本文目录一览：

• 1、机器学习与人工智能将应用于哪些安全领域
• 2、大数据在交通领域的应用
• 3、人工智能在交通领域有哪些应用
• 4、人工智能在哪些领域应用？
• 5、AI驶入“高速路”：交通AI化的应用场景与实例
• 6、机器学习与人工智能将应用于哪些安全领域？

机器学习与人工智能将应用于哪些安全领域

近年来机器学习在交通运输安全领域的应用和展望，人工智能程序在世界多个领域中都得到了广泛应用，在人们的日常生产和生活中也应用较为广泛，成为当今社会从事生产的重要支柱，并且也是社会生产的未来重要发展方向。尤其在互联网、信息领域、安防领域应用效果显著。该文结合自身对人工智能的研究，对人工智能在安全领域的应用进行相关探讨。

关键词：人工智能 安全领域 应用

中图分类号：TP393 文献标识码：A 文章编号：1672-3791（2019）01（a）-00-02

人工智能是进入21世纪以来重要的一项研究和科研课题，通过多年的研究和实践，已经取得了一些成效，且仍然是未来的主要研究课题和方向。人工智能不仅能够解放人工传统劳动力，还可以提升多个领域的工作效率和效果。在安防领域、网络领域、信息安全领域都有非常突出的优秀表现。下面针对于人工智能在安全领域的应用进行如下的分析和探讨，以推动人工智能的发展，实现机器学习在交通运输安全领域的应用和展望我国社会的快速进步，下面进行详细的分析和探讨。

1 人工智能在网络安全领域的应用

人工智能在网络安全领域的应用有非常突出的特点和优势，由于近些年来大数据量的爆发、计算能力的大幅度增长，同时也让人工智能技术实现了质的飞跃。第一，针对于大数据的分析和识别威胁方面，可以为大数据做出安全保障。利用人工智能能够对原本模糊、非线性的海量数据进行甄别，非常有效地提升了大数据的安全检测效率、准确度，并能够进行自动化的检测。第二，针对于关联性安全态势方面的分析，利用人工智能可以全方位地分析出内外部所存在的安全隐患。其可以针对于非常多的对网络安全有影响的因素进行发现、分析、评估和预测的功能，是进行网络安全分析的一种有效方式和方法，其还能提供更加精准的安全性度量。通过对相应要素的归纳、分析、处理等，从而进行关联性安全态势分析和预测，最终可以对网络安全要素、情况进行综合性分析，同时还能够对其发展势头进行有效的预测，进而构建出完善的网络安全威胁台式感知系统。第三，利用人工智能技术实现自学习应急响应防御系统，可以构建并完善一套主动式安全防御系统。如今的网络安全防御需要更快、更准的能力，同时借助于人工智能的学习和进化能力，可以针对即将发生或位置的攻击行为，同时与安全策略和威胁情报进行有机结合，最终实现智慧型、主动性的安全防御措施和策略。

另外，人工智能在网络安全防御领域的应用场景也十分丰富，其主要应用在网络入侵检测、预测性恶意软件防御、网络安全动态感知等方面，这些方面在多个场景都将人工智能充分应用。例如，在DDOS检测方面，僵尸网络监测方面，都得到了良好的应用。

2 人工智能在安防领域的应用

传统的安防领域一般是通过被动防御的方式开展相关工作，而在安防工作中应用人工智能，就使得传统的被动防御转变为主动防御，从而不仅拓宽了安防的边界束缚，同样也增加了安老伍梁防的主动防御手段。例如，在“智能算法、计算机视觉、语音识别”等方面的应用，这些应用使得当今的安防效率大幅度提升，也让安防方案的有效性大大增加。人工智能在安防领域的应用较为实际橘尘，其中主要在公安、交通、楼宇等多个方面都有实际的应用，其中以公共安全为主要的应用范围。例如，在公安进行罪犯排查过程中，侍运就可以利用人工智能进行人脸识别（图1）、行为分析等多方面的技术应用，从而综合海量的数据和犯罪风险评估结果等，提高罪犯排查的成功率。尤其在今年，人工智能技术在安防领域的应用更加迅猛发展。在相关人工智能产品的生产上游厂家和机器生产厂家中，都将人工智能作为企业的产业布局和未来发展主要方向。从而在市场中越来越多的人工智能硬件产品技术得到了进步和发展，同时也为人工智能的发展提供了良好的基础。进而拥有人工智能的安防产品将越来越智能化，其能够创造更多的安防价值和作用。同时智能安防还可以做到事前预防，事发时干预，事后能够有效追溯的功能。进而提升我国安防水平和质量。

