寫文章

草稿已保存

我們終其一生，都在尋找各自的終極答案。我們無時(shí)無刻，無不希望能在自己從事的領(lǐng)域離真相更近一步，哪怕是一小步。對威脅的對抗、對情報(bào)的研判、對數(shù)據(jù)的分析、對知識的理解、對智能的追尋、對內(nèi)心的挖掘、對人性的洞察、對生命的頓悟、對世界的認(rèn)知、對宇宙的探索，歸根結(jié)底都是對真相的渴望。

安全的真相是什么？安全的過去是人與人的對抗，安全的現(xiàn)狀是攻擊者加攻擊機(jī)器對抗防御者加防御機(jī)器。而未來安全的終局，一定是機(jī)器與機(jī)器的自主對抗。從這個(gè)角度來看，安全的本質(zhì)其實(shí)是智能體之間的知識對抗，智能可以是碳基的智能，也可以是硅基的智能。到終局那一天我們有沒有「搞清楚安全」顯得一點(diǎn)都不重要，重要的是到那一天我們親手鍛造的機(jī)器智能，作為人類智能的延伸，注定是會早于我們一步，提前觸達(dá)安全的真相。

通用技術(shù)與人類發(fā)展

技術(shù)是人類自身能力的延伸，發(fā)明技術(shù)是人類最大的天賦。早在現(xiàn)代智人出現(xiàn)之前，早期的原始人就發(fā)明了各種技術(shù)，使得他們在與其他動物的生物競爭中更占優(yōu)勢。而在人類歷史進(jìn)程中，生產(chǎn)力和經(jīng)濟(jì)水平的一次次躍遷，背后的核心推動力是一代又一代通用技術(shù)（GPTs General Purpose Technologies）的發(fā)明。通用技術(shù)通過對已有經(jīng)濟(jì)結(jié)構(gòu)和社會結(jié)構(gòu)的影響，徹底影響著人類的發(fā)展進(jìn)程。




通用技術(shù)是單一可識別的基礎(chǔ)性共性技術(shù)，目前為止人類歷史上只有二十來種技術(shù)可被歸類為通用技術(shù)，這些技術(shù)具有如下幾個(gè)特點(diǎn)：

  • 「無處不在」通用技術(shù)有著各種各樣的使用用途以及大量廣泛的使用場景；

  • 「持續(xù)改進(jìn)」隨著時(shí)間的推移，通用技術(shù)不斷在改進(jìn)使用成本也不斷降低；

  • 「驅(qū)動創(chuàng)新」通用技術(shù)使技術(shù)創(chuàng)新和技術(shù)發(fā)明更加容易，催生更多新產(chǎn)品。




從新石器時(shí)代農(nóng)業(yè)革命，對動植物的馴化技術(shù)、文字書寫技術(shù)，到18-19世紀(jì)第一次工業(yè)革命，蒸汽引擎技術(shù)、工廠系統(tǒng)、鐵路系統(tǒng)……，到第二次工業(yè)革命，內(nèi)燃機(jī)技術(shù)、電力技術(shù)、汽車技術(shù)、飛機(jī)技術(shù)……，再到20世紀(jì)信息革命，計(jì)算機(jī)、互聯(lián)網(wǎng)、生物科技等。通用技術(shù)的發(fā)明間隔時(shí)間越來越短、密集程度越來越高、影響范圍也越來越大、生產(chǎn)力的提升也越來越快。

同一時(shí)代各種通用技術(shù)之間的技術(shù)銜接產(chǎn)生的協(xié)同效應(yīng)，更是對生產(chǎn)力提升、經(jīng)濟(jì)發(fā)展、促進(jìn)創(chuàng)新起到了疊加推動的作用。蒸汽時(shí)代，蒸汽引擎提供動力能源，鐵路網(wǎng)連接各個(gè)物理空間傳輸鋼鐵等物資，應(yīng)用到各種機(jī)器系統(tǒng)。電氣時(shí)代，中央電站提供電力能源，電力網(wǎng)連接各個(gè)物理空間傳輸電流，應(yīng)用到各類電氣系統(tǒng)。

信息時(shí)代，個(gè)人電腦（或服務(wù)器）提供計(jì)算能力，互聯(lián)網(wǎng)連接傳輸數(shù)據(jù)，連接各個(gè)數(shù)字空間的信息系統(tǒng)。而在智能時(shí)代，通用計(jì)算（云邊端等各類計(jì)算形態(tài)）提供計(jì)算能力，物理空間和數(shù)字空間的邊界會越來越模糊形成融合空間，萬物互聯(lián)網(wǎng)連接融合空間中的各個(gè)智能系統(tǒng)。不同的時(shí)代，通用技術(shù)之間有著相似的協(xié)同方式。蒸汽時(shí)代給機(jī)器以動能，電力時(shí)代給機(jī)器以電能，信息時(shí)代給機(jī)器以數(shù)據(jù)，智能時(shí)代給機(jī)器以知識。




