人工智慧和機器學習會帶來雲安全問題

人工智慧和機器學習並不能解決所有IT世界的安全問題，儘管一些宣傳和炒作可能會暗示這一點。但是，謹慎使用這些技術可以使安全團隊在大規模運營時更加輕鬆。

人工智慧和機器學習已經成為IT行業的流行術語，有時會被納入安全性營銷資訊中。許多宣傳其演算法能力的產品已經投放市場，但有些產品的能力讓人質疑。

機器學習包括收集資料、提取資料中的特定功能以訓練模型，以及對這些模型的應用和不斷調整以確保期望的結果。很多企業現在使用這些技術，但在安全性方面，當維度相對較小時最有效。機器學習在自動化技術方面尤其有用，這對於雲端計算的大規模部署至關重要。

照片列印零售商Shutterfly公司計劃將其業務從本地資料中心遷移到雲平臺，並與AWS公司開展合作。但面臨的最大挑戰是AWS身份和訪問管理(IAM)，這是雲端計算模型中最複雜的部分，這與企業內部部署資料中心使用的控制有著很大不同。

Shutterfly公司首席資訊保安官Aaron Peck表示，“容器和Lambda函式並沒有大規模管理身份和訪問管理(IAM)的指示，這是因為大規模的身份和訪問管理(IAM)意味著每個公司都有不同的東西。”

Peck例舉了一個擁有100個使用者和200個不同組的公司的例子。在AWS的例項中，這些服務中有100多個服務和4,000個角色，如果該公司實現了最少許可權的最佳實踐，則可以轉化為大約100,000個策略決策。

Peck說：“在沒有任何自動化或機器學習或人工智慧幫助的情況下，大規模地做到這一點是不現實的。”

Shutterfly公司將AWS CloudTrail日誌直接傳送到其Splunk部署，但最終採用Avid Secure公司的產品以實現可見性和合規性檢查。這有助於監控持續整合和持續交付 (CI/CD)管道中的任何問題。Avid Secure是初創公司之一，他們在有限和有針對性的基礎上使用機器學習技術來確保合規性。

新的開發模型需要新的安全方法

人工智慧和機器學習在安全領域的應用與軟體開發的更廣泛的轉變相吻合。構建微服務的公司已經推動開發人員和運營團隊之間的更大合作，並且安全性更早地進入了這個過程，即所謂的DevSecOps。

451 Research公司分析師Fernando Montenegro說,“雲交付模型現在依賴於從事分散式工作的人員。如果企業擁有DevOps團隊，安全的角色更多的是建立這些安全護欄。”

持續整合和持續交付 (CI/CD)管道意味著開發人員可能每天都會編寫新程式碼，這使得冗長的人工安全審查技術變得過時。而且，在API驅動的世界中，現在生成的資料遠遠多於私有資料中心處理所有內容時的資料。大量資料提高了對自動化的需求。

超大規模雲端計算和第三方新增人工智慧技術

如今，主要的雲端計算提供商都在其安全服務中添加了一定程度的人工智慧，但最突出的兩個例子來自於AWS的安全產品組合。Amazon Macie用於發現、分類和保護敏感資料，而亞馬遜GuardDuty則新增持續監控，以防止未經授權的行為。

雖然AWS公司繼續增加功能，但這些工具已經因其在後臺工作並增加保護層而贏得讚譽。這些型別的服務非常適合超大規模雲端計算提供商，因為他們在網路中擁有大量資料，可以更輕鬆地發現惡意行為模式。

儘管如此，還是有一些限制。例如，亞馬遜Macie和GuardDuty只能在本地部署的資料中心工作。由於大多陣列織將應用程式分佈在多個公共雲和私有資料中心，因此可能會放棄在大多數或所有環境中都不起作用的任何工具。

IDC公司分析師Abhi Dugar說，到目前為止，人工智慧和機器學習主要侷限於本地化環境。然而，為了真正有效應用，這些工具必須超越這些引數。

Dugar說：“當企業開始跨越資料中心或可用性區域時可能會出現一些威脅，而這些威脅尚未被考慮過。”

此外，AWS和其他公共雲提供商似乎也不太願意深入研究應用程式級的安全性。由AWS公司首創的共享責任模型提出一個規則，規定了供應商的職責在哪裡結束，客戶的職責從哪裡開始。使用者可以訪問大量的日誌資料，這些資料可以用於內部跟蹤工作負載，或者他們可以求助於第三方供應商來為他們處理這些資料。

一些第三方安全供應商擔心這可能會過度誇大機器學習在雲安全中的作用。他們說，最好由二進位制決策來決定，在惡意軟體檢測或敏感資訊掃描中已經有了成功的實施。

安全廠商雲端計算研究副總裁Mark Nunnikhoven表示，TrendMicro多年來在內部部署資料中心使用機器學習技術，但只限於有意義的應用。例如，執行一個更簡單的統計分析比訓練和安裝人工智慧模型要花費更少的成本和時間。

Nunnikhoven說，“這可能是非常昂貴的計算。當需要確定某個操作是好是壞時，可能會有更好的方法。”

Rackspace公司網路安全和運營高階主管Daniel Clayton說，“網路攻擊者為了避免被發現，經常會找到應對這些演算法的創新方法。這就是為什麼在行為分析中使用人工智慧還有一段路要走，以及安全分析人員在威脅識別和響應中仍將發揮重要作用的原因。”

Clayton說，“這是企業解決安全問題的一種努力，但也面臨一些主要的問題，因為根本不存在萬能的解決方案。”