3 人工智能在信息安全领域的应用

网络安全和人工智能这些在当今时代已经不再是新鲜词汇，这些词汇在全球各大媒体中出现或组合出现的频率越来越高，以此可以看出人工智能在网络安全方面的应用和成果也越来越显著，同时在未来的网络安全方面也变得越来越重要。例如，其中AI技术就会是未来的网络安全重要技术。而人工智能则是未来解决网络安全问题和方案的核心内容。现今时代的数据量更是剧增，人工智能技术将是未来网络安全的重要工作内容和组成部分。虽然目前人工智能仍然处在一个比较初期的阶段，但对于未来的发展趋势来看，人工智能在网络安全中的应用研究已经迫在眉睫。

虽然人工智能在生产生活中得到广泛应用，同时也取得了良好的效果，但同时在信息安全方面也带来了安全隐患。去年国务院曾经明确指出，在大力发展人工智能的同时，也应该提高对其带来的威胁和安全问题的重视，确保人工智能可以朝着安全、可靠、可控的方向发展。信息安全领域应用人工智能主要体现在网络入侵、恶意软件防御等方面。同样随着网络的发展，“网络战”也是各国军事对抗中的一项重要内容和手段，而在这其中应用人工智能技术，能够实现军事网络对抗中的需求，不仅可以准确地感知和评估网络战的台式，还能够快速地做出决策，以及诊断出网络入侵，自动对其进行跟踪。

另外将AI技术应用在反恶意软件领域，这些恶意软件的防护是当今很多企业的重点关注问题，其中包含了病毒软件和勒索软件等。伴随着人工智能在网络安全领域的应用，也涌现出诸多拥有代表性的企业，比如一些研究的大实验室，如MIT CSAIL等，在该领域内是表现十分突出的实验室，受到了诸多达投资上的青睐。当前时期，可以归纳为人工智能的第三次浪潮，美国政府相关部门也造就规划好了人工智能的发展路线和战略，我国的人工智能安全在网络安全领域的应用也继续提升，我国也应该做好迎接人工智能时代的充分准备。

4 结语

人工智能在多个安全领域的应用，体现出人工智能的未来发展趋势，其是人类在未来生产、生活中的重要组成部分，因此，我国应该大力支持和发展人工智能在安全领域的应用，同时我们也好积极地利用人工智能进行安全防范，提高各行各业的安全性，推动人工智能的不断发展，同时也实现我国社会的快速发展，推动人类社会的不断前进。

大数据在交通领域的应用

大数据在交通领域的应用可以改善城市交通拥堵情况、提高道路通行能力、降低交通事故发生率等，具体应用如下：

1. 交通流量预测：通过分析历史车流量数据和实时车辆位置等信息，可以预测未来的交通流量，进而实现交通信号灯控制优化或者路况导航提示。

2. 路网优化：通过收集交通数据和地图数据空岩租，对整个城市的路网进行建模和分析，找出瓶颈路段和拥堵点，进而提出优化方案，例如增加交通信号灯、建设新路、调整交通管理政策等。