機(jī)器智能的歷史發(fā)展

在所有通用技術(shù)中，機(jī)器智能又是最為特殊的一種通用技術(shù)，這是人類第一次發(fā)明讓機(jī)器能自主獲取知識的技術(shù)，也是人類第一次有能力打造非碳基體系的智能體。

1882年2月一個(gè)寒冷的下午，年輕的尼古拉·特斯拉完成了困擾其5年的交流電發(fā)電機(jī)設(shè)想，欣喜若狂地感嘆道「從此之后人類不再是重體力勞動的奴役，我的機(jī)器將解放他們，全世界都將如此」。

1936年，為證明數(shù)學(xué)中存在不可判定命題，24歲的艾倫·圖靈提出「圖靈機(jī)」的設(shè)想，1948年在論文《 INTELLIGENT MACHINERY》中描繪了聯(lián)結(jié)主義的大部分內(nèi)容，緊接著在1950年發(fā)表《COMPUTING MACHINERY AND INTELLIGENCE》，提出了著名的「圖靈測試」。同年，馬文·明斯基與其同學(xué)鄧恩·埃德蒙建造了世界上第一臺神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)。

1955年馮·諾伊曼接受了耶魯大學(xué)西里曼講座的邀請，講稿內(nèi)容后來匯總成書《THECOMPUTER AND THE BRAIN》。1956年，約翰·麥卡錫在達(dá)茅斯學(xué)院夏季學(xué)術(shù)研討會上首次提出了「Aritificial Intelligene」的概念。至此，機(jī)器智能的歷史序幕正式拉開，符號主義（Symbolism）、聯(lián)結(jié)主義（Connectionism）、行為主義（Actionism）三大流派相繼形成。




機(jī)器智能發(fā)展至今，經(jīng)歷了幾次浪潮和寒冬，三大主義也各自起起落落。50年代起，以專家系統(tǒng)、經(jīng)典機(jī)器學(xué)習(xí)為代表的符號主義長期占據(jù)統(tǒng)治地位。相比之下聯(lián)結(jié)主義則歷經(jīng)了一波三折，從感知機(jī)的提出到80年代反向傳播的發(fā)表，再到深度學(xué)習(xí)借助算力與數(shù)據(jù)大獲成功，到2018年三巨頭Geoffrey Hinton、Yann LeCun、Yoshua Bengio獲得圖靈獎，最后才變得炙手可熱。而以強(qiáng)化學(xué)習(xí)為代表的行為主義在2016年AlphaGo、AlphaZero的橫空出世之后大獲關(guān)注，更是被譽(yù)為通向通用機(jī)器智能的必經(jīng)之路。

人類智能的演化經(jīng)歷了上百萬年，機(jī)器智能演化迄今為止也才六十余年。盡管通用機(jī)器智能依舊還很遙遠(yuǎn)，但今天機(jī)器智能在很多領(lǐng)域已經(jīng)逐漸超過了人類智能。過去這六十年，數(shù)據(jù)計(jì)算能力、數(shù)據(jù)存儲能力、數(shù)據(jù)傳輸能力都至少提升了1000萬倍。同時(shí)數(shù)據(jù)資源的增長速度，更是遠(yuǎn)遠(yuǎn)超過摩爾定律增長的速度，預(yù)計(jì)到2020年全球數(shù)據(jù)總量能達(dá)到40ZB。機(jī)器智能今天已經(jīng)到達(dá)通用技術(shù)爆炸的一個(gè)關(guān)鍵節(jié)點(diǎn)，同時(shí)在其他通用技術(shù)的協(xié)同作用下，這一次通用技術(shù)引發(fā)的變革會比以往任何一次都來得更劇烈。

數(shù)據(jù)驅(qū)動到智能驅(qū)動

「商業(yè)智能與智能商業(yè)」、「安全智能與智能安全」……類似這樣的詞還有很多，二者之間核心的區(qū)別前者是單點(diǎn)的智能，后者是全局的智能，前者是基于數(shù)據(jù)驅(qū)動，而后者是基于智能驅(qū)動。「數(shù)據(jù)驅(qū)動」與「智能驅(qū)動」看似相似但卻有著根本性的區(qū)別，最本質(zhì)的不同是背后決策主體的不同。「數(shù)據(jù)驅(qū)動」最終還是依賴人類來做決策，數(shù)據(jù)只是提供了能夠做出更好決策的輔助判斷信息，而「智能驅(qū)動」則是機(jī)器取代人類直接做在線決策。




