國(guó)防高級(jí)研究計(jì)劃局（DARPA）正在推行一項(xiàng)前所未有的機(jī)器學(xué)習(xí)“突破性”技術(shù)，即開(kāi)創(chuàng)一種網(wǎng)絡(luò)安全新技術(shù)，旨在同時(shí)阻止多重攻擊并盡量阻止現(xiàn)有防御系統(tǒng)無(wú)法識(shí)別的新型攻擊。

旨在大規(guī)模改進(jìn)實(shí)時(shí)AI和機(jī)器學(xué)習(xí)的DARPA主導(dǎo)的“終身學(xué)習(xí)機(jī)”（L2M）計(jì)劃依賴于這一基本前提：某些基于機(jī)器學(xué)習(xí)的系統(tǒng)可能難以識(shí)別、集成并組織某些復(fù)雜且尚未被大眾認(rèn)識(shí)到的新信息。

DARPA信息創(chuàng)新辦公室項(xiàng)目經(jīng)理和馬薩諸塞大學(xué)計(jì)算機(jī)科學(xué)教授Hava Siegelmann說(shuō)道：“如果面對(duì)的攻擊過(guò)于不同尋常，系統(tǒng)可能無(wú)法識(shí)別并阻止它們。因此我希望有這種能夠在實(shí)踐中學(xué)習(xí)的機(jī)器學(xué)習(xí)模型。有些情況下系統(tǒng)并不知道該怎么做?！?/p>

新興高科技計(jì)劃的目標(biāo)可以通過(guò)“實(shí)時(shí)訓(xùn)練”來(lái)解釋。如果機(jī)器在實(shí)時(shí)進(jìn)行分析的同時(shí)學(xué)習(xí)最困難或最模糊的事物，那么，正如Siegelmann解釋的那樣： “我們不受訓(xùn)練集的束縛（先前編譯或存儲(chǔ)的信息）。我們將舊數(shù)據(jù)和新數(shù)據(jù)放在一起，以便在全部培訓(xùn)數(shù)據(jù)上重新訓(xùn)練網(wǎng)絡(luò)?！?/p>

正如Siegelmann解釋的那樣，存在某些從未見(jiàn)過(guò)的細(xì)微差別或數(shù)據(jù)排列。當(dāng)然，這些都與機(jī)器學(xué)習(xí)通?？梢苑治龅膬?nèi)容背道而馳。

此外，人工智能似乎也有一些限制，這意味著它可能還沒(méi)有能力完全消化和吸收一些非常主觀的變量，如“情感”與”本能”、某些需要通過(guò)人類認(rèn)知而實(shí)現(xiàn)的獨(dú)特決策、或任何與計(jì)算機(jī)算法、數(shù)學(xué)公式或一些純科學(xué)分析方法不兼容的東西。

相反地，根據(jù)一些行業(yè)計(jì)算機(jī)科學(xué)家，通過(guò)利用包括語(yǔ)音模式、歷史行為以及許多其他類型數(shù)據(jù)的數(shù)據(jù)庫(kù)，AI現(xiàn)在處于能夠處理更多主觀事物的前沿。

有趣的是，Seigelmann解釋說(shuō)，LM2與人類生物現(xiàn)象有一些概念上的相似之處。她說(shuō)，實(shí)時(shí)輸入和輸出之間的先進(jìn)協(xié)同作用類似于嬰兒理解周圍環(huán)境的機(jī)制。

“當(dāng)嬰兒出生時(shí)，它一直在學(xué)習(xí)如何適應(yīng)并學(xué)習(xí)。如果一個(gè)機(jī)器能夠立刻將新信息添加并同步至現(xiàn)存數(shù)據(jù)庫(kù)以快速吸收并理解它，那么它就能快速識(shí)別并計(jì)算新信息?！盨iegelmann補(bǔ)充道。

探索與創(chuàng)建與計(jì)算機(jī)算法相關(guān)的生物學(xué)絕非前所未有。五角大樓科學(xué)家長(zhǎng)期以來(lái)一直沉浸在被稱為“仿生學(xué)”的學(xué)科中。在這一學(xué)科中，鳥(niǎo)類和蜜蜂的集群模式成為了開(kāi)發(fā)無(wú)人機(jī)新算法的一種分析方式，使它們能夠協(xié)調(diào)集成功能，準(zhǔn)確群集或進(jìn)行串聯(lián)操作而不會(huì)發(fā)生碰撞。

除了正在迅速發(fā)展的L2M工作外，Siegelmann還強(qiáng)調(diào)了一項(xiàng)相關(guān)但又截然不同的專注于網(wǎng)絡(luò)安全方向的探索。這項(xiàng)研究旨在阻止比尋常攻擊更為先進(jìn)的網(wǎng)絡(luò)攻擊。

這一被稱為AI反欺騙魯棒性保證（Guarantee AI Robustness Against Deception，GARD）的網(wǎng)絡(luò)安全概念（計(jì)劃）的目的在于了解一種更為復(fù)雜的新型網(wǎng)絡(luò)攻擊。正如Siegelmann所說(shuō)，這一研究“使得機(jī)器學(xué)習(xí)更敏感，使人工智能更強(qiáng)大且更有韌性。”

GARD計(jì)劃旨在開(kāi)發(fā)解決新興入侵的方法。這些入侵意在“欺騙”、“混淆”或誤導(dǎo)它正在攻擊的機(jī)器學(xué)習(xí)系統(tǒng)。

Siegelmann說(shuō)。：“這種攻擊可能涉及一種會(huì)向機(jī)器學(xué)習(xí)系統(tǒng)發(fā)送一些東西以使AI以一種不可預(yù)期的方式作出響應(yīng)的算法，實(shí)際上是混淆并欺騙算法強(qiáng)迫它做出決定?！?/p>

如果此類攻擊成功，攻擊者可以（比如說(shuō)）指示AI系統(tǒng)允許攻擊者訪問(wèn)受保護(hù)的網(wǎng)絡(luò)，并如Siegelmann所比喻的那樣，“打開(kāi)一扇門”。

Siegelmann根據(jù)輸入和輸出之間的某種協(xié)同作用對(duì)其進(jìn)行了解釋。DARPA的一位官員說(shuō)，這種方法使網(wǎng)絡(luò)安全能夠跟蹤并阻止比當(dāng)前常見(jiàn)手法更廣泛的攻擊方法。

DARPA官員在一份書(shū)面聲明中解釋道。：“當(dāng)前的防御工作旨在防范預(yù)先定義的特定對(duì)抗性攻擊。它們?nèi)菀讛〗o超出其測(cè)試設(shè)計(jì)參數(shù)的攻擊。GARD尋求以一種不同的方式來(lái)進(jìn)行機(jī)器學(xué)習(xí)防御。“

雖然GARD的努力是基于（早已存在的）科學(xué)的，這一項(xiàng)目其實(shí)仍處于初級(jí)階段。DARPA剛剛向業(yè)界發(fā)出廣泛宣傳以征求意見(jiàn)，并計(jì)劃在今年12月前正式啟動(dòng)該計(jì)劃。

Siegelmann補(bǔ)充說(shuō)：“我們將促使AI更好地創(chuàng)建防御制度，通過(guò)保護(hù)現(xiàn)有機(jī)器或建設(shè)更新的機(jī)器學(xué)習(xí)模型，這樣我們就可以保護(hù)現(xiàn)有的機(jī)器學(xué)習(xí)方法了。”