3. 智慧出行斗兆服务：通过手机APP或者公共屏幕展示实时交通信息、公共交通到站时间等，为市民提供更加智能的出行方式，减少交通拥堵。

4. 交通事故预防：通过监测全市各个路段的行车速度以及车枣液辆密度，并使用机器学习算法等技术，寻找可能引起事故的细微异常变化，从而及早发现并避免交通事故的发生。

总之，大数据在交通领域的应用为城市交通运输管理提供了更加准确、高效和科学的手段，从而有效解决了城市交通问题。

人工智能在交通领域有哪些应用

人工智能自动驾驶在交通领域的应用。

自动驾驶目前在智能交通领域被认为是最具潜力的应用方向之一，近年来受到资本的青睐。

说到人工智能在交通领域的应用，大家首先想到的并不是识别车牌，而是自动驾驶。在交通领域自动驾驶确实是将人工智能运用最彻底的一个方面。自动驾驶涉及环境感知、智能决策和规划、智能控制等多门学科，其中人工智能、云计算等是限制无人驾驶发展的关键技术和瓶颈技术。

虽然当前自动驾驶技术发展日新月异，但具体产业化应用未真正启动，有赖于人工智能、云计算等技术的发展。自动驾驶大规模的商业化应用仍需要相当长的一段时间，未来最快让普通人真实体验自动驾驶技术的方式，很可能是通过出行服务平台提供混合派单。

在路况相对简单的条件下，平台通过分析评估可能会派出配有安全驾驶员的自动驾驶车辆；而大多数复杂路况订单仍要派给专业的驾驶员。自动驾驶可以在特定场景下提供运力补充，填补供需不足。

人工智能AI在国内交通领域中的应用。

人工智能(AI)是指机器执行人类能够轻松完成的感知、推理、学习和解决问题等认知功能的能力。过去20年以来，由于互联网产生的海量数据的可用性，人工智能在全球范围内获得了关注。

最近，使用高级算法处理这些数据给政府和企业带来了巨吵困信大的好处。物联网、机器人过程自动化、计算机视觉、自然语言处理等各种技术支持的机器学习算法的强劲增长，使人工智能的增长成为可能。本文是将交通运输业的各种问题分类为智能交通系统的汇编。

考虑的一些子系统与智能交通系统的交通管理、公共交通、安全管理、制造和物流相关升轮，人工智能的好处被尺老投入使用。这项研究涉及交通运输业的特定领域，以及可能使用人工智能解决的相关问题。该方法涉及根据从各种来源获得的国别数据进行二次研究。此外，全球各国都在讨论解决交通行业问题的人工智能解决方案。

人工智能在哪些领域应用？

人工智能在交通出行领域、家庭家居领域、公共安全领域、手机及互联网娱乐领域以及医疗健康领域都为人们带来了便利。

1、交通出行领域：

共享单车、共享电车、共享汽车方便了出行机器学习在交通运输安全领域的应用和展望，让出行成本降低。智能辅助驾驶系统扒搭帮助人们安全驾驶机器学习在交通运输安全领域的应用和展望，安全出行。

2、家庭家居领域：

智能互联家居在现在生活中应用广泛机器学习在交通运输安全领域的应用和展望，它能够帮助人们对生活环境进行智能调控，对房屋进行安全监测、危险预警等，减少了煤气泄露、房屋被盗机器学习在交通运输安全领域的应用和展望的风险。一句话打开音乐，一句话打开空调，一句话让生活变得很简单。

3、公共安全领域：

人脸、指纹、虹膜等生物特征的识别和大数据的结合，再进行实时监测，人工智能的应用能够加强公安系统的管理和安全预测。由大数据和人工智能构建起来的智慧城市工程，对城市公共安全领域。

4、手机及互联网娱乐领域：

人们接触最多的人工智能领域的应用来自于手机及互联源李网。手机的语音助手、实时翻译功能、图片文字智能识别提取、听歌识曲、刷脸解锁、拍照优化、相册分类、影像处理、AR特效、VR游戏等等，都不同程度的应用到了人工智能技术。

想了解更多有关人工智能的详情，推荐咨询达内教育。达内教育独创TTS8.0教学系统，达内OMO教学模式，全新升级，线上线下交互学习，满足学生多样化学习需求；同时，拥有经验丰富的讲师进行课程的讲授，对标企业人才标准，制定专业学习计划，囊括主流热点技春裂拿术，运用理论知识+学习思维+实战操作，打造完整学习闭环；更有企业双选会，让学生就业更顺利。感兴趣的话点击此处，免费学习一下