人類大腦受認(rèn)知偏見的影響一直是生命進(jìn)化的結(jié)果。受限于人腦信息傳輸帶寬和信息處理速度的限制，從早期狩獵者階段開始，人類就逐步形成了基于簡單啟發(fā)式的推理決策系統(tǒng)，規(guī)避了處理大量信息的高額成本。這使得人類在處于各種危險(xiǎn)的環(huán)境時(shí)能夠快速、幾乎無意識地做出決策，文明才得以延續(xù)至今。然而，快速和幾乎無意識的決策并非意味著總是最佳甚至是準(zhǔn)確的決策。

啟發(fā)式的方法通過遺傳，成為刻入我們大腦中預(yù)先加載的認(rèn)知偏差，這些「偏見」以偏離理性客觀的方式影響人類的決策。直到「數(shù)據(jù)驅(qū)動」時(shí)代的來臨，豐富海量的在線數(shù)據(jù)為更好的決策提供了輔助判斷的依據(jù)。我們用通用計(jì)算、海量數(shù)據(jù)處理技術(shù)，將數(shù)據(jù)量減少到人腦可消化的摘要范圍之內(nèi)，用于各種應(yīng)用場景下的輔助決策。

「數(shù)據(jù)驅(qū)動」相比以往基于「直覺驅(qū)動」或「經(jīng)驗(yàn)驅(qū)動」有著無法比擬的優(yōu)勢，但人類在這其中仍然扮演著「中央處理器」的決策主體，這依然存在著局限性。人腦處理器的吞吐量限制，無法處理全量原始數(shù)據(jù)，只能將全量數(shù)據(jù)資源變?yōu)椤竻R總數(shù)據(jù)」或「摘要數(shù)據(jù)」，進(jìn)而再從其中提取知識。這個(gè)過程注定是伴隨著信息量的損失，從而會丟掉全量數(shù)據(jù)中的部分隱含關(guān)系、數(shù)據(jù)模式以及數(shù)據(jù)背后的洞察。

「智能驅(qū)動」是讓機(jī)器智能直接做線上決策，無論是決策效率、規(guī)模程度、客觀程度還是進(jìn)化成長速度，都是「數(shù)據(jù)驅(qū)動」所無法比擬的。「智能驅(qū)動」是直接從全量數(shù)據(jù)資源中提取全量知識，然后運(yùn)用全量知識直接進(jìn)行全局決策。「數(shù)據(jù)驅(qū)動」本質(zhì)上是匯總數(shù)據(jù)加人類智能，「智能驅(qū)動」的本質(zhì)則是全量數(shù)據(jù)加機(jī)器智能。

然而現(xiàn)實(shí)的現(xiàn)狀是在業(yè)務(wù)場景中我們大量的決策連「數(shù)據(jù)驅(qū)動」都還沒做到，更談不上「智能驅(qū)動」。機(jī)器智能實(shí)現(xiàn)「感知」只是第一步，實(shí)現(xiàn)「決策」則是更為關(guān)鍵的一步，現(xiàn)階段的機(jī)器智能正如丘吉爾的一句話「Now this is not the end, it is not even the beginning of the end.But it is perhaps the end of beginning」。那么，到底什么才是真正的機(jī)器智能系統(tǒng)？

智能系統(tǒng)的核心范式

真正意義上的智能系統(tǒng)，實(shí)例的核心范式一定有如下幾個(gè)組成部分：感知體系、認(rèn)知體系、決策體系、行動體系。同時(shí)，一個(gè)智能系統(tǒng)的實(shí)例，一定離不開與環(huán)境的交互，過去我們總是過多的強(qiáng)調(diào)和關(guān)注系統(tǒng)內(nèi)在本身，卻容易忽視與環(huán)境交互的作用。




感知體系的作用是對環(huán)境進(jìn)行觀測和沉淀，產(chǎn)出的是數(shù)據(jù)。一切數(shù)據(jù)的產(chǎn)生都源于對環(huán)境的觀測和沉淀，觀測和沉淀背后的動機(jī)是我們測量、記錄、分析世界的渴望。信息時(shí)時(shí)刻刻存在于環(huán)境中（數(shù)字空間或物理空間），在不同的場景下，我們用硬件、軟件、算法的方式，將其「數(shù)據(jù)化」。硬件有如傳感器、攝像頭等，軟件如日志記錄器、數(shù)據(jù)采集器等，算法如各類智能視覺算法、智能語音算法等。終有一天，我們能夠?qū)⒁磺形锢砜臻g都數(shù)據(jù)化，將物理空間完完全全映射到數(shù)據(jù)空間。

