最近的一项研究表明，超过90％的安全运营中心正在实施或考虑使用人工智能和机器学习来检测和防御数字威胁。传统的威胁检测方法有哪些，人工智能和机器语言可以做什么，以及如何在硬件级别处理威胁？威胁检测自计算机问世以来，计算机在现代生活中起着重要作用，它提供诸如Internet访问，在线银行，信息交换和远程工作之类的服务。但是，敏感信息的传输和任何计算机的处理能力也导致网络犯罪分子开发恶意软件。这些程序分为几类，包括病毒，特洛伊木马和蠕虫，它们均执行不同的任务。其中，它们的确切功能可以进一步分开。一些恶意软件破坏了系统，而另一些可能窃取了敏感信息。检测系统上的威胁是一件非常具有挑战性的事情。如果再加上恶意软件可以感染各种日常设备的事实以及此类恶意软件的迅速发展，那么安全组织跟踪感染的难度将越来越大。 。防病毒系统检测恶意软件的传统方法是扫描系统中存储的所有文件，然后查看组成这些文件的原始二进制数据。然后，发现的恶意软件会将二进制数据与包含常用代码段的数据库进行比较，如果找到匹配项，则将隔离或破坏文件。当新的恶意软件向公众发布时，安全专家必须获取该恶意软件的副本，识别唯一的代码链，然后将此序列添加到恶意软件数据库中。其他检测方法包括意外访问通信端口，记录击键的应用程序和试图访问内存受限区域的程序。但是，所有这些方法都依赖于反应行为，也就是说，当开发新病毒，特洛伊木马或蠕虫时，所有系统都会受到攻击。如何在威胁检测中使用AI和ML？人工智能（AI）和机器学习（ML）的发展使其能够在许多应用中实现，包括自动驾驶，工业流程，面部识别和语音激活设备。根据最近的一项研究，超过90％的安全运营中心已采用人工智能和机器学习作为检测恶意软件的方法。人工智能特别擅长的一项任务是识别模式。输入到人工智能的数据越多，其性能就越好。随着时间的流逝，网络犯罪分子会产生更多的恶意软件，而负责识别它的人工智能系统将在检测它方面变得越来越好。但是，与依赖于示例代码数据库的传统系统不同，人工智能驱动的安全系统将能够检测到前所未有的新恶意软件。尚不知道允许安全的人工智能系统识别新恶意软件的确切机制，但它可能会在常用代码模式，恶意代码中的嵌入式消息甚至位置数据之间形成链接。 AI和ML系统还可以对CPU使用率，RAM和硬盘访问进行实时分析，以发现异常活动。一旦检测到，就可以找到异常活动的来源并从那里终止。硬件威胁检测也可以吗？软件驱动的人工智能系统可以为未来的系统提供监视系统，根据经验识别恶意软件并采取预防措施以保护自身的能力。但是，某些恶意软件很难在软件级别上停止。在这些情况下，只有基于硬件的系统才能防止此类恶意软件造成严重破坏。尽管存在多种类型的硬件安全性，但甚至还有可以监视总线和处理器以检测通常不期望的异常操作的硬件系统。一旦检测到，就可以启动系统复位或中断，以便CPU可以执行特殊的子例程。 。通常，AI和ML将能够创建恶意软件检测系统，该系统不仅可以使用它们检测可以阻止的恶意软件，而且还可以阻止以前从未见过的新恶意软件。 AI和ML将允许系统在应用程序级别防御恶意软件，而硬件安全性将有助于防止软件无法检测到的低级攻击。