AI驶入“高速路”：交通AI化的应用场景与实例

作者：崔雪薇

《中国交通信息化》记者 崔雪薇当前，新一代通用技术的产业革命正在兴起，为数字化、智能化生产和生活带来了颠覆性的改变。经历了新一波的发展浪潮，人工智能（AI）已无所不在地渗透到人们的生产生活中，当仁不让地成为新一代通用技术的代表。“新基建”风口下，围绕“AI+”打造的新应用、新业态、新模式不断涌现，人工智能充分发挥了“头雁”效应。

作为“新基建”大潮的重要抓手，智能交通领域备受瞩目，人工智能、5G、工业互联网等数字化技术为交通带来的发展理念、管理模式和服务体验迎来了全局“智变”。如今，各地高速公路的智慧建设如火如荼，随着全国高速公路正式迈进“一张网”运营时代，AI在高速颂前路上的应用，驶入了高速发展阶段。本文结合第二十二届中国高速公路信息化大会上的经验分享，对人工智能在智慧高速上的融合应用进行了简单梳理。

随着撤站工作的圆满收官，全国高速公路实现了“一张网”运营。在此形势下，路段经营单位对运营管理产生了新的诉求：（1）希望在技术、服务、管控、协同等方面进一步突破，推进少人、无人化的“高效经济”收费场景实现；（困绝2）既要实现路段的精细化管理，又要做到通行费应收尽收，确保自身权益；（3）路段海量、多元的路网设备、设施急需智能化、自动化技术的保障与支撑，确保边、端设施安全、稳定运行。为解决上述痛点问题，招商华软信息有限公司依托“AI+云”技术，构建智慧收费2.0版本，全面赋能路段的收费稽核、运营分析、运维管理、运行监测及基础收费业务。

AI+云，突破尝试

招商华软打造了统一的智慧收费云平台，将收费业务及相关运管业务迁移上云，高效实现各业务之间的多维协同管理。在该平台的赋能支撑下，还利用高智能的车道机器人为路段经营单位打造了无人收费站解决方案。

无人收费站是“AI+云”场景化应用的突破性尝试，是路段实现降本增效的实用举措，也是智慧收费发展的必经阶段。前端车道机器人的AI能力与云端智慧收费云的统筹能力相结合，极大提升了目前车道收费的服务价值。

无人收费，彰显智能

车道机器人是无人收费站的智能化前端AI设备，整机通过集成车道收费所需的多种硬件模块，辅以人机交互工程设计，借助边缘计算、智能语音、4G/5G等技术手段，实现收费站现场无人化自助收费和特情自动化处理。

无人收费站解决方案实现了前端设备智能化、现场支撑全面化、后台系统智慧化、运营投入经济化。相对于传统的无人收费模式，其具备以下突出能力：适用于多种车道应用场景的收费模式，如ETC收费、MTC收费、混合收费等，支持ETC卡、微信、支付宝、云闪付等多种非现金支付手段，未来将具备接受现金支付的能力；集成人工智能单元，支持与车主进行智能语音交互，在现场无人介入的情况下也能快速定位用户问题，为车主提供便捷有效的客户服务；同时，可大幅减少路段经营管理单位的人力成本支出。

示范应用，加速落地

目前，招商华软智慧收费云平台已经在招商公路广西桂林公司及周边路段落地应用，且运行效果良好，基本满足了日常收费、监控、稽查分析和运维工作的需要，极大提升了路段的运管工作效率。佛山一环西龙收费站北行出口收费广场已开通无人收费的机器人示范车道；哈大高速各条车道的车道机器人也已安装完成并投入使用。

在实际的车道收费应用中，95%的收费业务均可以通过车道机器人的高智慧逻辑处理能力来完成。对于不到1%的需要现场处理的问题，可通过步兵式作业工具“综合服务回控终端”提供服务。