認(rèn)知體系的作用是對數(shù)據(jù)進(jìn)行歸納和總結(jié)，提煉出知識。人類理解的知識一定是要用自然語言表達(dá)，而對機(jī)器而言，用能夠代表問題空間的數(shù)據(jù)集進(jìn)行訓(xùn)練，再用訓(xùn)練好的「模型」來在新的數(shù)據(jù)空間中進(jìn)行推理。只要是能解決特定目標(biāo)任務(wù)，無論其表現(xiàn)形態(tài)是向量、圖譜還是自然語言，其實(shí)都是知識，特征空間的表達(dá)本身就是一種知識。

決策體系的作用是對目標(biāo)任務(wù)進(jìn)行規(guī)劃和決策，生成對目標(biāo)任務(wù)的策略。行動體系根據(jù)策略執(zhí)行具體動作，和環(huán)境進(jìn)行交互、對環(huán)境產(chǎn)生影響。動作作用于環(huán)境后形成反饋，反饋又促進(jìn)感知體系感知更多的數(shù)據(jù)，進(jìn)而持續(xù)獲取更多的知識，對目標(biāo)任務(wù)作出更好的決策，形成閉環(huán)持續(xù)迭代進(jìn)化。

從這個(gè)角度來看，機(jī)器智能的本質(zhì)，實(shí)質(zhì)是一種觀測環(huán)境沉淀數(shù)據(jù)、歸納數(shù)據(jù)提煉知識、規(guī)劃目標(biāo)在線決策、作出行動影響環(huán)境的自主機(jī)器。機(jī)器智能是一種自主機(jī)器，而自主機(jī)器與過去自動化機(jī)器的最大區(qū)別在于其能否自主獲取解決目標(biāo)任務(wù)的知識。

單體智能到群體智能

今天大多數(shù)的智能系統(tǒng)，都是一個(gè)個(gè)孤立分布的單體智能實(shí)例，解決的相應(yīng)也是一個(gè)個(gè)孤立分布的單體問題。云計(jì)算的本質(zhì)是「計(jì)算在線」，大數(shù)據(jù)的本質(zhì)是「數(shù)據(jù)在線」，而機(jī)器智能最終也需要實(shí)現(xiàn)讓智能在線，讓智能實(shí)例之間進(jìn)行自主在線交互。




單個(gè)智能實(shí)例都是由「感知-認(rèn)知-決策-行動」的體系構(gòu)成的自主系統(tǒng)，有著自己的世界表征形式，能自主完成自身的目標(biāo)任務(wù)。在同一個(gè)動態(tài)復(fù)雜的博弈環(huán)境之中，實(shí)例與實(shí)例之間通過互聯(lián)實(shí)現(xiàn)在線，彼此存在相互作用，可以合作、競爭，可以競合并存，也可以既不合作也不競爭。一個(gè)實(shí)例的策略變化不光會影響自身的環(huán)境，也會影響其他實(shí)例的策略變化。

對于合作的多個(gè)智能實(shí)例之間，可以選擇共享數(shù)據(jù)、知識、策略或動作，協(xié)調(diào)協(xié)作以完成更為復(fù)雜的目標(biāo)任務(wù)，共同形成更為高階的智能實(shí)例。當(dāng)單位空間內(nèi)智能實(shí)例的覆蓋密度足夠大的時(shí)候，單體智能開始向群體智能演進(jìn)。

智能與安全的四象限

安全是所有技術(shù)中最為特殊的一種，嚴(yán)格意義上甚至或許都不能稱「安全」為一門技術(shù)。早在人類還未發(fā)明任何技術(shù)之前，安全就已經(jīng)伴隨著人類的各種活動。迄今為止，沒有任何一種技術(shù)是安全領(lǐng)域獨(dú)有或者說從安全領(lǐng)域長出來的，但安全從來都是與其他技術(shù)相伴相生、相輔相成。




任何一門通用技術(shù)，與安全的結(jié)合都有如下四種方式。機(jī)器智能技術(shù)也不例外，縱向是「給智能以安全」和「給安全以智能」，橫向是「攻擊視角」和「防御視角」。給智能以安全，是指機(jī)器智能技術(shù)本身會帶來新的安全問題，一種是機(jī)器智能自身脆弱性導(dǎo)致的安全問題，一種是機(jī)器智能引發(fā)周邊場景衍生出的安全問題。給安全以智能，是指將機(jī)器智能應(yīng)用于安全場景，攻擊者利用機(jī)器智能賦能攻擊，防御者利用機(jī)器智能賦能防御。

