根據(jù)Narrative Science的數(shù)據(jù)，截至2017年底，約61％的企業(yè)已將人工智能（AI）應(yīng)用于其組織中 - 比去年增加了23％ 。Deloitte表示，人工智能在業(yè)務(wù)中的應(yīng)用只會增加：預(yù)計到2018年底，使用機(jī)器學(xué)習(xí)的大中型企業(yè)數(shù)量將翻一番。
機(jī)器學(xué)習(xí)是AI的一種形式，它計算大量數(shù)據(jù)，將算法應(yīng)用于數(shù)據(jù)，并根據(jù)其觀察結(jié)果進(jìn)行預(yù)測。采用機(jī)器學(xué)習(xí)的常用技術(shù)包括面部識別，語音識別，翻譯服務(wù)和對象識別。
企業(yè)通常使用機(jī)器學(xué)習(xí)來定位和處理大型數(shù)據(jù)集，如果有的話，人類無法及時排序。 亞馬遜，IBM，谷歌和微軟等大公司使用機(jī)器學(xué)習(xí)來改善業(yè)務(wù)功能。但是，一些組織正在實施機(jī)器學(xué)習(xí)，其目的更為狹窄：網(wǎng)絡(luò)安全。
雖然許多人認(rèn)為通過更好地跟蹤安全問題，機(jī)器學(xué)習(xí)使網(wǎng)絡(luò)安全專業(yè)人員的生活變得更加容易，但情況并非如此。就像任何新技術(shù)一樣，機(jī)器學(xué)習(xí)仍然存在缺陷 - 這些問題使得技術(shù)變得更加令人頭疼，而不是幫助安全領(lǐng)域。
1.配備機(jī)器學(xué)習(xí)的黑客
機(jī)器學(xué)習(xí)可以幫助抵御攻擊者，但在被錯誤的人使用時可能具有破壞性。“一場軍備競賽正在發(fā)生，因為每一方都試圖一對一地制造出更好的人工智能，” Onica機(jī)器人學(xué)習(xí)專家Ryan Ries說道 。
2.缺乏透明度
根據(jù)Gartner研究副總裁Anton Chuvakin的說法，在大多數(shù)網(wǎng)絡(luò)安全系統(tǒng)中，當(dāng)檢測到漏洞時，管理員可以進(jìn)入并查看導(dǎo)致警報的原因。但是，對于基于機(jī)器學(xué)習(xí)的系統(tǒng)，無法確定警報的原因，導(dǎo)致缺乏透明度。Chuvakin說，有時，這些警報最終會被誤報。
3.提供正確的數(shù)據(jù)
當(dāng)任何和所有數(shù)據(jù)都被饋送到機(jī)器學(xué)習(xí)系統(tǒng)時，機(jī)器學(xué)習(xí)系統(tǒng)不起作用。這些系統(tǒng)實際上有點挑剔。Chuvakin表示，現(xiàn)代機(jī)器學(xué)習(xí)算法依賴于非常具體的數(shù)據(jù)。
“當(dāng)我們與一些供應(yīng)商交談時，他們告訴我們，挑戰(zhàn)往往不是關(guān)于機(jī)器學(xué)習(xí)，而是更多關(guān)于如何提供正確的數(shù)據(jù)，”Chuvakin說。
4、人類仍然需要使系統(tǒng)工作
由于機(jī)器學(xué)習(xí)系統(tǒng)無法解釋為什么某些東西被標(biāo)記，因此需要某些東西（或其他人）。Chuvakin表示，很多人擔(dān)心人工智能會讓人失去工作，但憑借機(jī)器學(xué)習(xí)所需的專業(yè)技能，實際上可能會創(chuàng)造出更多就業(yè)機(jī)會。
5.科技人才短缺
使機(jī)器學(xué)習(xí)工作所需的專業(yè)技能產(chǎn)生另一個問題：需要難以找到的人才。科技界的人才短缺，特別是數(shù)據(jù)科學(xué)家的人才短缺，絕對不是秘密。處理機(jī)器學(xué)習(xí)系統(tǒng)很困難，因此很難找到能夠幫助這些利基操作系統(tǒng)的個人，讓網(wǎng)絡(luò)安全專業(yè)人員陷入困境。