2019年11月13日，交通运输部办公厅发布《全国高速公路视频联网监测工作实施方案》和《全国高速公路视频联网技术要求》，提出加快推进“可视、可测、可控、可服务”的高速公路运行监测体系建设，深入研究人工智能等先进技术在视频联网监测领域的应用，在2021年6月实现智慧监测。视频监控为运营管理效率和公共服务能力提升发挥了积极的作用，随着海量视频数汪樱姿据的不断累积，如何实现实时检测、动态监视、智能控制、及时服务、准确预测的智慧监测成为当前技术领域面临的重要挑战。山西交通职业技术学院的张海亮博士依托山西高速的视频联网建设，分享了AI技术在高速公路视频云联网中的应用。

深度学习，大显身手

从架构来看，高速公路视频联网采用云、边、端三层架构。其中，边缘智能分析系统采用新一代视频交通事件智能监测系统，具备随时接入、实时分析、实时报警、准确率高等特点。随着数据的不断积累，系统运行时间越长，识别算法越智能，检测准确率越高。基于深度学习技术，系统可实现以下功能。

交通事件及交通流检测：采用基于深度学习技术的多目标检测、目标跟踪算法，通过接入高速视频云联网的视频数据，边缘智能分析系统能够实现道路拥堵、交通事故、车辆逆行、违规停车、行人闯入、抛洒物、变道、施工、烟火、团雾、占用应急车道等交通事件，以及交通流量、交通参数等交通态势的分析。车辆结构化分析：通过智能算法，提取车辆特征数据，实现车辆结构化分析，应用于车辆研判、违法处罚、逃费检测、收费稽查等业务。视频质量诊断：通过图像识别算法，进行视频画面质量诊断分析，巡检评估外场设备状态，及时发现设备问题，快速应对。

数据分析，高效管理

省级云平台通过“AI+大数据”技术，融合路段视频数据、边缘智能分析系统的海量感知数据，通过海量数据模型训练和深度学习，进行数据计算、数据分析、数据挖掘、综合研判，实现智能监管、交通态势分析、预测预警、应急处置等智慧监测应用。同时，通过数据门户向外部系统和应用提供数据目录、API、数据应用和可视化展示。

高速公路视频联网后的大数据分析不仅能够实现行业运行态势实时监测、预测预警，还能够为行业运营管理决策提供科学依据，也能够对职能和业务流程监管、分权分域管理、可视化业务展示提供数据支撑，提高运营管理效率。在逻辑架构上，基于AI的省级智能预警平台与省级视频云平台一同部署在省中心，基于前端信息采集终端设备、路段视频上云、视频大数据智能分析应用平台，实现云联网视频数据的融合应用。

试点山西，成效显著

近些年来，山西高速一直积极开展高速公路智能运行监测相关研究，特别是对高速公路视频联网智能分析系统和平台做了大量基础性工作。基于AI的智能平台在具体实际应用中取得了理想的效果。系统平台建设以最先进的高性能GPU集群为物理载体，首创分布式深度学习算法及多任务神经网络模型，极大地提升了系统的精准性和并行效率，使系统具备极高的先进性，体现在以下4个方面。

（1）见多识广，通过对海量训练样本的深度学习，以及随着系统部署、应用的增加，系统准确性越来越高。（2）平台先进，系统采用了基于数据流的大数据计算引擎Yita，使用神经网络分布式训练平台，提高了收敛速度，缩短了训练时长，提高了模型迭代效率。（3）算法超前，研究开发了多种算法，能够实现对交通事件、车辆信息的准确识别。（4）持续进化，在具体系统应用过程中，系统检测结果通过人工确认后，不断增加正负样本，可以持续学习，不断进化。

福建省高速公路信息 科技 有限公司的黄来荣高级工程师在会上分享了福建省基于人工智能和物联网的省级联网收费运行监测系统方案。省界收费站取消后，ETC费显系统进行了优化，福建省联网收费系统整体运行平稳。联网收费对运行监测依赖度高，主要体现为在线计费、状态名单同步、全网最小费额下发、门架计费模块升级等，存在点多面广、监测内容多、设备种类复杂、运行监测要求高等难点。因此，需要有一套系统的工具对车道、门架、后端系统进行快速问题诊断，提高系统运维效率和准确性。福建省高速公路将原有的收费运维管理系统、ETC车道运行监测系统和ETC门架运行监测系统进行融合，已成功上线福建省高速公路联网收费运行监测系统，保障了联网收费各层级系统的正常运转。