而在這四個(gè)象限中，新技術(shù)與安全發(fā)生交集的時(shí)間和發(fā)展的成熟程度又有所不同。攻擊者相比防御者而言，有更強(qiáng)的動機(jī)和利益，所以攻擊相關(guān)的象限通常都會更容易去探索新技術(shù)去接納新技術(shù)。防御者總是滯后，也總是容易沉迷于舊技術(shù)和人工經(jīng)驗(yàn)營造出的安全假象中，導(dǎo)致第四象限總是發(fā)展最滯后最緩慢的一個(gè)象限。當(dāng)然，這與防御視角自身的屬性與困境也有直接關(guān)系。

機(jī)器智能的安全之困

圍棋是簡單的復(fù)雜游戲，而安全是復(fù)雜的簡單游戲。1994年，認(rèn)知科學(xué)家Steven Pinker在《The Language Instinct》中寫道「對機(jī)器智能而言，困難的問題是易解的，簡單的問題是難解的」?！负唵蔚膹?fù)雜問題」指的是問題空間是閉合的，但是問題本身卻又有較高的復(fù)雜度，「復(fù)雜的簡單問題」指的是問題空間是是無限開放式的，但問題本身卻并沒有很高的復(fù)雜度。今天機(jī)器智能技術(shù)在「簡單的復(fù)雜問題」的領(lǐng)域，往往都比人類會更強(qiáng)，但對于「復(fù)雜的簡單問題」，泛化界限引起的維數(shù)災(zāi)難，機(jī)器智能往往都會失效。




安全是一個(gè)典型的「復(fù)雜的簡單問題」，莫拉維克悖論在安全領(lǐng)域更為明顯。高度不確定性是安全最大的特點(diǎn)，安全自身最大的困境就是如何去應(yīng)對「未知的未知」。很多時(shí)候我們問題都沒定義清楚問題就沖上去說要用機(jī)器智能解決問題，這是絕大多數(shù)機(jī)器智能在安全領(lǐng)域失效的主要原因。今天在安全領(lǐng)域，不太需要去突破智能技術(shù)的天花板，亟待解決的反而是「定義清楚問題」，即如何閉合掉問題空間。

安全的問題空間通常都是無界的，同時(shí)問題空間對應(yīng)的正負(fù)樣本的樣本空間卻又嚴(yán)重的不對稱?！肝粗奈粗挂鸬呢?fù)向數(shù)據(jù)（如攻擊數(shù)據(jù)、風(fēng)險(xiǎn)數(shù)據(jù)等）的嚴(yán)重缺乏導(dǎo)致特征空間的不對稱，進(jìn)而導(dǎo)致特征空間無法真正表征問題空間?！改Ｐ汀故且延袛?shù)據(jù)空間下關(guān)于世界的假設(shè)，并且用于在新的數(shù)據(jù)空間下進(jìn)行推理。今天機(jī)器智能技術(shù)已經(jīng)能很好的解決表示輸入和輸出之間的非線性復(fù)雜關(guān)系，但對于樣本空間與問題空間存在的巨大鴻溝卻依然比較乏力。

20世紀(jì)六十年代，貝爾-拉帕杜拉安全模型（Bell-La Padula ）指出「當(dāng)僅當(dāng)系統(tǒng)開始于安全的狀態(tài)，且一直不會落入非安全狀態(tài)，它才是安全的」。由于安全的本質(zhì)是對抗，對抗的存在導(dǎo)致安全領(lǐng)域的機(jī)器智能模型多數(shù)都逃不過的「上線即衰減」的命運(yùn)。在訓(xùn)練集上表現(xiàn)良好的模型，對于大規(guī)模的現(xiàn)實(shí)環(huán)境，從上線那一刻起就在引起對抗升級，進(jìn)而不斷跌入失效的狀態(tài)。模型衰減和封閉系統(tǒng)中的熵增一樣，是一個(gè)必然。

同時(shí)，安全場景中對檢測結(jié)果的準(zhǔn)確性、結(jié)果可解釋性都高度敏感。機(jī)器智能相比于傳統(tǒng)安全中經(jīng)常使用的基于規(guī)則、基于策略的檢測技術(shù)，優(yōu)勢在于其強(qiáng)大的表征能力，但同時(shí)其不可解釋性、模糊性導(dǎo)致推理結(jié)果在決策場景下無法直接使用，這也是今天很多智能安全系統(tǒng)大都只在做「感知」，至多也只是做輔助決策的原因。

