「环网电讯」了解AI和机器学习对云应用程序的安全影响

人工智能对云计算的安全影响是双重的：该技术有可能使工作负载更加安全，但却为新威胁打开了大门。这种二分法的出现部分是因为人工智能和机器学习越来越多地融入主要的公共云平台。云提供商和第三方供应商提供一系列针对新手和经验丰富的数据科学家的人工智能服务 - 其中一些可能会带来新的机器学习安全挑战。此外，一些供应商提供依赖AI识别潜在危险的安全服务。
人工智能和机器学习安全工具的大量涌现 - 以及潜在的威胁 - 可能使用户不堪重负，特别是因为大多数组织刚刚开始涉足这些技术。下文可以帮助用户快速了解云计算，安全性和AI之间的相互作用。
云供应商将AI添加到安全工具中
组织无法直接访问云计算中最有趣的AI使用，因为这些算法都融入了托管安全服务。
这些工具通常有两种形式。第一种方法是使用机器学习来扫描用户记录，以识别和分类敏感信息。主要的云提供商和第三方安全公司，如FixStream ， Loom Systems ， Devo和ScienceLogic ，都有一些变体。
第二种变体使用机器学习进行威胁检测。云安全服务利用提供商庞大的网络来识别常见威胁并提醒管理员注意潜在风险。
然而，来自公共云提供商的工具有一个主要缺点：它们不适用于其他供应商的云。对于希望跨多云架构实现统一安全状态的组织而言，这可能是一个问题。
【「环网电讯」了解AI和机器学习对云应用程序的安全影响】

本文插图
受机器学习支持的攻击威胁
安全专家警告说，那些想要使用人工智能和机器学习的人与那些计划将其用于恶意目的的人之间的军备竞赛。随着这些技术的发展，不良行为者可以利用机器学习来适应防御性反应并破坏检测模型，以便更快地发现漏洞，而不是修补漏洞。
机器学习需要大量数据才能有效，这就是为什么大部分工作都是在今天的云上完成的。公司可以快速配置资源来满足他们的计算需求。但是，随着公司收集有关用户行为的数据，培训和运行模型所需的大量数据会增加隐私问题。为了降低这些风险，公司可以匿名化用户数据。他们必须认识到数据驻留要求和其他透明度规定。
展望未来，云供应商也可以采取更多措施，将安全功能直接构建到人工智能和机器学习工具中，因为它们越来越受欢迎。例如， Google最近添加了TensorFlow Privacy ，这是其广受欢迎的TensorFlow机器学习框架的一种变体。它使用差异隐私技术来提高模型的安全性。
机器学习通过自动化实现安全
公共云非常适合快速扩展，但大规模的操作会带来复杂性。组织可能很难密切关注其资源生成的大量日志，以及他们可能在其帐户中分布的用户分数。未能密切关注这些活动可能会导致漏洞。
当组织尽可能多地删除手动步骤时，组织可以更好地处理这种信息浪涌。人工智能和机器学习可以使这些努力更进一步，并使自动化自动化。
当然，人工智能不是解决安全威胁的灵丹妙药，尽管许多组织都希望如此。对于初学者来说，算法结果只能与设计和进入它们的数据一样好。他们也可能被操纵和歪曲。组织需要了解这些技术的局限性。