人工智能:让我们有机会走在攻击者前面那么一点点——瑞星安全研究院院长叶超谈人工智能。
随着人工智能在反病毒领域的运用,这种情形正在发生着令人憧憬的变化:通过简单变化产生的病毒变种传播成本激增,生存空间剧降,防御者第一次有机会能走在病毒前面那么一点点。
![](/d/file/2017-12-06/b4592ab1654ff071caaeb1e797f0bc9c.jpg)
不休息不疲倦:把人从简单烦琐的工作中解放出来
什么叫反计算机病毒领域的人工智能?瑞星安全研究院院长叶超认为,就是会不断学习和自我进化的计算机病毒识别软件。
“一个反病毒工程师一天满负荷工作,也只能处理不超过200个、分析不超过20个病毒样本。”叶超说,最初的病毒多以技术炫耀为目标,每天也就数千个,手工编写查杀逻辑基本可以应付过来。
随着病毒批量化生产,目前每天新增的疑似病毒样本高达数十万甚至数百万个,远远超过了人力的极限。
“人工智能就像公司雇了一批不休息、不疲倦的新员工,只要教会他们判定病毒的方法,就能24小时不间断工作。”叶超说,仅仅按工作量计算,一套人工智能系统可承担的工作量相当于数十万个工程师。
面对数量庞大的恶意软件,一套基于机器学习的恶意软件检测人工智能系统,就能把工程师从那些简单烦琐的“猫鼠游戏”中解放出来,在降低成本的同时,大大提高工作效率。
会学习会进步:火眼金睛辨识病毒变种
数以十万计、不间断乔装改扮的网络病毒,混杂于海量软件之中。人工智能如何从这些海量程序中,准确而快速地逮住恶意病毒呢?
“秘密就在于人工智能会学习、会进步。”叶超说。
警察抓小偷,先要记住小偷的特征:左顾右盼寻找目标的眼神、不离手的作案道具如报纸、爱出没的地方如火车站等。工程师“训练”反病毒人工智能,也首先要教它学习病毒的基本特征,再让它根据这些特征,在数千万个案例中训练“抓”病毒,经过不断调整优化,最终学会根据这些特征快而准地判定病毒。
那么问题来了:如果病毒把“白马甲”换成“黄马甲”,人工智能还能不能认出来?
“人工智能的学习能力很强,它每隔一段时间就‘扫描’一遍新增病毒,并把‘新马甲’纳入特征库,完成一次知识更新。”叶超说,“不断学习,不断更新自己的知识储备和判断能力,这就是人工智能的‘智能’所在。”
![](/d/file/2017-12-06/cf48d3228f5d3d1243c35a47cd9746b2.jpg)
基于大数据的人工智能:最可靠的“笨”办法
比如,就在人流如织的火车站,就有那么一个人左顾右盼,而且,手里还拿着一张报纸,怎么看怎么像个小偷。但多有经验的老警察,也无法肯定他就是一个小偷。
这就是人工智能在反病毒领域应用的最大障碍——“误报”:即使准确率达到99%,1%的误报率也无法接受。
为了提高准确率,工程师需要把人工智能要识别的病毒的特征描述得足够详尽,这在人工智能领域称为“特征维度”:维度越高,描述就越详细,判断也就越准确。以瑞星为例,目前病毒的特征维度已达到4778维,而我们对普通物体的识别一般只需几百维。
专家认为,和人工时代基于数学统计的抽样分析相比,基于大数据分析的人工智能,以无限接近病毒全貌的特征描述,加上有克制的推理能力,使这个既不投机也不取巧的“笨”办法,获得了很高的准确率。
以勤补拙:不漏网一毒,不枉杀一个
为了不枉杀一个好程序,人工智能选择了详尽描述的“笨”办法。以瑞星为例,目前人工智能病毒检测系统需要学习的典型程序已经超过1亿个,全部“学习”一遍需要120小时。
那么,在人工智能“学习”的这120个小时中,新产生的数百万病毒怎么办呢?工程师的办法是:缩短学习时间,提高学习频率。
瑞星工程师设计了一种“降维”方法,将4778维特征转换到100维特征,并让人工智能在100维特征上进行二次学习。“这样就把学习时间从120小时降到了40分钟。”叶超说,“而且这40分钟内新产生的病毒也被纳入学习对象,从而实现了对病毒高频次、无缝隙的巡视。”
专家认为,增加学习样本,提高学习频率,这种以勤补拙的办法,让人工智能既快又全地学习新病毒,不断更新知识系统,变得越来越聪明。(图片源于网络)
扫一扫获取最新精彩内容与学习资料
人工智能技术网 倡导尊重与保护知识产权。如发现本站文章存在版权等问题,烦请30天内提供版权疑问、身份证明、版权证明、联系方式等发邮件至1851688011@qq.com我们将及时沟通与处理。!:首页 > 新闻 » 人工智能:让我们有机会走在攻击者前面那么一点点