然而這些都還不是最大的「困」，機(jī)器智能在安全領(lǐng)域最大的「困」是思維模式上的困局。安全的思維模式是「守正出奇」，而機(jī)器智能的思維模式是「Model The World」。這兩種思維模式之間不僅存在巨大的差異，也異常難調(diào)和。一方面極少有人能同時(shí)駕馭這兩種思維方式，另一方面把兩種思維的人放到一起也極難協(xié)作起來，本質(zhì)原因是缺少橋梁來銜接安全問題到算法問題之間的相互轉(zhuǎn)換和定義。

問題空間之困、樣本空間之困、推理結(jié)果之困、對抗衰減之困、思維模式之困，這些問題導(dǎo)致了今天絕大多數(shù)現(xiàn)實(shí)中的智能安全系統(tǒng)的表現(xiàn)都差強(qiáng)人意。或者也可以說得更悲觀一點(diǎn)，今天在安全領(lǐng)域，迄今為止還沒有真正意義的智能安全系統(tǒng)。

真正的智能安全系統(tǒng)

先來說說通用安全場景下的通用數(shù)據(jù)范式。柏拉圖學(xué)派認(rèn)為「我們感知的世界是洞穴里面墻壁上的投影」，現(xiàn)象世界都是理性世界的倒影，理性世界才是世界的本質(zhì)或本原?！付囱ū扔鳌挂馕吨嬖谝粋€(gè)外在的客觀的知識體系，不依賴人類的認(rèn)知而存在，人類探索知識的過程就是不斷從現(xiàn)實(shí)世界的現(xiàn)象觀察中，摸索、推測這個(gè)客觀知識體系的過程。亞里士多德進(jìn)一步奠定了本體論最初的思想，定義其為研究「存在」的科學(xué)，是形而上學(xué)的基本分支。再到17世紀(jì)，哲學(xué)家郭克蘭紐 （R. Goclenius） 首次提出「Ontology」一詞，再到20世紀(jì)60年代，機(jī)器智能領(lǐng)域開始引入Ontology的思想，之后又進(jìn)一步演化出語義網(wǎng)、知識圖譜等。

安全中的對抗本質(zhì)是知識的對抗，獲取知識更多的一方就能擁有更多的不對稱優(yōu)勢。無論是威脅分析、情報(bào)研判、攻擊檢測、事件溯源……本質(zhì)都是在探索知識的一個(gè)過程，這就是為什么Palantir的Gotham、IBM的I2、UEBA、各種威脅情報(bào)產(chǎn)品等等背后都不約而同或多或少借鑒了Ontology思想的根本原因。



而安全場景下的通用數(shù)據(jù)范式，也離不開Ontology。實(shí)體、屬性、行為、事件、關(guān)系，通過這五大元數(shù)據(jù)類型，可以構(gòu)建出所有安全場景中的數(shù)據(jù)架構(gòu)（無論是基礎(chǔ)安全、業(yè)務(wù)安全、數(shù)據(jù)安全、公共安全、城市安全……注：公共安全領(lǐng)域也單獨(dú)關(guān)注「軌跡」這一類元數(shù)據(jù)類型，因「軌跡」是一種特殊的「行為」數(shù)據(jù)，故這里統(tǒng)一都合并成行為）。

  • 實(shí)體：實(shí)體是客觀存在并可以與其他對象區(qū)分開來的對象；

  • 屬性：屬性即為標(biāo)簽，是描述實(shí)體的表述，對實(shí)體抽象方面的刻畫；

  • 行為：行為是實(shí)體在特定時(shí)間、空間下發(fā)出的動作；

  • 事件：事件是一定時(shí)空或條件下所認(rèn)識到的可識別的事情；

  • 關(guān)系：關(guān)系是實(shí)體與其他實(shí)體之間的關(guān)聯(lián)程度與表述。

安全領(lǐng)域絕大多數(shù)沉淀的源數(shù)據(jù)都是行為類數(shù)據(jù)，無論是網(wǎng)絡(luò)流量日志、主機(jī)命令日志、業(yè)務(wù)日志、攝像頭數(shù)據(jù)流、感知設(shè)備數(shù)據(jù)流……，這些都是行為數(shù)據(jù)。而實(shí)體、屬性、關(guān)系、事件的產(chǎn)生都是從行為數(shù)據(jù)中進(jìn)行萃取，通過對不同的行為數(shù)據(jù)運(yùn)行不同的 Function 來產(chǎn)生。