目标明确，功能完备

省级联网收费运行监测系统建设主要围绕以下4个目标：提升ETC客户服务水平；保障单位和多省交易，实现“分段计费，出口统一收费”；促进厂商提升产品质量和售后服务水平；提高日常机电维护水平。

建设内容有：车道系统运行监测，包括车道设备监测、车道工控机监测、车道数据监测、车道交易监测；门架系统运行监测，包括ETC门架设备监测、门架主机监测、门架数据监测、车道交易监测；后端系统运行监测，包括后端设备监测、后端主机监测、后端应用监测、后端数据监测；系统告警，包括分级分类告警、严重告警置顶提示、告警推送；运行监测工具，包括系统升级类检查工具、参数下发类检查工具、故障诊断类检查工具。

智能分析，科学预警

系统使用NumPy、Pandas和基于机器学习的scikits-learn等组件，可通过决策树回归算法分析故障原因；通过k-means聚类算法寻找离群点，分析并预测门架或车道 健康 状态；通过朴素贝叶斯算法预测设备故障，需提前进行设备养护，从而进行如下智能分析。

1、厂商主题分析按设备厂商进行分类，统计交易成功率、捕获率、异常量等数据，促进设备厂商提供高品质产品、提升售后服务水平。2、用户主题分析（1）同行介质状态：提示OBU低电、锁死、损坏或即将超出有效期待等。（2）充值提醒：当储值卡低于用户常规形成一定比例时进行充值提醒。（3）新状态名单提醒：当用户被列入状态名单时进行提醒。（4）形成规律结合用户服务：根据用户的形成规律，提供路况信息、沿途服务（如服务区）信息等。（5）连续异常提醒：当某一OBU在车道和门架上异常交易达到某一阈值时进行用户提醒，召回检查。3、故障预测预警（1）车道系统故障预测：通行效率下降、异常交易比例提高可能预示着车道系统故障；车道车牌识别率下降可能预示着牌识故障或需要进行维护调优。（2）门架系统故障预警：门架异常交易比例提高、捕获率降低通常预示着门架系统出现故障；某一车道的RSU或牌识捕获率下降通常预示着该设备故障或需要进行及时维护。（3）设备与环境关联预警：通过聚类分析或关联因素分析，识别设备与环境的规律关系，如跳电与雷雨天气的关系、车牌识别率与天气的关系等。

隧道存在空间封闭、事故多发、处置困难、防控薄弱等痛点，亟待在现有技术基础上开发新的隧道风险防控技术与装置。在“新基建”的东风下，一套支持动态巡航、兼顾高精度与实时性的智能交通巡检系统平台应运而生。重庆交通大学的马庆禄副教授在会上对该平台进行了介绍，该平台能够实现渗水检测、裂缝检测、隧道内环境检测；实现交通事故巡检，交通运行状态、重要交通基础设施以及交通量、车速等交通参数的实时检测及分析处理。检测精度均大于80%。

融合创新，提质升级

作为该平台的前端设备，隧道云智能巡检机器人融合了人工智能、5G、虚拟现实、工业物联网技术，依托高端 科技 手段，提质升级隧道智慧管养水平，积极响应国家的“新基建”政策。

隧道云智能巡检机器人采用边缘人工智能技术，与传统的基于云的计算方式相比，该技术在计算和信息生成源的物理接近性方面带来了低延迟、能量高效、隐私保护、带宽占用减少、及时性和环境敏感性高等优势，使隧道巡检机器人感知更敏捷，风险识别与应急决策更智能。5G具有大带宽、低延时的传输能力，平台建立基于边缘设备的区域性高速容量5G传输网络，集成红外热像仪、激光/毫米波雷达、高清全景摄像机等各种尖端技术， 探索 5G网络在公路隧道中的应用示范。

