中文
2023-05-04 18:04:47
短短數月內，默默無聞的Chatgpt升級為火爆全球的GPT4，掀起了各領域與AI結合的“軍備競賽”。與初涉AI的探索者相比，身處數字化變革的環境下建設者們更早一步窺見了AI與數字化轉型的融合。
AI如何讓數字化轉型提速？IT基礎設施先行
數字建設們對AI的前瞻性嘗試，實非偶然。
作為數字化轉型的基石，也是最核心的“助推器”，網絡安全、云計算、物聯網等一眾IT基礎設施本身需要先行一步，借助先進技術強大自身IT基礎設施能力。因此，以AI賦能IT基礎設施勢在必行。從本質上來說，AI技術的融合并非“重建”已有的IT技術設施，而是讓IT基礎設施更加易用、智能，從而讓各行業的數字化轉型“更絲滑”。
讓IT基礎設施更易用，讓數字化轉型聚焦業務價值
以云計算為例，盡管目前各行業上云的“姿勢”各有不同，但“穩定可靠”和“極致性能”仍是所有人上云后的一致期許。
但對于大部分用戶來說，多云架構混合部署后產生了更多新的問題，如出現故障難排查定位、資源調配緩慢、不同業務競爭資源時性能下降等。在海量數據和復雜的架構下，運維人員難以做到提前分析排障、資源調度，往往以業務突然中斷和漫長的恢復時間為代價。
那AI如何打破這個困境？它能在短時間內對海量數據（如日志、監控信息、應用信息等）的挖掘和分析處理，并通過對已知故障場景的不斷學習，實現提前于業務中斷的智能預測，并輸出最優決策建議。
有了AI的加持，運維人員即可快速決策、提前排障、優化性能?？梢哉f，云計算在從“可用”邁向“易用、好用”的路上，離不開AI的驅動——這一趨勢，全球各大權威分析機構早已有所洞察：
新型攻擊“AI化”，那就以AI對抗AI
再來看看另一個重要的IT基礎設施——網絡安全，AI則以其大數據處理、自主學習、自動監測與響應等能力進行賦能，讓攻防對抗更加智能高效。
目前，靜態防御為主的檢測、響應、處置水平難以應對“AI+”的攻擊者：一方面AI能在短時間內分析大量組織情況、收集暴露面和脆弱性，挑選出更多易攻破的受害者；另一方面AI能以自動化的形式，不停歇地提高攻擊的欺騙性、復雜程度和執行效率。
不如轉變思路，以AI對抗AI ，防守方同樣可以利用AI做到自動化的“學習（學習已知安全經驗）--推理（推理復雜威脅事件）--增強（增強處置響應安全效果）”，以更高的效率和更智能的分析研判來應對攻擊。
對于防守方來說，將可生長的AI能力集成在安全產品/平臺中，通過對已知的攻擊手段、病毒樣本等持續建模分析，可以提前做好針對未知威脅、變種病毒、新型攻擊手段的防守準備。同時，AI推理復雜威脅事件的速度和精準度要優于大部分安全人員，還能基于以往的處置經驗給出最佳決策，以“人機共智”的模式輔助安全人員提高響應處置效率。
在不斷涌現新攻擊的網絡安全領域，“以AI對抗AI”的智能模式，同樣已經成為了全球主流的頭部網絡安全廠商、眾多全球權威咨詢分析機構的共識：
紙上談兵？“AI+數字化”已初見成效
無論在網絡安全還是云計算領域，數字建設者們亟需的不是“紙上談兵”的AI戰略，而是落到真實產品/方案中的AI技術。
目前，已有部分前瞻廠商真正踐行了“AI First”并落地到應用中。以深信服為例，深信服從2017就開始不斷加碼AI技術并確立了AI First的研發戰略，在網絡安全和云計算領域都有可落地、有效果的技術突破，能有底氣地回答“AI+數字化”中較受關注的四個問題：
問題一
如何利用AI 防御云原生中頻繁爆發的未知漏洞攻擊？
基于NoDR（Not only detection and response）理念，深信服聚合知識圖譜關聯日志、拓撲、配置、業務調用邏輯等信息，形成業務行為安全畫像，利用AI抽取多維度白名單，能第一時間識別阻斷黑客利用0day、Nday等未知漏洞（如log4j）的攻擊行為。
目前，NoDR技術已經落地到深信服數字應用安全平臺DASP及容器安全產品，平均降低了74%的應用安全事件。
問題二
如何利用AI 識別出新型、變種勒索病毒？
深信服基于AI研發的終端病毒和木馬檢測引擎SAVE已經進化至3.0版本。利用大小模型異構——即大模型識別非罕見特征過濾樣本，輔助模型識別罕見特征，PE未知惡意文件識別率提升至95%、誤報率降低至1%。
隨著AI算法的不斷優化和訓練數據的不斷擴大，深信服SAVE3.0版本的罕見特征檢出率、特征泛化能力都有了大幅提升。在Google Virus Totle的對比測試中，深信服SAVE3.0版本的未知病毒檢出率居國內第一。
問題三
如何利用AI優化“上云”使用體驗和性能？
在云計算領域，深信服將AI技術落地至云基礎設施的運維管理中。
基于業內率先發布的智能運維分析引擎--AIOps 天工智能運維引擎，可以覆蓋150+云計算業務典型故障場景，保障云場景全生命周期精細化運營與運維。AIOps 天工智能運維引擎能夠提前7-30天90%準確率的故障預測、1分鐘及時發現、3分鐘快速定位，提供全面的預測、檢測和評估能力，目前已全方位賦能深信服托管云、超融合、桌面云等產品。
問題四
如何每日自動化處理數十億告警，減輕安全運營壓力？
深信服AISecOps智能安全運營創新利用“時序基線異常檢測+溯源圖聚合告警生成”技術，過濾海量告警，聚合生成高精度威脅事件。2022年在實際使用中，幫助上千用戶將數十億告警最終消減為4萬起有效、準確的安全事件。目前已應用于威脅檢測與響應平臺XDR、安全托管服務MSS等，在攻防演練中幫助上百家單位高效守好安全壁壘。
數字化轉型漸深，
“AI First”的提速作用初顯，
不妨跟上“AI First”，
讓安全保障和上云效果都領先一步。