當(dāng) Function 是生成事件的時(shí)候，即為安全檢測問題，包括攻擊檢測、威脅檢測、風(fēng)險(xiǎn)檢測、異常檢測等等。絕大多數(shù)安全檢測問題的原子范式都可以抽象為Y=F(X)，其中X是實(shí)體的行為數(shù)據(jù)，Y是檢測結(jié)果，F(xiàn)是檢測模型。F可以是基于規(guī)則、基于策略、詞法語義、統(tǒng)計(jì)檢測、機(jī)器學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)等等，Y可以是正常、異常、攻擊或者未知。



更為復(fù)雜的檢測場景也都可以通過一個(gè)個(gè)基本F與各類算子組裝編排而成。每一種類型的F都有其優(yōu)勢和劣勢，有不同的最優(yōu)使用場景，并不存在一種絕對先進(jìn)絕對領(lǐng)先的檢測技術(shù)。事實(shí)上算法在安全檢測中最應(yīng)該關(guān)注的不是去做檢測模型本身，而是能否自主化的根據(jù)各種場景生成最優(yōu)的檢測模型，并能自主化持續(xù)迭代檢測模型。



真正意義上的智能安全系統(tǒng)一定也是具備感知體系、認(rèn)知體系、決策體系和行動體系，同時(shí)和環(huán)境形成反饋閉環(huán)。感知體系至少包括異常感知器、攻擊感知器、漏報(bào)感知器和誤報(bào)感知器?！府惓８兄鳌沟淖饔靡环矫媸潜３指兄肝粗奈粗沟哪芰Γ硪环矫媸抢谩竿ㄟ^定義正常來尋找異常」的思想來解「樣本空間之困」的問題?！腹舾兄鳌沟淖饔檬窃诋惓?shù)據(jù)的基礎(chǔ)上去檢測攻擊，為了解「推理結(jié)果之困」的同時(shí)，也大大縮減推理結(jié)果誤報(bào)漏報(bào)范圍。「漏報(bào)感知器」和「誤報(bào)感知器」是為了去解「對抗衰減之困」。由此可以看出，整個(gè)行業(yè)內(nèi)大家最常關(guān)注的「用算法做攻擊檢測」，其實(shí)只是做了智能系統(tǒng)當(dāng)中感知體系里很小的一小步。

認(rèn)知體系沉淀的是跟安全相關(guān)的各種知識，至少包括正常知識、攻擊知識、漏報(bào)知識、誤報(bào)知識。安全知識可以是基于專家規(guī)則、向量、模型、圖譜、自然語言等等，但無論是哪種形態(tài)，一定都是精細(xì)化個(gè)性化的「千人千面」的知識。即對每一個(gè)受保護(hù)對象（如用戶、系統(tǒng)、資產(chǎn)、域名、數(shù)據(jù)等），沉淀形成適用于該受保護(hù)對象的一套感知異常、攻擊、漏報(bào)、誤報(bào)的知識。決策體系當(dāng)中至少包含對目標(biāo)任務(wù)的攔截策略、各類模型的上線下線等策略等，能自主決策哪些行為該攔截，哪些模型已經(jīng)衰減該重訓(xùn)練該替換等。

行動體系當(dāng)中是各類作用于環(huán)境的動作，如放行、阻斷、重訓(xùn)練、發(fā)布等等。一個(gè)真正的智能安全 instance 里面包了含成千上萬的 agent ，每一個(gè) agent 只作用于其對應(yīng)的受保護(hù)對象。最后，「問題空間之困」的解法是將開放的問題空間收斂為一個(gè)個(gè)小的閉合的風(fēng)險(xiǎn)場景，一方面靠的是四個(gè)感知器的級連形成的縱深檢測，另一方面靠的就是「千人千面」的 agent 。

機(jī)器智能重塑新安全

安全領(lǐng)域發(fā)展至今，一直處于問題消滅得少概念卻造得不少的階段，亟待利用新技術(shù)去真正解決舊問題。機(jī)器智能在各個(gè)行業(yè)的炙手可熱，同樣也引起了安全行業(yè)的追捧。但今天安全領(lǐng)域的智能能力參差不一的同時(shí)，又難以分辨其真假。以至于但凡用了一丁點(diǎn)算法的，都會宣稱「基于人工智能的XX安全系統(tǒng)」。同早年的智能駕駛領(lǐng)域一樣，今天的智能安全也亟需統(tǒng)一的分級標(biāo)準(zhǔn)，用以明確不同級別智能安全技術(shù)之間的差異性?！赴踩谋举|(zhì)是智能體的對抗」，故根據(jù)自主對抗的程度，我們將智能安全劃分為L0～5共如下6個(gè)級別：