智能巡检，安全高效

云智能巡检机器人助力“新基建”与“交通强国”加速推进，实现路桥隧全天候、无人值守下的智能巡检，可最大限度提高隧道安全性。相比传统人工巡检，其具有以下优势：

（1）通过云智能机器人将照明、通风、消防等机电系统网联于一体，实现自适应联控；（2）利用机器人配载激光雷达、热像仪等传感器，对裂缝、渗漏等灾害动态感知；（3）机器人可以第一时间抵达现场，实时远程交通监控、应急救援与疏散指挥。

2020年一场突如其来的疫情对“新基建”提出了非常迫切的要求。疫情的远程化、无接触、智能化应对刺激了新的市场需求，倒逼传统产业加快数字化转型的步伐，智能交通的建设也因此成为城市发展实打实的刚需。作为“新基建”的主要内容，以人工智能为代表的“云大物移智”等新技术的深度融合碰撞，形成了新一代信息基础设施的核心能力。交通AI化是大势所趋，除本文所述内容，AI在城市公共交通、自动驾驶等领域同样发挥了不容小觑的作用。在智慧高速领域，AI在云、管、边、端全面赋能，给收费、稽核、监控等应用场景带来了全新升级，驶入高速，上桥入隧，无所不在。 科技 的迭代速度令人瞠目，5G浪潮迅猛来袭，流量的爆发将带动数据处理分析能力的发展，人工智能也将迎来新的机遇和挑战。随着新一代信息技术的飞速发展，条条大路都将被赋予强大的颠覆性力量，通向无边无界的智能未来。

（原文刊载于2021年第3期《中国交通信息化》）

机器学习与人工智能将应用于哪些安全领域？

大数据识别威胁

当出现网络安全这一概念的时候，所有的组织机构就面临了一个难题。

在过去，关注网络和终端的保护就可以了，而如今应用程序，云服务和移动设备（例如平板电脑，手机，蓝牙设备和智能手表）的加入，使得组织机构的发展这些项目的同时，必须针对它们做好足够的防御。然而需要防御的攻击面在不断扩大，在将来会变得更大。

这种“更广泛和更深层”的攻击面只会增加如何管理组织中无数IT和安全工绝尺乱具生成的数据的困笑数量，速度和复杂性等现有问题。分析、归一化、优先处理被攻破的系统显得尤为重要。工具越多，挑战的难度越大；攻击面越广，要做的数据分析也就越多。 传统上，手工修复需要大量的工作人员梳理大量的数据连接点和发现潜在的威胁。在安全人员在努力修复几个月时间内，攻击者就能利用漏洞提取数据。

突破现有的思维方式、自动化执行传统的安全操作已成为补充稀缺的网络安全运营人才的头等大事。 就是在这种大环境下，使用人机交互式机器学习引擎可以达到自动化跨不同数据类型的数据聚合、 搜集评估数据到合规要求、规范化信息以排除误报，重复报告以及大量的数据属性的效果。

更具关联性的风险评估

一旦发现内部安全情报与外部威胁数据（例如，漏洞利用，恶意软件，威胁行为者，声誉智能）相匹配，那么首先要确定的就是这些发现是否与关键业务相关联，否则无法确定真正存在的风险及其对业务的最终影响。 打个比方，假设在某次机器的处理过程中，由于机器并档不知道“coffee服务器”相比“email务器”对业务的影响，最终导致了补救措施无法集中在真正需要补救的事件中。在这个例子中，人机交互的机器学习和高级算法起了适得其反的效果，这不是我们愿意看到的现象。

自学习的应急响应

增加负责确定安全漏洞的安全团队和专注于补救这些团队的IT运营团队之间的协作仍然是许多组织面临的挑战。 使用基于风险的网络安全概念作为蓝图，可以实施主动安全事件通知和人机交互环路干预的自动化过程。 通过建立阈值和预定义的规则，企业、机构还可以通过编制补救措施来的方式及时修复安全漏洞。