人工智能

在过去十年里，许多进入云端的企业组织最犹豫的是安全问题。大量资金已经投入到企业防火墙中，现在科技公司正在建议企业数据驻留在安全屏障之外。早期的问题得到了解决，信息开始进入云端。然而，没有什么是静止的，随着攻击的复杂性增加，数据和网络交叉口的增加，人工智能（AI）正在被用来保持事情的安全。

数据中心改善了硬件和网络安全，解决了企业组织向云转移的最初犹豫，而云软件提供商，无论是云主机还是应用程序提供商，都提高了软件安全性，超过了最初在云中提供的安全性。其中大部分是从现场安全中获取知识，并将其扩展到云中较大的系统。然而，云攻击也有更大的灵活性，因此必须添加新技术。此外，大多数组织处于混合生态系统中，因此，现场安全和云安全必须进行协调。

这意味着人工智能有机会提供更强的安全性。与其他机器解决方案一样，安全性是不同的AI和非AI技术的混合，以适应这个问题。例如，深度学习。监督学习可以用于已知的攻击，而无监督学习可以用于检测稀疏数据中的异常事件。强化学习分类甚至可以通过时间序列的统计分析来完成，而不仅仅是需要人工智能。这可以在适当的情况下提供更快的性能。

简单地说，让我们来谈监督学习和强化学习。一些人把它们呈现为不同的；我认为后者是前者的延伸。经典的监督学习是当输入被标记，标签对人工智能系统很重要，因为它们被用来理解和组织数据。当出现错误时，人类会在现有数据中添加更多的注释和标签，或者他们添加更多的数据。在强化学习中，对新网络的反馈是关于曝光率的结果与设定目标之间的距离。这种反馈可以通过程序员更改权重或在更先进的系统中，人工智能软件进行比较并根据其进行调整，这是一种监督，但我承认这是一个哲学上的论点。

回到正轨上，让我们再增加一个复杂的问题。在云计算的早期，应用程序更大，但仍然遵循类似的布局和扩展模式。现在，两种环境都有了变化：容器。简单地说，容器是包裹在应用程序周围的软件，它有基本服务，甚至是虚拟操作系统。它允许容器在多个操作系统上运行，而不管内部的应用程序代码如何。它还允许云平台和服务器更精细地控制向客户提供的服务，以满足为最终客户提供高质量性能的服务水平协议。

当更多的应用程序迁移到容器架构时，保持安全性是很重要的， Tanuj Gulati ， CTO ， Securonix说。轻量级收集器可以在应用程序容器中运行，例如与Docker一起运行，收集并向单独运行的更健壮的安全监视应用程序发送相关的事件日志。这在新环境中提供了强大的安全性，而不会给应用程序的性能增加显著的负担。

在我与Tanuj Gulati的讨论中，他解释说，他们首先在本地数据中心的虚拟机（VM）环境中工作。这提供了一种理解，有助于将安全扩展到Docker ，也有助于在混合环境中集成馆内和云系统之间的安全。

检测V响应

人工智能的重点是检测，但完整的系统也必须解决对感知到的威胁的响应。基本系统可以检测攻击，然后根据已知的问题规则可以确定响应。未知的问题有未知的响应。人类必须处理这些可疑的交易，然后可以提供反馈以加强系统。根据创建系统的复杂程度，这些新规则可以被纳入新网络或添加到规则集。

从技术和人类舒适水平来看，该行业的状况表明，在应对新的攻击作为未来几年的主要方法之前，人类将继续进行监督。进步将推动安全行业采取更多的系统行动，然后由人类报告、审查和调整，但这将缓慢进行。有帮助的是，需要更好的解释，因为深度学习黑匣子将必须变得更加透明。

云计算和人工智能正在并行增长。云的复杂性正在驱动人工智能的需求，但人工智能的复杂性也正在创造出在云环境中高效、透明和控制更好地工作的需求。