深入探讨机器学习的作用

目前最热门的技术是人工智能——更具体地说，是生成式人工智能。这一趋势如此流行，以至于每个会议和网络研讨会演讲者都觉得有义务提及某种形式的人工智能，无论其领域如何。

人工智能带来的创新和风险既令人兴奋又令人恐惧。然而，对这项技术的过度关注却掩盖了人工智能的一个重要组成部分：机器学习 (ML)。

快速概述一下，机器学习是 基于模式、预测和优化的人工智能的子集。网络安全工具依靠机器学习来使用预测和模式来发现异常并嗅出潜在威胁。机器学习可以在几秒钟内完成相同的任务，而不是人类花费数小时阅读日志。

与人工智能一样，机器学习已经存在很长时间了。我们现在如此多地谈论人工智能的原因是因为生成式人工智能改变了我们与技术沟通的方式。但机器学习也在发生变化，我们将在 2024 年看到它以新的方式使用。

我们如何使用机器学习

机器学习都是关于数据的。机器学习算法依赖历史数据来检测从软件代码到客户购物行为的模式。社交媒体网络依靠机器学习算法将相关信息保留在源的顶部。自动驾驶汽车使用机器学习算法来导航城市街道并遵守交通规则。在网络安全领域，机器学习用于行为分析、发送异常使用警报、任务自动化以及提供更高效的实时威胁追踪情报等领域。

目前使用三种常见的机器学习类型。监督学习训练机器学习根据所提供的数据执行特定任务。无监督学习依赖于数据之间的关系。强化学习与人类学习最相似，机器学习模型通过试错形式学习解决问题。

机器学习的新趋势

随着人工智能不断进步，机器学习也在不断进步，2024 年最令人期待的机器学习改进之一将是无代码机器学习。无代码机器学习严重依赖行为数据和简单的英语来获得结果。分析师将能够提出问题或创建命令来获取报告，而不是复杂的编码语言。无代码机器学习的最大好处之一是，它允许各种规模的公司在其网络中实施机器学习和人工智能，而无需雇用数据分析师和工程师。缺点是这种类型的机器学习技术是有限的，无法进行深入的预测分析。

无监督机器学习和强化机器学习预计将在未来一年得到扩展，部分原因是无代码机器学习。

随着机器学习的发展，我们可能会看到增强现实和量子计算等其他技术的增长。“机器学习模型可以为应用程序和增强现实中的其他用途生成 3D 对象，”Luís Fernando Torres写道。此外，机器学习还将在改进面部识别技术以及与生成人工智能的交互方面发挥作用。

机器学习和安全——好与坏

如前所述，机器学习通过自动化曾经繁琐的手动任务，使您的整体网络安全计划受益。它可以发现原本会被忽略的威胁，并可以减少误报。

但与任何技术一样，都存在安全风险。威胁行为者利用机器学习和人工智能通过中毒或误导数据来发起攻击，欺骗系统提供虚假报告。威胁行为者利用它来绕过安全系统并劫持网络。

人工智能及其在安全中的作用是当今每个人都想谈论的话题，但人工智能改善公司安全系统的方式取决于机器学习。现在是时候回到基础知识并认识 ML 如何融入您的安全系统以及如何最好地训练 ML 以使您的 AI 更加有效。

编译自：IBM

— 欢迎关注 —

原文始发于微信公众号（祺印说信安）：深入探讨机器学习的作用