子主觀上的故意。

最后，建立制度性、法治化的人工智能法律治理體系。通過修改、完善現有法律制度，制定對人工智能犯罪的處罰規定，同時建立嚴密的監管防控的政策體系。

結語

人工智能是繼互聯網之后的又一個偉大的技術，既然作為一把雙刃劍，我們在推進人工智能技術應用的同時，也更應該重視人工智能可能帶來的技術風險和網絡應用威脅，一定要理性思考、務實的推進，確保人工智能健康可持續發展。