在Capgemini（凱捷咨詢公司）在本周發(fā)布的《重塑網(wǎng)絡安全與人工智能報告》中，61％的企業(yè)表示，如果不使用人工智能技術，他們今天無法發(fā)現(xiàn)違規(guī)行為。48％的受訪者表示，他們在網(wǎng)絡安全方面的人工智能預算將在2020財年（FY）平均增長29％。思科報告也稱，在2018年，他們代表客戶阻止了7萬億次威脅。都證明了人工智能和機器學習正在重新定義當今網(wǎng)絡安全的各個方面。

《重塑網(wǎng)絡安全與人工智能報告》，是Capgemini對七個行業(yè)850名高管進行調(diào)查分析而得來的，包括消費品、零售、銀行、保險、汽車、公用事業(yè)和電信。20%的高管受訪者是CIO，10%是CISO。報告中包括總部位于法國、德國、英國、美國、澳大利亞、荷蘭、印度、意大利、西班牙和瑞典的企業(yè)。

Capgemini發(fā)現(xiàn)，隨著數(shù)字業(yè)務的增長，網(wǎng)絡攻擊的風險呈指數(shù)級增長。21%的人表示，他們的組織在2018年遭遇了網(wǎng)絡安全漏洞，導致未經(jīng)授權的訪問。企業(yè)為網(wǎng)絡安全漏洞付出了沉重的代價：20%的企業(yè)報告損失超過5000萬美元。

而Centrify最近的一項調(diào)查，即現(xiàn)代Threatscape中的特權訪問管理，發(fā)現(xiàn)74%的違規(guī)行為涉及訪問特權帳戶。特權訪問憑證是黑客最常用的技術，用于啟動攻擊以從企業(yè)系統(tǒng)中泄露有價值的數(shù)據(jù)并在暗網(wǎng)上銷售。

這份報告的主要見解包括以下內(nèi)容：

69%的企業(yè)認為AI應對網(wǎng)絡攻擊是非常必要的。80%的電信公司表示，他們依靠AI來幫助識別威脅和阻止攻擊。Capgemini發(fā)現(xiàn),電信行業(yè)報告的損失發(fā)生率最高，超過5000萬美元，因此AI成了阻止該行業(yè)代價高昂的違規(guī)行為的優(yōu)先事項。

消費品行業(yè)占到了78%，銀行業(yè)以75%排在第三位，因為每個行業(yè)都越來越依賴基于數(shù)字的商業(yè)模式。美國企業(yè)將最優(yōu)先考慮基于AI的網(wǎng)絡安全應用和平臺，比按國家衡量的全球平均水平高出15%。

目前，73％的企業(yè)正在測試用于網(wǎng)絡安全的人工智能用例，網(wǎng)絡安全領先所有類別。

鑒于端點設備的激增，終端安全性是投資基于AI的網(wǎng)絡安全解決方案的第三高優(yōu)先級，預計到2021年將增加到超過25B。

物聯(lián)網(wǎng)和工業(yè)物聯(lián)網(wǎng)傳感器及其所支持的系統(tǒng)，正以指數(shù)形式增加企業(yè)需要保護的端點和威脅表面的數(shù)量。傳統(tǒng)的“信任但驗證”的企業(yè)安全方法，無法跟上當今三維場景增長的速度和規(guī)模。

51％的高管正在為網(wǎng)絡威脅檢測、超出預測和大幅回應做出廣泛適用的AI。企業(yè)高管正在將預算和時間集中在使用AI進行預測和響應的網(wǎng)絡威脅上。隨著企業(yè)在使用人工智能作為其網(wǎng)絡安全工作的一部分方面成熟，預測和響應將相應增加。

首席技術官Nicko van Someren表示：“人工智能工具也在更好地利用各種不同類型的數(shù)據(jù)集，從而可以從靜態(tài)配置數(shù)據(jù)、歷史本地日志、全球威脅景觀和同期事件流等方面將‘更大的圖景’整合在一起?！?/p>

64％的受訪者表示，AI可以降低檢測和應對漏洞的成本，并將檢測威脅和攻擊所需的總時間縮短至12％。大多數(shù)企業(yè)的成本降低幅度為1％-15％，而平均數(shù)據(jù)為12％。使用AI，檢測威脅和攻擊所需的總時間減少了12％。停留時間隨著人工智能的使用下降了11%。通過連續(xù)掃描顯示威脅模式的已知或未知異常，可以縮短時間。

美國專業(yè)零售商Petsmart在Kount的欺詐檢測中使用人工智能，可以節(jié)省多達1200萬美元。通過與Kount合作，PetSmart能夠?qū)嵤┤斯ぶ悄軝C器學習技術，匯總數(shù)百萬筆交易及其結果。該技術通過將其與所有其他收到的交易進行比較來確定每筆交易的合法性。發(fā)現(xiàn)了欺詐性訂單后將它們?nèi)∠?，從而?jié)省了公司資金并避免了對品牌的損害。

欺詐檢測、惡意軟件檢測、入侵檢測、網(wǎng)絡評分風險和用戶/機器行為分析是提高網(wǎng)絡安全的五個最高人工智能用例。

Capgemini分析了信息技術（IT）、運營技術（OT）和物聯(lián)網(wǎng)（IOT）中的20個用例，并根據(jù)它們的實現(xiàn)復雜性和減少的時間對它們進行了排序。

56%的高管表示，他們的網(wǎng)絡安全分析師不堪重負，近四分之一（23%）的高管未能成功調(diào)查所有已查明的事件。Capgemini發(fā)現(xiàn)黑客組織正在成功地使用算法發(fā)送“魚叉式網(wǎng)絡釣魚”推文，以欺騙用戶的共享敏感信息。人工智能發(fā)送推特的速度是人類的六倍，成功率是人類的兩倍。

“Capgemini的數(shù)據(jù)顯示，安全分析師的壓力是正常的。網(wǎng)絡安全技能短缺已經(jīng)持續(xù)了一段時間，攻擊的數(shù)量和復雜性也在增長，而利用機器學習來增加少數(shù)可用的熟練人員可以幫助緩解這一問題?！盇bsolute軟件公司的首席技術官Nicko van Someren說，“現(xiàn)在行業(yè)現(xiàn)狀令人興奮的是，機器學習方法的最新進展有望進入可部署的產(chǎn)品?！?/p>

人工智能和機器學習正在重新定義當今網(wǎng)絡安全的各個方面。通過提高組織預測和阻止漏洞的能力，使用零信任安全框架保護數(shù)量不斷增加的威脅表面，到使密碼過時，人工智能和機器學習對于保護任何業(yè)務的邊界都是至關重要的。