  • L0級別為「人工對抗」，即完全沒有任何機(jī)器智能的能力，完全由防御者人工雨攻擊者進(jìn)行對抗，對抗操作、感知判斷、任務(wù)支援全都由人工進(jìn)行。

  • L1級別為「輔助對抗」，由機(jī)器完成已知攻擊的攻擊檢測和攻擊防御，其余的操作（如感知未知威脅、感知漏報(bào)、感知誤報(bào)等）由人類進(jìn)行。

  • L2級別為「低度自主對抗」，由機(jī)器完成已知攻擊攻擊檢測和攻擊防御，并具備能感知未知威脅或誤報(bào)漏報(bào)，其余由人類操作。

  • L3級別為「中度自主對抗」，由機(jī)器完成所有的對抗操作（攻擊檢測、攻擊防御、主動感知未知威脅、誤報(bào)漏報(bào)主動感知、對抗升級自動學(xué)習(xí)），根據(jù)系統(tǒng)要求，人類在適當(dāng)?shù)臅r(shí)候進(jìn)行應(yīng)答（中間過程必須需要人類參與）。

  • L4級別為「高度自主對抗」，由機(jī)器完成所有的對抗操作，根據(jù)系統(tǒng)要求，人類不一定提供所有的應(yīng)答（中間過程非必須有人類參與），但只能作用于限定的特定的安全場景（如網(wǎng)絡(luò)域、主機(jī)域等）。

  • L5級別為「完全自主對抗」，由機(jī)器完成所有的對抗操作，根據(jù)系統(tǒng)要求，人類不一定提供所有的應(yīng)答，不限定特定的場景，作用于全域范圍。

不同于智能駕駛技術(shù)，不同的 Level 采用的是完全不同的技術(shù)棧，智能安全中的 L0～5 是需要逐步往上構(gòu)建往上發(fā)展。按照這個(gè)劃分，今天行業(yè)內(nèi)絕大部份的安全系統(tǒng)都是L1 的系統(tǒng)，極少一部分能達(dá)到 L2，但還沒有真正意義上的L3及以上的智能安全系統(tǒng)。隨著級別往上走，能夠?qū)⒎烙邚牡退綄怪兄鸩结尫懦鰜?，能更加關(guān)注高級對抗，L3是個(gè)分水嶺，有望在5年內(nèi)實(shí)現(xiàn)。「始于圍棋終于安全」，機(jī)器智能在安全領(lǐng)域的終局是什么？網(wǎng)絡(luò)層、主機(jī)層、應(yīng)用層、業(yè)務(wù)層、數(shù)據(jù)層都分別有各自的智能實(shí)例，不同層的實(shí)例在線互聯(lián)，實(shí)現(xiàn)真正意義的協(xié)同防御與情報(bào)共享。當(dāng)智能「Intelligence」和情報(bào)「Intelligence」融合的那一天，才是真正的「Intelligence Remodels New Security」。

目前阿里云智能安全實(shí)驗(yàn)室正在多個(gè)領(lǐng)域打造L3級別的智能安全系統(tǒng)，致力于智能技術(shù)在云安全中的應(yīng)用，現(xiàn)招聘安全算法專家和安全數(shù)據(jù)專家，尋志同道合者一起探索打造「智能重塑新安全」。目前在不到一年的時(shí)間，已經(jīng)取得了一定的階段性成果：

  • LTD 攻擊檢測算法入選人工智能頂會 IJCAI 2019「Locate Then Detect：Web Attack Detection viaAttention-Based Deep Neural Networks」；

  • WAF AI 內(nèi)核助力阿里云 WAF 入選 2019 Gartner Web 應(yīng)用防火墻魔力象限，算法能力被評為強(qiáng)勢；

  • Anti-Bot AI 內(nèi)核助力阿里云爬蟲風(fēng)險(xiǎn)管理入選 2018Forrester Bot Management 競爭者象限；

  • 內(nèi)容安全算法助力阿里云在國家級重?；顒又衅椒€(wěn)度過，無任何風(fēng)險(xiǎn)外漏；

  • 上線[XDATA]安全數(shù)據(jù)內(nèi)核、[XID]核心數(shù)據(jù)資產(chǎn)、[XService]智能安全服務(wù)、[弦+]安全知識引擎等一系列安全數(shù)據(jù)平臺服務(wù)產(chǎn)品，上線百億級節(jié)點(diǎn)千億級邊的復(fù)雜網(wǎng)絡(luò)和圖計(jì)算應(yīng)用；上線QPS千萬級的復(fù)雜流計(jì)算應(yīng)用。







原文鏈接

本文為云棲社區(qū)原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。